Buscar:   
 

Mapas de productividad como herramienta para entender y gerenciar el cultivo de caña de azúcar

Resumen

La agroindustria del cultivo de caña de azúcar en Colombia y básicamente en el Valle del Cauca se ha caracterizado por estar entre las producciones más altas en el mundo influenciado por el nivel técnico en las labores del campo, unas condiciones ambientales privilegiadas y la estructuración de las empresas para el negocio del azúcar y el alcohol carburante. Herramientas como la Agricultura Especifica por Sitio AEPS desarrollado por Cenicaña en conjunto con las empresas del sector y los proveedores de caña han permitido detallar labores y variedades por zona agroecológica evidenciando buenos resultados, sin embargo el nivel de precisión es aun por lote o suerte.

Con el desarrollo de la agricultura de precisión empezando por los agricultores de Estados Unidos, Australia y migrando ese concepto a países como Argentina en cultivo de cereales y Brasil también para cereales y caña de azúcar, se crearon herramientas de medición directa de la cosecha. En el caso particular del cultivo de caña, se partió del prototipo del Dr. Graeme J Cox (2002) hasta el desarrollo hecho por empresas e institutos de investigación en Brasil que sacaron sus primeros módulos de monitoreo de productividad aproximadamente en 2005, este desarrollo ha permitido generar los mapas de productividad en caña de azúcar.

Posterior al desarrollo de la tecnología, se han realizado diferentes intentos fallidos para establecer como hábito de trabajo el uso de los mapas de productividad en cultivo de caña de azúcar en Brasil, debido especialmente a que estratégicamente no había la necesidad de incrementar productividad por unidad de área dado que se venia practicando la agricultura extensiva, sin embargo en los últimos años esta tendencia comienza a cambiar principalmente debido a las restricciones de uso del suelo y las políticas ambientales y socio-económicas, caso opuesto en Colombia donde la expansión del área cultivada en el Valle del Cauca esta limitada, obligatoriamente la industria debe mirar hacia el gerenciamiento de unidades productivas buscando mayor eficiencia en los procesos, optimización de los recursos para alcanzar mayores productividades.

Una vez establecida esta tecnología inicia entonces el proceso de sensibilización entre los grupos de trabajo del campo que permitirían adoptar el concepto y utilizarlo provechosamente para identificar limitaciones y oportunidades a nivel de detalle de cada 20 o 30m, entonces así definir estrategias de mejoramiento productivo o simplemente corrección de los factores controlables que influencian la productividad partiendo de la oportunidad y calidad con respecto a las labores de levantamiento del cultivo.

Abstract

Agribusiness crop of sugarcane in Colombia, mainly in the Cauca Valley has been characterized as being between the highest yields in the world influenced by privileged environmental conditions, the technical level, and structuring companies to the business of sugar and fuel alcohol. Tools such as site-specific agriculture (SSA) developed by Cenicaña joined with sugar companies and sugar cane suppliers (Farmers) have made it possible tasks cane varieties by agro-ecological zone and showing good results, but the level of accuracy is been just by lot.

With the development of precision agriculture farmers starting in the United States and Australia then migrating that concept in countries like Argentina and Brazil for cultures as a cereals and sugar cane, measuring tools was created directly from the harvest. In the particular case of cane, broke the prototype of Dr. Graeme J Cox (2002) to development made by companies and research institutes in Brazil who drew their first modules to monitor productivity in 2005, this development has possible to generate yield maps in sugarcane.

Subsequent to the development of technology, there have been several failed attempts to establish a habit of work, the use of yield maps in sugarcane cultivation in Brazil, especially since there was no strategic need to increase productivity per unit area since it came to practice extensive agriculture, however in recent years this trend starts to change primarily due to restrictions in land use and environmental policies and socio-economic, opposite case in Colombia where the expansion of cultivated area Valle del Cauca is limited, the industry must necessarily look to the management of production units seeking greater efficiency in processes, optimization of resources to achieve greater productivity.

Once this technology then starts the process of awareness among the working groups of the field that would embrace the concept and use it profitably to identify constraints and opportunities at a detailed level in 20 or 30m, and then define strategies to improve production or simply correction of the controllable factors which influence the productivity based on the timing and quality with respect to the work of lifting the crop.

Introducción

Las bases de datos, los estudios detallados de suelos, los grupos de manejo, la zonificación agroecológica, la oferta de variedades de Cenicaña, representan entre otros mas, recursos de gran valor y trascendencia a la hora de tomar decisiones para el manejo del cultivo, sin embargo el modelo de pensamiento de algunos técnicos y agricultores aun está enfocado a la formula milagrosa, al paquete de labores, inclusive la normalización rigurosa. El campo es un ente dinámico, por consiguiente se debe profundizar en crear criterios de análisis. La forma de abordar los nuevos retos que exige el medio ambiente, la agricultura y la competitividad es rompiendo paradigmas, entre ellos la validación permanente de las normas y su aplicabilidad en los diferentes escenarios en el tiempo y en cada situación particular.

La colección de datos sin un almacenamiento y seguimiento riguroso no permite tomar decisiones acertadas; efectos, manejos (información) y comprobar tantas hipótesis que se generan en el ejercicio diario de la agricultura (conocimiento), conforman entonces los recursos para construir experiencia medible que conlleve a mejorar el sistema productivo.

Es así como los mapas de productividad (yield maps), se estructuran en una medición en campo de la producción que para el caso particular es toneladas de caña por hectárea, esta variable representa sencillamente la interacción de muchas variables (pH, nutrientes, humedad, variedad, grupo de manejo, roturación, variables físicas, etc.,) que en un evento dado o un rango de ellos, pueden afectar esta producción en forma positiva o negativa, a manera de comparación se puede explicar como una fotografía del comportamiento de la interacción ambiente-hombre-cultivo.

Los factores que los agricultores o técnicos controlan son susceptibles de ser evaluados pero ya no basados en una observación visual, una simple prueba de hipótesis o comparando históricos productivos, sino utilizando la variabilidad espacial que permite detallar los problemas y tendencias. De allí que algunos instructivos de manejo pueden ser revaluados, pues entender un cultivo como un ambiente temporal y dinámico puede acercarse más a un manejo optimo, es decir lo que funciona ahora quizás no funcione después, lo que le funciono al vecino no se aplica a este sitio.

Solamente el análisis de información espacial a nivel temporal (en producción anual, en desarrollo (fenología), depende del sensor remoto) y el ejercicio de parametrizar, pueden ser herramientas que se enfoquen en explicar la respuesta, esta secuencia es la que entre otros factores han llevado a agricultores de países como Argentina y Estados Unidos a niveles muy competitivos, basados en el entendimiento del comportamiento del cultivo, inferido por medio del almacenamiento y análisis de datos que han permitido consolidar modelos de producción y pronósticos de producción.
 

Materiales y Métodos

Sensores y equipos

La forma de medir la productividad en el campo se hace a través de la captura de puntos geo-referenciados por medio de monitores de productividad. Dichos equipos permiten capturar información en esquemas de cosecha realizada con alzadora o cosechadora mecánica. El grado de especialización y nivel de detalle de los datos los dan el conjunto maquinaria-sensores. El equipo se resume en un conjunto de sensores, controladores y una antena GPS. Se anexa la Figura 1 y 2 donde se muestran los esquemas de monitores de productividad para alzadoras y cosechadoras.

Software

El mercado ofrece un sinnúmero de programas de computación que permiten realizar estudios detallados geo-estadísticos, estadísticos, integrados con componentes de SIG (Sistemas de Información Geográfica), manejo de formatos vectoriales y rasterizados, operaciones matriciales y espaciales. Decir que software es el mejor, resulta complejo, pues el grado de avance en el manejo de datos, su almacenamiento y procesamiento, como también el grado de especialización del capital humano que tiene a cargo el manejo del campo, permite definir cual es la herramienta que se adapta mejor al presupuesto y alcance mismo de la operación. Cabe destacar que las interfases de software y hardware deben prevalecer en el tiempo buscando la interoperabilidad y escalabilidad que hace de la integración un sistema versátil, robusto y confiable.

Mapas de variabilidad

Los mapas de variabilidad de la producción, de la variabilidad química, física y biológica de los suelos permite ajustar las estrategias conducentes a consolidar planes de manejo como la nutrición a una tasa variada, la ubicación varietal, el manejo del riego y el drenaje, el diseño de campo, el manejo de la roturación etc., la correlación de la productividad con estas condiciones puede tener mayor o menor impacto dependiendo de los suelos y el manejo que se le da al conjunto suelo-planta-agua, por eso es que el estudio de suelos (grupo de manejo y zonas agroecológicas) son insumo para complementar e interpretar los mapas de productividad. El conocimiento de las fincas, sus datos históricos permiten sensibilizar y afinar aun más las decisiones que se pueden tomar.

Para la generación de mapas de fertilidad inicialmente de determinaron los niveles de detalle para el muestreo de suelos, esto se hace mediante metodologías geo-estadísticas previa revisión y normalización de los datos. Con la determinación del nivel de muestreo, se procedió a realizar la toma de muestras geo-referenciada, con los análisis de suelos de estas muestras se inician los procesos de interpolación de variables en diferentes modelos matemáticos y metodologías de interpolación, los cuales

fueron evaluados y verificados en campo, buscando que haya la mas alta correspondencia entre la mapificación y la realidad, el proceso de validación cruzada de datos en la interpolación permite mejorar la precisión de los mapas. De otra parte para la generación de mapas de productividad se procedió a tomar los puntos capturados por los monitores de productividad, los cuales también fueron normalizados, clasificados antes de ser tratados en los procesos de interpolación. Todos los mapas generados fueron debidamente codificados para posteriormente hacer los respectivos análisis multi-temporales y análisis de correlación espacial gracias a las herramientas SIG para el procesamiento matricial y modelamiento espacial.

Otra de las fuentes de información fueron los prontuarios de lotes que provienen del ERP de la organización así como también los registros históricos de la misma en cuanto a los indicadores de productividad, variedades, zonas agroecológicas y datos meteorológicos. Sistemáticamente con toda esta información de inicia un proceso de discriminación de variables y en conjunto con los mapas de fertilidad y productividad además del inventario de labores (cantidad y fecha) permiten inferir los factores de influencia en la producción.

Localización

En el contexto local la empresa Riopaila Castilla S.A. ha implementado la tecnología de mapas de productividad desde 2007, hasta el momento se han caracterizado mas de 16.000ha de las cuales se pretende establecer planes de mejoramiento, en su mayoría de área los suelos son arcillosos >60%de arcillas, con altos contenidos de magnesio superiores a 12 meq/100g de suelo y pH alcalinos > 7.3, las condiciones agroecológicas de la zona son adecuadas para el cultivo de la caña de azúcar: promedio de 950 metros sobre el nivel del mar, temperatura promedio de 25 ºC, brillo solar superior a la seis horas del día, humedad relativa de 75,6 % y una precipitación promedio de 1.000 mm.

Revisión Bibliográfica

Desde que el hombre ha cultivado siempre se ha observado la variación espacial en las cosechas. Cuando las áreas cultivadas eran pequeñas y laboradas a mano las podían ajustar fácilmente para reducir al mínimo esta variación. Por ejemplo, áreas más pobres recibirían un poco más de abono o agua que las mejores áreas. Sin embargo, como la agricultura tradicional con un agricultor cambio dramáticamente a una agricultura mecanizada, junto con el tamaño de las unidades de gerencia, este modelo no permitía hacer un manejo adecuado de la variación que conllevaba a una productividad igualmente muy variable. (Vansichen; de Baerdemaker, 1993, citado por Cox en 2002).

Según mediciones realizadas se encontró que la cosecha puede variar hasta un 300% entre la producción mínima y la producción máxima, en muchas industrias esta variación no sería aceptable. Las industrias agrícolas ahora están prestando atención a esta variación y están mirando mejores formas de manejar sus sistemas de cultivo para maximizar la producción. (Cox, 2002).

El grado de la variación espacial ha llevado al desarrollo de un concepto conocido como Agricultura de precisión (AP). Este término se refiere: "… con información y tecnología se crea un sistema de gestión agrícola que permita identificar, analizar, y manejar la variabilidad espacial, temporal del suelo y de las plantas para buscar un beneficio continuo, la optimización de los recursos y la protección al medio ambiente." (Anon., 1994, citado por Cox en 2002).

La información y la tecnología se utilizan para manejar más exactamente la variación temporal y espacial en las extensas áreas de producción vegetal. Como Clark, Schrock, y Young (1987), citados por Cox en 2002 escribieron, las tecnologías de la información modernas serán utilizadas para mejorar la eficacia y la rentabilidad de los recursos. Schueller y Wang (1994) citados por Cox en 2002, eran también los investigadores pioneros que examinaron el uso de ratas variables del fertilizante y de pesticidas. La Figura 3 es una ilustración excelente de los conceptos y de las tecnologías implicadas en AP. El círculo ilustra el proceso de la gerencia de cómo los resultados a partir de una cosecha proporcionan información para tomar decisiones en la cosecha siguiente. El círculo externo representa el flujo de información entre las tecnologías tales como el monitor de la producción, computadora y equipo de tipo variable.

La mayoría de los trabajos publicados relacionados a sistemas de determinación de producción para la elaboración de mapas de rendimiento están en el área de granos, donde empresas como JOHN DEERE (1998), CASE (1999) y AGCO (1999) desarrollaron sensores de flujo de masa específicos para determinar la producción y la humedad de granos y software para manejar estos datos y generar los mapas de rendimiento. (Biagi y Goes 2008). En Brasil, algunos trabajos importantes relacionados a Agricultura de Precisión también fueron realizados. Entre ellos podemos destacar ELIAS (1997) que relato el desarrollo, construcción y uso a campo, de un sistema de instrumental y adquisición de datos para el mapeo de producción en granos. El sistema consistía en la medición automática de peso de los granos cosechados utilizando una sub-tolva granelera apoyada sobre cuatro células de carga dentro de la tolva de la cosechadora, sin ninguna modificación estructural de la misma, obteniendo un error máximo de 3,99 N para una capacidad de la sub-tolva de 4.905 N. La principal ventaja del sistema de pesaje automático, desarrollado por ELIAS, está en permitir la obtención directa del peso de los granos cosechados, sin necesidad de sensores para la medición del flujo de granos y calibración para cada cultivo. (Biagi y Goes 2008)

Otro importante trabajo fue publicado por BALASTREIRE (1998) que presenta el potencial de utilización de los conceptos de AP en el cultivo de la caña de azúcar. En su artículo el autor resalta entre los

principales beneficios que la aplicación de este concepto puede ofrecer: a) posibilidad de reducción de impacto ambiental; b) beneficios económicos, donde la reducción del costo final del producto puede ser obtenida reduciendo los insumos en los puntos de bajo potencial de producción y re-diseccionándolo a los puntos de mayor potencial; c) ganancia de productividad, con aumento de producción y un aumento de la cantidad de azúcar de caña disponible. Además según BALASTREIRE el potencial de aplicar los conceptos de AP en el cultivo de la caña de azúcar se divide en cuatro puntos:

1. Mapa de suelo – este mostrará el potencial de fertilidad del suelo, y permitirá establecer las estrategias de aplicación de fertilizantes.

2. Mapa de cultivo – permitirá obtener mapas geo-referenciados de los tablones del cultivo en sus diferentes estadios.

3. Mapa de cosecha – se puede obtener un mapa de producción de cada celda dentro de un tablón. Con la geo-referenciación se tiene la localización exacta de cada celda, entonces, se puede verificar en el lugar cual fue el motivo de la baja de producción.

4. Aplicación localizada de insumos – la decisión sobre el mejor método de geo-referenciamiento del área puede ser hecho por medio de programas de computación específicamente realizados para la agricultura que proporcionan mapas de aplicación localizada de insumos. Con el auxilio de equipamientos especiales para el control de aplicación se puede aplicar la cantidad requerida en cada celda para así utilizar el máximo potencial de producción.

En un estudio realizado por J.P. Molin, Menegatti L. y Manzoni C, (2004), validaron estadísticamente los modelos para medir la variabilidad espacial de la producción tomando como referencia un vagón con caña de azúcar en cosecha manual con alzadora, demostrando que esta medición representa confiablemente la variabilidad en el campo.

Si bien es cierto con las herramientas AP se busca tener precisión de esta variabilidad, el concepto debe ser elevado a entender que el potencial agronómico es determinar las áreas de alta, media, baja producción y sus tendencias, su forma y distribución, procurar un detalle del metro o el centímetro no tiene sentido, partiendo del hecho que medir la variabilidad es el primer paso, pero el inmediatamente continuo es establecer que y como se va a manejar esa variabilidad, allí un alto grado de precisión no aporta valor a la estrategia agronómica o al plan de manejo para incrementar la producción.

Resultados y Discusión

En seguimientos realizados en cultivos establecidos en el Valle del Cauca en diferentes lotes de caña se pudieron definir, caracterizar y medir la frecuencia de ocurrencia de problemas que afectaban la productividad en casos puntuales y a nivel de finca.

Caso 1. Variabilidad influenciada por condiciones de drenaje y nivel de humedad del suelo en el momento de realizar la roturación.

En el primer caso con la verificación en campo del mapa de productividad cuyos pixeles representan áreas de 20x20m, se tomaron elementos evidenciados para establecer planes de manejo, puesto que hay variables con comportamiento semejante entre ciclos de cultivo como se aprecia en la Figura 4. En el lote prevalece un área de baja productividad generada por problemas de drenaje, altos niveles freáticos influenciados por la naturaleza misma del lote, el diseño de campo del lote y/o la finca, el mantenimiento de los colectores.

Esto se pudo verificar al realizar un levantamiento del perfil del colector de drenaje, donde se apreció que no había una buena pendiente, por lo tanto había estancamiento del agua que inducia a mantener altos niveles freáticos, a su vez se hicieron sondeos aleatorios en las zonas de alta, media y baja productividad la cual fue definida preliminarmente por clases estadísticas. En estas áreas se hacían perforaciones con barreno hasta 90cm de profundidad cada 30 días.

En este caso particular se observó también que algunos lotes cercanos que compartían la vecindad con el canal de drenaje de la finca, también se afectaron en su productividad al no realizar los respectivos mantenimientos que propendan las condiciones idóneas de conducción de agua, Los ahorros en labores de mantenimiento de la red de canales de drenaje influenciaron negativamente la productividad en casi un 10% del áreas de los lotes vecinos al comparar las producciones y áreas de baja productividad en los mapas de producciones de dos años consecutivos. Es preciso aclarar que los mapas de productividad son realizados en formato raster lo que soporta la cuantificación de áreas de afectación en pixeles de precisión de 20x20m.

Además en este caso, realizando la labor de roturación en condiciones mejores de humedad del suelo (menos húmedo) y centrando esfuerzos en las áreas despobladas se lograron mejorar las productividades. En el caso de la roturación se realizaron labores de subsuelo (55cm) después de la cosecha, luego una escarificación (20-30cm) para luego en la labor de fertilización realizar otra roturación a nivel de subsuelo (45cm) y la incorporación del fertilizante con los escarificadores y aletas aporcadoras. Las resiembras se hicieron con cepas hijas de las plantas mejor establecidas y vecinas de

las áreas sin población. El mapa permite apreciar el incremento generalizado en productividad y la reducción consistente del área de baja productividad.

Caso 2. Variabilidad influenciada por condiciones de población, pendiente del tablón y conformación de los surcos después de cosecha.

En este caso se identificaron en un recorrido del lote con el agrónomo y administrador de la finca las áreas críticas de baja productividad que en la parte norte principalmente tenia problemas de drenaje y población, se verificó barrenando y haciendo estaciones para la lectura de la población, la ubicación de estas áreas de pueden realizar con GPS o usando el área del pixel 20x20m, lo que permite fácilmente encontrar las áreas en el lote. Al revisar el área de baja productividad se encontró encharcamiento, se procedió a construir una acequia de lado a lado del tablón y reducir la dosis de fertilización en aproximadamente 23%, dejando solo la cantidad de nutriente mínima requerida para mantener los niveles del suelo. El resultado final fue un incremento de 32 toneladas por hectárea de caña en la zona de baja productividad, la zona que se aprecia en el círculo inferior corresponde a las resiembras y mejoramiento de la acequia de drenaje, como se aprecia en la Figura 5.

Resumiendo se demostró que utilizando menos unidades de nitrógeno, pero corrigiendo el factor limitante que era el drenaje, se crearon condiciones optimas para una eficiente extracción del nutriente y permitiendo mediante la roturación (2) mejores condiciones para la profundización de raíces que al final del se traduce en mayor productividad.

En la parte sur del lote se demostró que la labor de resiembra entre corte y corte permite recuperar tonelaje consistentemente, este tipo de labores que parecen elementales son las que determinan una proporción importante de la productividad, como por ejemplo un despaje deficiente en conteos realizados en campo aproximaron perdidas entre 5-8 ton/ha de caña, al perder la población de las cepas que quedan tapadas, impidiendo el rebrote. Unos de los primeros impactos del mapa de productividad fue demostrar al personal de campo que la calidad de labores impacta positiva o negativamente la productividad, y mediante el mapeo se pueden cuantificar esas pérdidas, para esto se cuenta con la información espacial en pixeles, el registro de labores (cantidad, fecha) y costos por lote que maneja el ERP (Enterprise Resource Planning) de la organización.

El mismo ERP funciona mediante hojas de ruta, es decir cada lote productivo tiene matriculado un conjunto de labores e insumos para obtener una producción estimada, esta hoja es definida por el agrónomo en conjunto con el administrador de campo, y es precisamente la sucesión de labores en fechas y cantidades especificas que se comparan entre ciclos de cultivo o lotes para poder afirmar que el resultado encontrado esta influenciado en mayor proporción por dichas acciones en el manejo del cultivo.

La comprobación de estas situaciones puede ser sometida a la inmensa oferta de metodologías ampliamente documentadas por la academia e investigación, con el debido rigor científico. Sin embargo en el ejercicio práctico los mapas de productividad de una forma sencilla ayudan a verificar el seguimiento de labores y consolidar conocimiento basado en hechos reales en condiciones específicas de cada lote y finca.

Caso 3. Variabilidad influenciada por el drenaje superficial, el porcentaje de arcillas del suelo y el grado de compactación de los tablones.

En este caso como lo muestra la Figura 6, la doble roturación es decir una primera labor de sub-escarificación a los 20 días de haberse cosechado, seguida de otra más antes de la labor de fertilización en tasa variada, condujo a un mejoramiento de la productividad en condiciones de suelo con contenidos superiores al 60% de arcillas, pH mayores a 7.4 y bajos contenidos de fósforo >10ppm, este tipo de variables de la condición química y física del suelo (análisis de suelo) conforman el recurso para la generación de mapas de la variabilidad de la fertilidad, mostrando las zonas de mayor o menor contenidos de nutrientes o porcentajes de arcillas; de hecho estos mapas han permitido validar los limites de las zonas agroecológicas prestablecidas por el estudio detallado, dado que en el estudio de nivel de detalle muestral para esta finca fue de aproximadamente una muestra por cada 190m. El manejo de este lote se hizo exactamente como se venia haciendo en anteriores ciclos de cultivo, solo se variaron la cantidad de labor de roturación y la fertilización de N y K en tasa variada.

Sin embargo un alto nivel de humedad localizada en la esquina sur no se logró controlar y repite la afectación a la productividad, para estas condiciones es preciso rectificar topografía (diseño) o realizar siembras en el lomo (parte superior del surco cuando se establece el cultivo). La humedad se verifico igualmente con barrenadas aleatorias en las zonas de alta, media y baja productividad. La condición de menor humedad del suelo permitió mejorar la calidad de la labor aportando al desarrollo de raíces y extracción más eficiente del nitrógeno y el potasio.

Conclusiones

1. Los mapas de productividad son una herramienta objetiva y precisa de entender la variabilidad de la producción y la influencia de los factores locales y a nivel de finca que tienen afectación sobre la misma indistintamente de ser positiva o negativa.

2. Medir la productividad permitirá ajustar planes de nutrición que conlleven a una optimización de los fertilizantes, enmiendas y abonos logrando un mejoramiento de la eficiencia de los mismos con efectos consistentemente favorables económica y ambientalmente.

3. Los mapas de productividad permiten verificar el efecto conjunto de las labores, secuencia y cronología que terminan en un mejoramiento o deterioro de la productividad, igualmente permitiría crear planes de manejo por escenarios, como por ejemplo escenarios de exceso y déficit hídrico.

4. El almacenamiento de datos con base en protocolos estrictos son el punto de partida para análisis multi-temporal y estructuración de análisis de las tendencias productivas.

5. Los mapas de productividad son una herramienta de gestión agrícola, los incrementos en productividad y racionalización de insumos dependerán de la adopción, el uso y las decisiones que tomen los técnicos con esta información.

REFERENCIAS WEB

http://www.agriculturadeprecision.org/articulos/monitores-rendimiento/Sistema-Monitoreo-Cana-Azucar-Para-Elaborar-Mapas-Rendimiento.asp . Natasha Biagi Pagnano y Paulo Sérgio G. Magalhaes, Facultad de Ingeniería Agrícola, Unicamp, Campinas, SP. Traducción: Ing. Agr. Daniel R. Fernández – EEA Salta – INTA. 2011.

http://www.tecnicana.org/htm/index.php  MOSQUERA, C., RAMIREZ, G y BARONA, G. Aplicación de la Agricultura de Precisión en Riopaila Castilla S.A.. Seminario de Agricultura Eespecífica por Sitio y Agricultura de Precisión 2011. Tecnicaña. 2011.

REFERENCIAS BIBLIOGRAFICA

BALASTREIRE, L.A. Potencial de utilização dos conceitos de agricultura de precisão na cultura da cana-de-açúcar. S.T.A.B., Piracicaba, v.16, n.4, p.22-26, 1998.

GRAEME, J. COX. A. Yield Mapping System For Sugar Cane Chopper Harvesters. University of Southern Queensland, Faculty of Engineering and Surveying, 260p. 2002.

MOLIN J.P., MENEGATTI L. y MANZZONI C. Yield mapping from manually harvested sugar cane in Brazil. ESALQ-APAGRI-ENALTA. 11p. 2004.

Figura 1. Esquema monitores de productividad para alzadoras de caña de azúcar.

Figura 2. Esquema monitores de productividad para alzadoras de caña de azúcar.

Figura 3. Esquema de agricultura de precisión planteado por AGCO en 1998.

Figura 4. Caso 1 sobre experiencias en el manejo de mapas de productividad.

Figura 5. Caso 2 sobre experiencias en el manejo de mapas de productividad.

Figura 6. Caso 3 sobre experiencias en el manejo de mapas de productividad.

Autor: Carlos A. Mosquera G.
Ex- Director Agricultura de Precisión, Riopaila Castilla S.A. Ingeniero Agrónomo Esp. SIG, Candidato MBA. 
Mail: cmosquera75@gmail.com
Descargar artículo completo en formato pdf (94 Kb.)