CHIL.ME

Elements with tag agricultura de precisión

Jun 27, 2022 at 13:12

Se trata de una experiencia interactiva on-line diseñada para que los agricultores descubran el poder de la agricultura de precisión y encuentren respuesta a los problemas que surgen cada día en sus explotaciones

Jun 16, 2022 at 13:46

Heinz, la marca de salsas de mesa, y la Asociación Agraria de Jóvenes Agricultores (Asaja) han firmado un acuerdo de colaboración a largo plazo para impulsar la agricultura española y promover la sostenibilidad en el sector. Lo han hecho a través de la campaña de Heinz bajo el título ‘Kétchup, pero primero tomate’, donde trabajarán juntos en favor de las prácticas agrícolas sostenibles y utilizando nuevas tecnologías y técnicas de precisión. De momento, este proyecto piloto ha arrancado con el apadrinamiento de 11 hectáreas de cultivo en Aranjuez (Madrid).

Apr 13, 2022 at 14:11

El Gobierno de La Rioja ha organizado la jornada ‘Agricultura de precisión: del dato al campo’ para comunicar los avances en esta estrategia de gestión agronómica en campo con aplicaciones en áreas como la viticultura. A través de la digitalización, la agricultura de precisión mejora la rentabilidad y la sostenibilidad de los cultivos.

Feb 22, 2022 at 13:09

En el Plan Estratégico nacional de la Política Agraria Común (PAC) se promueven medidas como el pastoreo extensivo; el mantenimiento de cubiertas vegetales en suelos agrícolas o la rotación de cultivos

Feb 07, 2022 at 09:47

El próximo mes de marzo finalizará el proyecto europeo Cybele, en el que Cooperatives Agro-alimentàries de la Comunitat Valenciana participa en el desarrollo de una de sus áreas de estudio, dedicada a los servicios climáticos para la producción de fruta y cítricos. En este demostrador, en el que Federació ha colaborado con el grupo tecnológico español GMV y el consorcio italiano Cineca, se ha trabajado para desarrollar un modelo estadístico de predicción con 48 horas de antelación de fenómenos de helada y granizo que puedan afectar a los cultivos, a través de la agregación y estudio de datos satelitales, climatológicos y de cultivo.

Jan 24, 2022 at 13:41

La autora detalla el programa de apoyo a la “agricultura de precisión y tecnologías 4.0”, dotado con 79 millones de euros en el periodo 2021-2023, que es uno de los cuatro que recoge el Plan de Impulso de la sostenibilidad y competitividad de la agricultura y la ganadería (III).

Jan 20, 2022 at 11:16

Proveer de una dosificación variable de semillas con el objetivo de reducir y/o optimizar los costes de siembra sin producir mermas en los rendimientos y calidad del cultivo, este es el objetivo de la nueva herramienta que Azucarera ofrece a sus remolacheros.

Dec 02, 2021 at 12:59
BOA

La Escuela Técnica Superior de Ingeniería Agronómica, Alimentaria y Biosistemas (ETSIAAB) de la Universidad Politécnica de Madrid (UPM), en colaboración con el Centro de Estudios e Investigación para la Gestión de Riesgos Agrarios y Medioambientales (CEIGRAM), organizará una nueva edición del Curso de Experto en Herramientas de la Agricultura de Precisión, cuyo objetivo es la puesta al día de profesionales que desean trabajar en la aplicación de las nuevas herramientas en el manejo de los cultivos.

Oct 04, 2021 at 13:15

La digitalización y la aplicación de las últimas tecnologías en la producción agrícola permite ganar en competitividad y favorecer la sostenibilidad de los cultivos.

Sep 17, 2021 at 18:15

La agricultura de precisión permitirá emplear menos recursos en los procesos productivos

Aug 13, 2021 at 11:00

El apoyo a las inversiones en explotaciones agrarias se remonta al inicio de las ayudas estructurales por lo que cuenta con una larga trayectoria. Sin embargo, esta ayuda sigue siendo necesaria porque las explotaciones aragonesas carecen de una dimensión económica suficiente y debe estimularse su crecimiento por medio de inversiones. 

En este estudio se evaluó la fiabilidad de los mapas de Sorghum halepense generados al final del ciclo del maíz, comparando la posición de los rodales en dichos mapas con la posición observada al inicio del ciclo en la primavera siguiente. Para ello, se elaboraron mapas de S. halepense durante la recolección del maíz en 2005, 2006 y 2007, y en la primavera de campañas sucesivas (e.g., 2006, 2007 y 2008) en una parcela de 2,4 ha en Arganda del Rey (Madrid).

El muestreo de otoño se llevó a cabo en el momento de la cosecha mediante estimación visual desde la cosechadora, recogiendo información georeferenciada de los rodales con un equipo compuesto por DGPS y Tablet PC. El muestreo de primavera se realizó en el estado de 4 hojas del maíz, recorriendo totalmente la parcela en transeptos regulares de 9 m de ancho, detectando y posicionando el perímetro de los rodales con el equipo anterior. Los archivos de datos de ambos muestreos fueron procesados en ArcInfo (ESRI).

Los resultados mostraron una alta correlación entre los mapas obtenidos en ambos muestreos. Por tanto, la elaboración de mapas desde la cosechadora se revela como un método preciso y barato de ubicar los rodales de S. halepense, facilitando el tratamiento diferenciado de dichos rodales en la siguiente campaña.

 

En abril de 2007 se adquirieron imágenes aéreas multiespectrales en tres fincas de Córdoba, cultivadas de trigo, habas y guisantes e infestadas de crucíferas. Se tomaron datos con DGPS para la georreferenciación de las imágenes y de datos
“verdad-terreno”. Se realizó una clasificación supervisada basada en bandas e índices de vegetación, empleando cuatro bandas y siete índices, validando los resultados mediante Matrices de Confusión.

El mejor resultado de la discriminación cultivo-mala hierba se obtuvo con el índice R/A, debido a la diferencia de color entre cultivo (fase de maduración-verde) y crucífera (fase de floración-amarilla); los índices NDVI, RVI, A/V y A/R también fueron satisfactorios.

Las técnicas de teledetección permitieron una óptima clasificación de los rodales de crucíferas en trigo, habas y guisantes mediante el uso de imágenes aéreas y la estimación de las superficies infestadas por las mismas.

 

Jul 29, 2021 at 11:56

En abril de 2007 se adquirieron imágenes aéreas multiespectrales en tres fincas de Córdoba, cultivadas de trigo, habas y guisantes e infestadas de crucíferas. Se tomaron datos con DGPS para la georreferenciación de las imágenes y de datos
“verdad-terreno”. Se realizó una clasificación supervisada basada en bandas e índices de vegetación, empleando cuatro bandas y siete índices, validando los resultados mediante Matrices de Confusión.

El mejor resultado de la discriminación cultivo-mala hierba se obtuvo con el índice R/A, debido a la diferencia de color entre cultivo (fase de maduración-verde) y crucífera (fase de floración-amarilla); los índices NDVI, RVI, A/V y A/R también fueron satisfactorios.

Las técnicas de teledetección permitieron una óptima clasificación de los rodales de crucíferas en trigo, habas y guisantes mediante el uso de imágenes aéreas y la estimación de las superficies infestadas por las mismas.

 

Se utilizó un UAV equipado con una cámara modificada para captar información en las bandas del Rojo, Verde e Infrarrojo Cercano. Se tomaron imágenes sobre una parcela de girasol infestada por diferentes especies de malas hierbas en fase temprana. Las imágenes fueron procesadas para generar una ortoimagen y un modelo tridimensional del cultivo y malas hierbas para su posterior análisis usando métodos orientados a objetos y el clasificador Random Forest.

Se comparó la infestación de malas hierbas detectada con la realmente existente en el campo en una serie de marcos de referencia, obteniéndose un coeficiente de determinación de 0,91 entre ambas variables.

 

Jul 21, 2021 at 21:37

Se utilizó un UAV equipado con una cámara modificada para captar información en las bandas del Rojo, Verde e Infrarrojo Cercano. Se tomaron imágenes sobre una parcela de girasol infestada por diferentes especies de malas hierbas en fase temprana. Las imágenes fueron procesadas para generar una ortoimagen y un modelo tridimensional del cultivo y malas hierbas para su posterior análisis usando métodos orientados a objetos y el clasificador Random Forest.

Se comparó la infestación de malas hierbas detectada con la realmente existente en el campo en una serie de marcos de referencia, obteniéndose un coeficiente de determinación de 0,91 entre ambas variables.

 

Jul 05, 2021 at 17:00

Se describen las resoluciones espectral y espacial que requieren las imágenes para lograr dicho objetivo, los problemas de similitud espectral entre malas hierbas - cultivo en fases tempranas de desarrollo y cómo solventarlos con la utilización de las imágenes procedentes de vehículos aéreos no tripulados (UAV).

Finalmente, se presenta el estado actual de las investigaciones utilizando imágenes UAV en el marco del Proyecto RHEA-European Commission – 7 Frame Programme.

 

Se describen las resoluciones espectral y espacial que requieren las imágenes para lograr dicho objetivo, los problemas de similitud espectral entre malas hierbas - cultivo en fases tempranas de desarrollo y cómo solventarlos con la utilización de las imágenes procedentes de vehículos aéreos no tripulados (UAV).

Finalmente, se presenta el estado actual de las investigaciones utilizando imágenes UAV en el marco del Proyecto RHEA-European Commission – 7 Frame Programme.

Loading, please wait...