Comprobación de la eficiencia de aplicación con pulverizadora utilizando equipamiento de agricultura digital y de precisión y por medio de guía manual
Contenido principal del artículo
Resumen
La agricultura digital es la evolución de la agricultura de precisión. Dentro de los avances tecnológicos más importantes en la agricultura se pueden encontrar los tractores con piloto automático, que permiten utilizar de una manera más eficiente los recursos. Por tanto, el proyecto validó la eficiencia de aplicación con pulverizadora comparando dos guías del tractor, una con piloto automático Trimble y otra con la guía manual de un operador al aplicar un compuesto a base de boro y penetrante vegetal. Se realizaron tres pases para cada una de las guías y se recopilaron los datos para posteriormente procesarlos y determinar el porcentaje de traslape presente en cada una. Además, se realizaron tres vuelos con dron, con el fin de observar por medio de imágenes multiespectrales los cambios en la vegetación, antes y posterior a la aplicación del compuesto. Con base a ello se logró concluir que, en los pases del tractor con la guía manual del operador, los porcentajes de traslape son mayores en comparación a los obtenidos mediante el uso de la guía del piloto automático. Además, se determinó que los costos del producto y el impacto ambiental aumentan de manera significativa cuando se usa la guía manual del operador en comparación a la guía automatizada. En los índices de vegetación únicamente SAVI mostró cambios significativos, mientras que los índices EVI y AVI no se deben de utilizar en estos casos, ya que presentan datos con una alta variación y una ausencia de estos.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
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.
Citas
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