Upload
buidang
View
225
Download
0
Embed Size (px)
Citation preview
Manejo de la variabilidad espacial para optimizar la calidad en cafe
Chile Potencia Agroalimentaria 2012
Vino Chileno
Vino Chileno
Vino Chileno
En el año 2005 había alcanzando una participación de 5,3% del mercado mundial, lo que significó un gran avance, si se compara con el 0.5% de finales de los 80. A diciembre del 2005, la industria vendía en el extranjero más de 4,5 millones de hectolitros de vino, con un valor de 834 millones de dólares
Vino ChilenoEl mercado del vino no es el de los 90o Cambio continuo en la demandao Aumento en el poder de las cadenas de distribucióno Mayor impacto de la marcao Aumento de la competencia entre los países y cadenas globales
Que se debate hoy:Un primer elemento que es importante a destacar es la percepción de los empresarios que la industria no es de commodities, es decir, existe una visión generalizada de una etapa de cambio, moviéndose desde los segmentos de granel y vinos corrientes hacia los de mayor calidad y altos precios.Ello es relevante por que incide en la estrategia de innovación, de concentrarse preferentemente en mejorar la eficiencia de los procesos, a preocuparsede la diversificación y de los intereses del consumidor
Desarrollo de Mercado café
“No se puede optimizar lo que no se puede medir”
AgriTec “ Gente con la obsesión de medirlo todo”
pH (H2O)pH (H2O)
CECE
Materia OrgánicaMateria Orgánica
Relación C/NRelación C/N
N DumasN Dumas
TexturaTextura4,04 (ideal 6,5-7,5)
150,0 mS/cm
4.97% (normal 2-3%)
8,63 (normal 9-11 )
3342, 0 mg/kg
PROPIEDADES FISICO- QUIMICAS
¿Qué medir?
PROPIEDADES QUIMICAS
Fosforo DisponibleFosforo Disponible
Azufre DisponibleAzufre Disponible
MicrosMicros
Análisis de basesAnálisis de bases
Complejo de cambioComplejo de cambio
Relaciones BasesRelaciones Bases
DISPONIBLE meq/100g IDEAL
Ca ++ 3,67 65% ‐ 85%
Mg ++ 1,14 6% ‐ 12%K + 1,04 2% ‐ 5%
Na + 0,21 1% ‐ 5%
CAMBIO IDEALCa ++ 13% 56% ‐ 68%Mg ++ 1% 9% ‐ 12%K + 4% 2% ‐ 3%Na + 0% 1% ‐ 2%Al +++ 10% 0%
SATURACION DE BASES 29%IDEAL 70%
DISP IDEAL Ca/Mg 6.5 3 ‐ 5Ca/K 1.9 5 ‐ 25Mg/K 0,89 3 ‐ 4(Ca+Mg)/K 2.2 10 ‐ 40
4,85 mg/kg (ideal 20-40)
196,3 mg/kg (ideal 25-40)
B: 1,14 mg/kg (ideal 0,5-1)
Fe: 188,5 mg/kg (ideal 40-200)
Mn: 9,47 mg/kg (ideal 30-100)
Cu: 3,14 mg/kg (ideal 10-20)
Zn: <2,5 mg/kg (ideal 3-10)
¿Que medir?Análisis café pergamino para determinar la extracción
y relaciones que se traducen en calidad o producción
Al S B Ca Cl Cu P Fe Mg Mn Mo N K Na Zn(ppm) (%) (ppm) (%) (ppm Cl-) (ppm) (%) (ppm) (%) (ppm) (ppm) (%) (%) (ppm) (ppm)
MAN 1.20 0.12 2.69 0.19 203.70 15.38 0.15 31.37 0.14 19.56 0.40 1.84 2.26 40.26 5.57TPXQ 5.95 0.13 10.84 0.12 88.00 13.48 0.14 48.68 0.21 15.64 0.60 1.94 1.47 38.80 11.07LLAG 6.23 0.09 7.92 0.10 22.00 13.82 0.13 39.86 0.20 16.81 0.90 1.90 1.74 34.59 11.49SV 5.91 0.09 12.12 0.10 48.00 14.23 0.15 41.68 0.19 20.17 0.11 1.82 1.82 23.81 10.31TPXQ 8.76 0.09 10.46 0.12 4.00 9.59 0.14 56.31 0.21 12.54 0.60 1.78 1.60 40.34 14.38L.N. 18.90 0.11 11.88 0.24 400.00 16.74 0.15 70.38 0.22 17.21 0.60 1.71 1.65 52.00 12.27MAN 0.00 0.10 12.63 0.17 114.00 13.04 0.15 57.01 0.19 35.79 0.70 1.59 1.66 44.25 14.01
Finca
Al S B Ca Cl Cu P Fe Mg Mn Mo N K Na Zn(ppm) (%) (ppm) (%) (ppm Cl-) (ppm) (%) (ppm) (%) (ppm) (ppm) (%) (%) (ppm) (ppm)
MAN 1.20 0.12 2.69 0.19 203.70 15.38 0.15 31.37 0.14 19.56 0.40 1.84 2.26 40.26 5.57TPXQ 5.95 0.13 10.84 0.12 88.00 13.48 0.14 48.68 0.21 15.64 0.60 1.94 1.47 38.80 11.07LLAG 6.23 0.09 7.92 0.10 22.00 13.82 0.13 39.86 0.20 16.81 0.90 1.90 1.74 34.59 11.49SV 5.91 0.09 12.12 0.10 48.00 14.23 0.15 41.68 0.19 20.17 0.11 1.82 1.82 23.81 10.31TPXQ 8.76 0.09 10.46 0.12 4.00 9.59 0.14 56.31 0.21 12.54 0.60 1.78 1.60 40.34 14.38L.N. 18.90 0.11 11.88 0.24 400.00 16.74 0.15 70.38 0.22 17.21 0.60 1.71 1.65 52.00 12.27MAN 0.00 0.10 12.63 0.17 114.00 13.04 0.15 57.01 0.19 35.79 0.70 1.59 1.66 44.25 14.01
Finca
Análisis de solución de suelo
¿Que medir?
¿Qué medir ?1. Coordenadas geográficas (trazabilidad)2. Superficie exacta 3. Status general del cultivo
GPS Submétricos L1 y L2
Sistema de Estación Base
Software Especializado (captura, mantenimiento y
postproceso)
¿Que medir?Curvas de extracción de nutrientesÍndices de área foliarPeso seco de hojas por ha
“ No se puede optimizar lo que no se puede medir”
¿Para que medir?
¿Como manejamos esta información?
Que factores inciden en la producción y en la calidadComo manejamos esta variabilidad
Agricultura de Precisión
Gestión Sitio‐Especifico de Cultivos‐ Consiste en realizar la gestión correcta, en el lugar indicado y en el momento oportuno.
Agricultura de Precisión‐ Consiste en automatizar la gestión Sitio‐ Especifico de Cultivos usando las TICs
“La Agricultura de Precisión corresponde a una estrategia de administración que utiliza tecnología de la información y las comunicaciones para recolectar datos útiles desde distintas fuentes con
el fin de apoyar decisiones asociadas a producción de cultivos”(Heimlich, 1998).
Agricultura Precisión
Variabilidad Espacial
Ignorarla
Manejarla
Recursos necesarios
• Agrónomos Tecnificados
• Personal de manejo de información especializado
• Herramientas tecnológicas:GPSSistema de información geográfico (GIS)Software y equipos de computo especializadoSensoraminento Remoto
DISAGRODISAGROINTERESADO EN APOYAR A SUS CLIENTES A INTERESADO EN APOYAR A SUS CLIENTES A
OPTIMIZAR SUS INSUMOS AGRICOLAS A TRAVES OPTIMIZAR SUS INSUMOS AGRICOLAS A TRAVES DE NUEVAS TECNOLOGIAS.DE NUEVAS TECNOLOGIAS.
Con qué contamos?
• Unidad Sistemas de información geográfica Corporativa
• Equipos GPS Sub‐métricos de la casa Trimble
• Software de mapeo y análisis de la Casa ESRI (familia Arc Gis desktop y server)
• Software de sensoramiento remoto (Envi) de la casa ITT
• Proveedores Internacionales de imágenes y ortofotos
Como lo hacemos?..1. Capacitación continúa y soporte técnico en el empleo de
tecnologías de posicionamiento Global (GPS), y sistemas GIS, a nuestros asesores.
GPS Submétricos L1 y L2
Sistema de Estación Base
Software Especializado (captura, mantenimiento y
postproceso)
Capitación de nuestros asesores en tecnologías GISaplicada a la agricultura
2. Producción y gestión de la información de nuestros clientes
Software a NivelDesktop y Server
DesktopArc InfoArc EditorArc ViewExtensiones ( Publisher, geostatistic, 3D, Spatial, etc.)
MobileArc Pad
ServerArGis ServerArcGis ExploreImage Server
Software para datos ráster (imágenes y ortofotos)
3. comunicación directa con proveedores regionales e internacionales
Imágenes Satelitales y OrtofotosSpotNasaGeoeyeSIGSA
Software y equiposESRITrimble
3. Incorporación de nuevas tecnologías.
• Evaluación constante de lo que están haciendo otros países.• Investigación de sensores de mediciones (Clorofila,
temperatura, precipitación, fertilización, etc.)• Evaluación de equipos y software especializados • Evaluación y desarrollo de algoritmos para determinación de
características especificas para cultivos.
Qué podemos hacer con la variabilidad?
Manejo de cultivo
Plagas y Enfermedades
Suelo
ClimaOtros (sombra)
Nuestro proceso..Área de Estudio
Toma de datos en campo
Post Proceso de Datos
Definición de Estudios
Identificación de sensores, resultados de análisis SN, etc.
Procesamiento de data
Producto Final
Validación eInterpretación
Ubicacion Espacial
Post Proceso y Revisión de Data
Definición de Estudios y Datos de Análisis a Correlacionar
• Identificación de cultivos por edad fenológica• Cálculo de Vigor de las plantas• Cálculo de Biomasa• Cuerpos de aguas• Stress en la planta• Cambios en el tiempo del cultivo• Análisis de suelo• Factores limitantes en el foliar y suelo• Rendimiento de cultivos, etc.
Identificación de Sensor
• Resolución: (de acuerdo a la fineza de trabajo)
0.6, 1.0, 5,10, 15, 20,30 m.• Tipo de sensor:
Imagen Satelital (Aster, Spot, Landsat, etc.)Ortofoto (Geoeye, SIGSA, etc.)
• Temporada de Análisis • Flexibilidad de programación • Tiempo de entrega
Como lo Hacemos?Con las coordenadas del área de estudio buscamos de acuerdo a las fechasde interés y sensor, data existente y escenas de programación.
Escenas de las áreas de interés Consulta de imágenes de Archivo
Imagén Finca Café
Descomposición de la ImagenPara interpretar de manera más adecuada lo que se aprecia se inicia visualizando
imágenes pancromáticas de cada banda y así disponer, de mejormanera, los índices que se desarrollen.
Banda 1 VNIR – Rango espectral 0.52 a 0.60 micrómetros
Banda 2 VNIR – Rango espectral 0.63 – 0.69micrómetros.
Descomposición de la Imagen
Banda 3B VNIR – Rango espectral 0.78 a 0.86 micrómetros Back-guard Nadir.
Banda 3N VNIR – Rango espectral 0.78 a 0.86 micrómetros Nadir.
Cálculo de Indices Agua, NDVI, Suelos Desnudos
Para identificar los cuerpos de agua se emplean las bandas Gr y NIR simulando NDVI solo que utilizándolas inversamente, con lo cual tenemos ((Gr – NIR)/ (Gr +
NIR)),representándose de la siguiente manera:
valores más altos en esta banda corresponden a cuerposde agua, tanto superficiales como profundos.
Imagen Clasificada, los pixeles azul muestran un alto contenido de agua
Cálculo de Indice NDVI ((NIR – Red) / (NIR+ Red))
NDVI empleando la banda verde visible.
NDVI empleando la banda rojovisible
proporciona información importante sobre la existencia de vegetación clasificándola, dependiendo del valor de reflectancia, por grado de “salud”, es decir, mientras más alto sea el valor en la banda resultante más sana es lavegetación que se haya registrado en el sensor.
NDVI (Indice de Vegetación Normalizado)Entre más opaco es el píxel menos saludable esla planta o bien menor contenido clorofílico tiene, entre más blanco o “puro” sea el verde la hoja representa una mayor actividad clorofílica denotando mayor vigor y mejor salud
mientras mayor sea el valor del índice, es decir, mientras más tienda a 1 el cociente, mayor contenido clorofílico posee la hoja de la planta que ha sido registrada por el
Sensor.
Clasificacion No Supervisada
Clasificación Imagen Original
Clasificación Componentes Principales
Clasificación No Supervisada
La imagen compuesta por NDVI verde, Verdor y Humedad
Ya clasificada, con los parámetros definidos, queda como:
Validación En Campo
Validación En Campo
Luego de substituir los valores tenemos, en primera fase, el siguiente producto:
Alto Rendimiento
BajoRendimiento
Primer Producto Final
•Determinación de áreas productivas•Densidad de vegetación•Correlación de datos de análisis (Foliar, suelo, Aguas y Fruto)•Rendimiento, etc.
Biomasa
5 has2 has3.5 has1.5 has
Análisis EstadísticosDistribución espacial del pH en el suelo
pH en suelo
Distribución espacial del Potasio
SueloSuelo FoliarFoliar
Distribución espacial del Zinc
SueloSuelo FoliarFoliar
Rendimiento qq/Mz vrs. Calidad de Tasa
Qué conclusiones podemos sacar ?
• Manejo específico del cultivo (Podas, cobertura, etc,.)• Ajustes de dosis de fertilizantes, plagicidas, etc.• Rendimiento de las áreas• Calidades de las áreas• Trazabilidad del cultivo en toda su cadena• Identificación de variabilidad del suelo
• Análisis comparativos en el tiempo, Etc.
Mejor toma de decisionesMejor toma de decisionesEn el momento oportuno, en el lugar precisoEn el momento oportuno, en el lugar preciso
Actualmente…
Estamos haciendo análisis multiespectral y temporalpara los cultivos de:
• Café (Guatemala y Nicaragua)• Caña (Honduras, El Salvador)• Melón (Guatemala)• Cítricos (Honduras)•• Banano Banano (Guatemala, Honduras)
Toda nuestra información….
Se almacena en un base de datos empresarial (GEODATABASE(GEODATABASE):
• Nos da capacidad de tener un mejor gestión de toda la información de nuestros clientes.
• Correlación de datos en todos los niveles (Agrícola, ventas, seguimiento nutricional, etc).
• Fácil Administración y mantenimiento de la información.• Y trazabilidad de todo el seguimiento nutricional.
Hoy podemos predecir el futuro……Trabajando lo podemos construir
Maxi RiverosGerente Internacional Desarrollo de Mercados