Verifying the efficiency of application with a spray boom using digital and precision agriculture equipment and manual guidance
Main Article Content
Abstract
Digital agriculture is the evolution of precision agriculture. Among the most important technological advances in agriculture, autopilot tractors allow the most efficient use of resources. Therefore, the project aims to validate the efficiency of sprayer application by comparing two tractor guides, one with Trimble autopilot and the other with an operator’s manual guide, when applying a boron-based compound and plant penetrant. Each guide had three passes, collecting data for later processing to determine the percentage of overlap in each. In addition, the team performed three drone flights to capture multispectral images and observe changes in vegetation before and after applying the compound. Based on this, it was concluded that the tractor passes with operator’s manual guidance have a higher overlap percentage than those obtained using the autopilot guide. Moreover, it was determined that product costs and environmental impact increase significantly when manual operator guidance is used compared to automated guidance. In the vegetation indices, only SAVI showed significant changes, while the EVI and AVI indices should not be used in these cases, since they present data with a high variation and an absence of these.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Los autores conservan los derechos de autor y ceden a la revista el derecho de la primera publicación y pueda editarlo, reproducirlo, distribuirlo, exhibirlo y comunicarlo en el país y en el extranjero mediante medios impresos y electrónicos. Asimismo, asumen el compromiso sobre cualquier litigio o reclamación relacionada con derechos de propiedad intelectual, exonerando de responsabilidad a la Editorial Tecnológica de Costa Rica. Además, se establece que los autores pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
References
FAO, «Statistical Yearbook,» Roma, 2022.
E. Vargas Castro, «Uso aparente de plaguicidas en la agricultura de Costa Rica,» Programa de las Naciones Unidas para el Desarrollo, Costa Rica, 2021.
N. Gómez , K. Villagra y M. Solorzano , «La labranza mecanizada y su impacto en la conservación del suelo (revisión de literatura),» Tecnología en marcha, vol. 31, nº 1, 2018.
M. Hernández y N. Chavez, «PNUD,» 2022. [En línea].
Banco Mundial, «Banco Mundial,» 2019. [En línea].
FAO, «Organización de las Naciones Unidas para la Alimentación y la Agricultura,» 2022. [En línea]. Available: https://www.fao.org/3/cb9479es/online/cb9479es.html.
Objetivos de Desarrollo Sostenible, «ODS,» [En línea]. [Último acceso: 2023].
N. Gomez, F. Watson y M. Solórzano, «Importancia de los coeficientes de uniformidad en las operaciones agrícolas asistidas por maquinaria (Nota técnica),» Tecnología en marcha, vol. 36, nº 1, pp. 163-177, 2023.
L. Martínez, «Análisis comparativo entre el Método Leopold y el EPM-Arboleda para la identificación de impactos ambientales en la intervención de vías principales urbanas,» Bucaramanga, 2020.
V. Henrich, G. Krauss, C. Götze y C. Sandow, «Indexdatabase,» 2012. [En línea]. Available: https://www.indexdatabase.de/db/i.php?&order=-name.
A. Madriz, «Costa Rica: el país verde qe urge de un monitoreo de plaguicidad altamente peligrosos.,» La República, 2022.
Watson-Hernández, F., Gómez-Calderón, N., & da Silva, R. P. (2022). Oil Palm Yield Estimation Based on Vegetation and Humidity Indices Generated from Satellite Images and Machine Learning Techniques. AgriEngineering, 4(1), 279–291. https://doi.org/10.3390/agriengineering4010019
Tan, C., Zhou, X., Zhang, P., Wang, Z., Wang, D., Guo, W., & Yun, F. (2020). Predicting grain protein content of field-grown winter wheat with satellite images and partial least square algorithm. PLOS ONE, 15(3), e0228500. https://doi.org/10.1371/journal.pone.0228500