Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Organizacin de la Presentacin
I. Introduccin II. Ejemplos prcticos III. Herramientas IV. Anlisis de Informacin V. Aplicaciones en Chile VI. Perspectivas
jorgepq@uchile.cl
I. Introduccin
Manejo Sitio Especfico (MSE): El manejo de
un predio a una escala espacial y temporal apropiada a su variabilidad natural
AGRICULTURA ANTIGUA
MECANIZACIN AGRCOLA
AGRICULTURA DE PRECISIN
Poda de invierno
Raleo de fruta
APRECIACION VISUAL
III. Herramientas
GPS Percepcin remota Monitores de rendimiento SIG Aplicadores de dosis variable Autogua Otros sensores
Herramientas GPS
Se necesitan 4 satelites mnimo para ubicar un punto en el espacio
IR
= absorbancia;
= transmitancia
NDVI =
IR R IR + R
nivelacin
Trimble
Herramientas
OTROS SENSORES
Textura Malezas
+ GPS SIG =
+ GPS SIG =
Anlisis de variabilidad de rendimiento en rotaciones de 4 cultivos en el Valle de Sacramento, California (1996 - 1999)
J.F. Prez Quezada & R.E. Plant
Campo 5
Trigo Tomate Frejol Maravilla
Predominantemente Franco arcilloso 30 ha muestreo de suelo
Campo 58
Trigo Tomate Maravilla Maiz
Arcillo limoso 30 ha
3000
4000
ESTANDARIZACION DE RENDIMIENTOS
Yi : rendimiento de cada celda Y : rendimiento promedio para ese ao Ys rendimiento estandarizado para cada celda
i Ys = 100
Sumscore : Ys j
Ys j rendimiento estandarizado de cada celda para cada ao
CV = 100 i
CV coeficiente de variacin de cada celda desviacin estndar sobre el promedio de rendimiento estandarizado (Yi ) para cada celda
A
5
Anlisis de Cluster
Estandarizacin
1.0
1.0
s = i 100
-0.5
-1.0 WH EAT TOMATO Var iables Plot of Means for Eac h C lus ter BEAN SU N FLWR
WH EAT
TOMATO Variables
BEAN
SU N FLW R
Varianza dentro del grupo es minimizada Varianza entre grupos es maximizada Sin considerar informacin espacial
1.0
C
58
0.5
0.0
-1
-0.5
-2
-1.0
W H EAT
TOMATO
SU N FLW R
C OR N
Variables
Anlisis de Regresin
Xs: Tres clases texturales, materia orgnica y pH Y: Sumscore
Table 3. Variables and adjusted coefficient of determ ination (R2) of best-fit models obtained by regression analysis. Variable R2 Soil organic matter (SOM) 0.42 Field 5 Silt content (SILT) 0.35 SOM+ SILT 0.54 SILT 0.15 Field 58 SAND 0.10 SILT + SAND 0.14
CONCLUSIONES
Falta de correlacin de rendimiento entre aos Clusterizacin es muy til para Agric. Precisin Campo 5 tiene gran variabilidad intrnseca en una variable: drenaje de suelo. Es conveniente dividir el campo en dos o tres unidades de manejo? Campo 58 es mas homogneo en sus propiedades de suelo. Como se puede aumentar el rendimiento total?
V. Aplicaciones en Chile
Programa de Agricultura de Precisin INIAU. de Concepcin
Fruticultura de precisin Vitivinicultura de precisin www.progap.cl
10
Maquinaria
DERCO-MAQ
Sembradoras de precisin, neumticas Cosechadoras con monitores de rendimiento para cereales; 15 en el sur
Sargent Agrcola
AGRICULTURA DE PRECISION
jorgepq@uchile.cl
Dinamarca
11
Thiessen
-29.5
-30
-30.5
-31
-31.5
-32
-71.5
-71
-70.5
-70
Inverso de la distancia.
-29
Inverso de la distancia.
82 80 78 76 74 72 70 68 66 64 62 60 58 56 54 52 50 48 46 44 42 40 38 36 34 32 30 28
Las cosas ms cercanas se parecen ms. Influencia definida por una funcin.
Z ( x, y ) =
z (i , j ) W (i , j )
i, j
-29.5
W (i , j )
i, j
-30
-30.5
1 W (i , j ) = D (i , j ) n
Mientras mayor el valor de n, mayor peso a los valores cercanos al punto que se quiere interpolar
-31
-31.5
-71.5
-71
-70.5
Tendencia (trend)
Ajuste de polinomio de grado n
-29
Regresiones.
130 125 120 115 110 105 100 95 90 85 80 75 70 65 60 55 50 45 40 35 30
90 85 80
-29.5
75 70 65 60 55 50 45 40 35 30 25 20 15 10 5 0
-29.5
-30
-30
-30.5
-30.5
-31
-31
-31.5
-31.5
-32
-71.5
-71
-70.5
-71.5 -71 -70.5 -70
TENDENCIA Z(x,y)= a + b x + c y + d x2 + e x y + f y2
12