Colaboración entre GeoPard, Cornell University CAST y NMSP en agricultura basada en datos.

El Centro de Pruebas y Demostración de Sistemas Agrícolas de Cornell (CAST) para la Granja del Futuro y el Programa de Gestión de Nutrientes de Cornell (NMSP) se han asociado con la plataforma de agricultura de precisión GeoPard Agriculture para convertir los datos brutos de rendimiento en recomendaciones agrícolas prácticas.

CAST, un conjunto de tres granjas reales en el estado de Nueva York, sirve como banco de pruebas para las tecnologías de la "Granja del Futuro", impulsando soluciones basadas en datos para la producción agrícola y láctea. El equipo de NMSP realiza investigaciones, facilita la transferencia de tecnología y conocimientos, y ayuda en la implementación en las granjas de estrategias beneficiosas para la gestión de nutrientes en los cultivos, con el fin de aumentar la sostenibilidad agrícola en todo el estado de Nueva York.

GeoPard está colaborando con CAST y NMSP para impulsar el procesamiento de datos y convertirlos en herramientas agronómicas digitales mejoradas: una combinación de ciencia, tecnología y ensayos dirigidos por agricultores que ejemplifica el futuro de la agricultura de precisión.

CAST y NMSP de Cornell

CAST forma parte de la iniciativa “Granja del Futuro” del USDA NIFA y opera bajo los auspicios del Instituto Cornell para la Agricultura Digital. CAST reúne tres granjas comerciales (cultivos y productos lácteos) en un ecosistema unificado de I+D. Su misión es probar y demostrar tecnologías integradas de agricultura de precisión (desde robótica hasta análisis de datos) en condiciones agrícolas reales.

Paralelamente, el Programa de Gestión de Nutrientes (NMSP, por sus siglas en inglés), dirigido por la Dra. Quirine Ketterings, se centra en la investigación y extensión aplicada sobre suelos y cultivos. El equipo del NMSP evalúa el uso de nutrientes y la variabilidad del rendimiento en las explotaciones agrícolas; por ejemplo, fue pionero en la creación de "zonas de estabilidad de rendimiento", combinando datos de rendimiento de tres o más años para delimitar áreas de alto y bajo rendimiento de forma consistente, en contraste con zonas de rendimiento variable.

Estos mapas de zonas de estabilidad (con zonas Q1-Q4 para una consistencia de rendimiento alto/bajo) y nuevos diseños de ensayos como el Enfoque de Evaluación Espacial de Franja Única (SSEA, por sus siglas en inglés) ayudan a los agricultores a probar, mediante investigaciones en la propia explotación, si los cambios en la gestión resultan rentables, dada la variabilidad conocida dentro del campo.

La plataforma agrícola GeoPard

GeoPard Agriculture ofrece un motor de análisis basado en la nube que procesa cualquier dato geoespacial agrícola. Según GeoPard, la plataforma es una potente herramienta de análisis en la nube, imparcial y eficaz para la agricultura de precisión, capaz de gestionar datos multicapa y multianuales. En la práctica, GeoPard procesa archivos de monitorización de rendimiento, mapas de suelos, imágenes satelitales y otros datos para generar mapas y prescripciones listos para usar. Entre sus características principales se incluyen la generación de zonas de gestión multianuales y mapas de prescripción de tasa variable (VRA), análisis detallados de datos de rendimiento y herramientas de monitorización de cultivos.

Por ejemplo, GeoPard puede limpiar y calibrar datos brutos de rendimiento de cosechadoras e incluso crear mapas de rendimiento sintéticos (estimando los rendimientos a partir de datos satelitales/de drones) para cubrir las lagunas donde faltan datos históricos. La plataforma también admite análisis de datos topográficos y de suelo, visualización de campo en 3D, comparación de datos aplicados y más.

• Zona de gestión y mapeo de VRA: GeoPard utiliza capas de rendimiento/suelo para delimitar zonas de campo y crear mapas de prescripción para una aplicación precisa de insumos.
• Procesamiento de datos de rendimiento: El sistema implementa la limpieza y calibración automatizadas de los registros de rendimiento de las cosechadoras, y puede generar mapas de rendimiento sintéticos a partir de datos multianuales y de teledetección.
• Seguimiento de cultivos y campos: Las herramientas basadas en satélites y el análisis de índices múltiples ayudan a detectar tendencias espaciales en el rendimiento de los cultivos y factores limitantes año tras año.

Investigación colaborativa y ensayos de campo

En esta colaboración, CAST y NMSP están explorando la plataforma GeoPard Agriculture para procesar datos brutos de ensilado de maíz y monitores de rendimiento de grano, transformándolos en mapas de rendimiento depurados, zonas de estabilidad de rendimiento y para evaluar la precisión de la generación de datos de rendimiento sintéticos.

Quirine Ketterings y su equipo en NMSP están utilizando datos de los campos de CAST para evaluar y mejorar la precisión de los algoritmos de GeoPard para mapear el rendimiento, así como para determinar el rendimiento sintético tanto para evaluaciones de campo completo como para experimentos. Junto con GeoPard, Ketterings y su equipo están evaluando la calidad de los datos y los protocolos para generar mapas de zonas de estabilidad de rendimiento para campos con datos de varios años.

Fotografía de Madeline Hanscom/NMSP

Su objetivo es poder analizar tanto los ensayos de investigación convencionales en fincas como los ensayos de reciente desarrollo del Enfoque de Evaluación Espacial en Franja Única (SSEA, por sus siglas en inglés), que utilizan el conocimiento de la variabilidad del rendimiento dentro del campo. Los aspectos clave de la colaboración incluyen:

1. Integración de datos: Los datos de cosecha y precisión de CAST se procesan en GeoPard, transformando los archivos sin procesar en mapas de rendimiento georreferenciados y capas de desempeño.
2. Validación del algoritmo: Los algoritmos de GeoPard para el mapeo de rendimientos y el cálculo de rendimientos sintéticos se prueban con los rigurosos datos de ensayos en fincas de CAST/NMSP, lo que permite perfeccionar la tecnología basándose en mediciones reales.
3. Análisis espacial: El equipo genera mapas de zonas de estabilidad de rendimiento a partir de datos de varios años y evalúa la eficacia con la que los modelos de GeoPard capturan los patrones reales del terreno.
4. Diseño innovador de ensayos clínicos: Los nuevos métodos, como el SSEA, utilizan patrones de rendimiento dentro del campo para comparar tratamientos de manera eficiente, con el apoyo del análisis espacial de GeoPard.

Gracias a la colaboración entre Cornell y GeoPard, los resultados de la plataforma se basan en la realidad de las explotaciones agrícolas. Si bien GeoPard utiliza modelos avanzados (incluida la estimación de rendimiento mediante satélite), la validación en las granjas de Cornell, ricas en datos, otorga mayor fiabilidad a sus recomendaciones. Esta integración de ciencia, tecnología y prácticas agrícolas reales crea un ciclo de retroalimentación: tanto los agricultores como los investigadores se benefician de herramientas de agricultura de precisión más fiables.

Impacto práctico: Hacia una agricultura de precisión sostenible

El objetivo final es convertir los resultados de las parcelas de investigación en guías prácticas para los agricultores. El monitoreo y la cartografía del rendimiento les brindan visibilidad sobre la variabilidad dentro de cada parcela, lo que permite implementar acciones específicas en lugar de tratamientos generalizados. De hecho, los estudios demuestran que la cartografía sistemática del rendimiento ayuda a los agricultores a identificar qué áreas de sus parcelas tienen un buen desempeño y cuáles necesitan mejorar, lo que les permite planificar acciones más precisas.

Por ejemplo, un agricultor podría usar los mapas de GeoPard para aplicar fertilizante solo donde los cultivos tengan un rendimiento inferior al promedio del campo, o adoptar prácticas de conservación en zonas con rendimientos consistentemente bajos. Al proporcionar datos depurados, mapas de análisis de estabilidad de rendimiento y puntos de referencia sintéticos, la colaboración entre Cornell y GeoPard fomenta la toma de decisiones rentables y respetuosas con el medio ambiente.