CASO DE USO: Predicción de rendimiento en campo en EMILI y en Innovations Farms

¿Cuál va a ser el rendimiento?

Esta es quizá la pregunta que más se plantea a lo largo de la temporada de cultivo, y como dice la canción de Luke Bryan "la lluvia es algo bueno, hace grano (maíz)". En la agricultura de secano, el rendimiento se reduce a dos importantes factores medioambientales: abastecimiento de agua y desarrollo termalLa variable más importante es, con diferencia, el suministro de agua. Por supuesto, las técnicas adecuadas de gestión del campo son fundamentales (fertilidad, malas hierbas, enfermedades y gestión de insectos), pero si no se dispone de buenas condiciones ambientales, toda la gestión del campo puede no ser posible.

Innovación y seguridad alimentaria en la agricultura-cover-photo

La primera figura ilustra las fases de crecimiento del maíz, la curva de utilización del agua por fase de crecimiento, la profundidad de las raíces por fase de crecimiento y la utilización del agua por profundidad de las raíces. Como se ha indicado anteriormente, la importancia del suministro de agua queda claramente ilustrada, ya que, con temperaturas de templadas a cálidas, pueden utilizarse hasta 9 mm o más de 1/3 de pulgada de agua al día. En una semana, esto supone 2 ½ pulgadas o 63 mm de agua requerida. Dicho de otro modo, este requisito de agua utilizada debe satisfacerse con la humedad del suelo, el riego y/o las precipitaciones para mantener un crecimiento óptimo y, de no ser así, existe la posibilidad de que se produzca estrés hídrico y se reduzca el rendimiento.

Fig (1)_Consumo de agua del maíz y zona radicular estimada
Fig. 1: Absorción de agua del maíz y zona radicular estimada

Ya hemos hablado anteriormente del METOS® Predicción del rendimiento solución en Farm Weather Talk #003 - Predicción de rendimientos, Farm Weather Talk #007 - ¿Cuál es mi potencial de rendimiento durante la temporada?y Agricultura inteligente en acción: Validación de METOS® Predicción del rendimiento del trigo en Olds, Canadá pero además se probó sobre el terreno el METOS® Predicción de rendimiento solución para el maíz, en EMILI y las granjas de innovación (explotación agrícola) para la temporada de cultivo de 2023.

EMILI y las granjas de innovación

Innovation Farms Powered by AgExpert es un espacio de 5.500 acres en una explotación comercial de semillas (Rutherford Farms), que permite a los innovadores probar, validar y demostrar tecnologías y prácticas novedosas.

Innovation Farms Powered by AgExpert proporciona a los innovadores de la industria y el mundo académico acceso a equipos, tecnología y prácticas de producción de vanguardia para desarrollar soluciones viables a las diversas limitaciones y oportunidades agronómicas y tecnológicas a las que se enfrentan los agricultores.

En uno de sus muchos ensayos en EMILI y en Innovations Farms, el Predicción del rendimiento y la solución satélite para el maíz se probaron a escala de campo.

Pruebas de campo en EMILI

El híbrido utilizado en este estudio fue North Star 271, calificado como muy bueno en tolerancia a la sequía. La predicción de rendimientos y la solución por satélite se configuraron para una evaluación a escala de campo, como se muestra en la siguiente imagen. El usuario puede digitalizar manualmente la zona de cultivo o el límite del campo o importar un archivo geojson o shape.

Figura 2_Ubicación del campo para la evaluación de la solución de predicción del rendimiento en EMILI
Fig. 2: Ubicación del campo para la evaluación de la solución Yield Prediction en EMILI

El siguiente paso consiste en personalizar la zona de cultivo de los ajustes del campo. En el primer recuadro, se ha seleccionado el maíz con una fecha de siembra del 11 de mayo de 2023 y una fecha de cosecha prevista del 30 de septiembre de 2023. El segundo recuadro rojo se ocupa de afinar la fecha de madurez y las expectativas de rendimiento. Esto permite al usuario ajustarse a las diferentes clasificaciones de grupos de madurez y expectativas de su región. El ajuste del rendimiento también permite al usuario afinar las diferencias de rendimiento de cada variedad y las expectativas para su región. Aquí, se estableció una fecha de madurez media del 27 de septiembre de 2023, con una expectativa de rendimiento medio de 152 bu/acre. En el tercer recuadro, hay una serie de ajustes importantes.

  1. Los mejores rendimientos medios posibles: En un año muy bueno (condiciones hídricas óptimas, sin plagas ni enfermedades), ¿cuál podría ser su rendimiento realista? En el gráfico de predicción de rendimiento, esto cortará la predicción (límite superior). Se ha fijado en 150 bu/acre.
  2. Temperatura del aire y fuente de lluvia: El predictor de rendimiento requiere un sensor de temperatura y lluvia instaladas cerca de la zona de cultivo (10 km de radio). Al menos una de las estaciones seleccionadas debe tener un Licencia de previsión meteorológicaya que la Predicción del Rendimiento utiliza previsiones meteorológicas estacionales y datos meteorológicos históricos. Es preferible tener la fuente de lluvia en el campo, ya que es muy importante para el cálculo de la Predicción de Rendimiento. En este caso, la medición de la lluvia procedía del campo real, mientras que la temperatura y la predicción procedían de una estación situada a 6 km del campo.
  3. Textura del suelo: Seleccione la textura del suelo predominante en su zona de cultivo. La lista se basa en la clasificación de la textura del suelo del USDA o se define en función de sus propios resultados personalizados de textura del suelo. Se ha configurado como personalizada ya que se ha instalado una sonda de humedad del suelo ayudó a definir los valores de capacidad de campo y punto de marchitamiento. Éstos se fijaron en 57 y 23, respectivamente.
  4. Humedad inicial del suelo: El predictor de rendimiento necesita una estimación del agua disponible en el suelo en el momento de la siembra. Para ello, puede utilizar su experiencia: ¿cuántas precipitaciones observó antes de la siembra? También puede comprobar el mediciones de precipitaciones de su estación más cercana. También puede utilizar una sonda local de humedad del suelo para hacer una estimación de la cantidad de agua en una profundidad de enraizamiento de 1 metro o 3,3 pies. En este caso, se ha ajustado al máximo en función de las observaciones de la sonda de humedad del suelo (véase la Fig. 4).
Fig. 3_Configuración de la predicción de rendimientos en EMILI - Innovation Farms
Fig. 3: Ajustes de predicción del rendimiento en EMILI - Innovation Farms
Fig. 4_Alto VWC % en todos los sensores de humedad del suelo hasta 90 cm a principios de primavera
Fig. 4: VWC % alto en todos los sensores de humedad del suelo hasta 90 cm a principios de primavera

¿Qué se ha aprendido este año?

La recopilación de datos meteorológicos sobre el terreno es fundamental: Es muy importante disponer de datos meteorológicos localizados para que la solución de Predicción de Rendimiento funcione de forma óptima. Dado que el rendimiento se ve influido por la humedad del suelo, que viene determinada por las precipitaciones, se recomienda encarecidamente instalar un pluviómetro automático en el campo. La naturaleza aleatoria de las precipitaciones procedentes de chubascos localizados y tormentas impulsa esta variabilidad entre campos. La medición de la temperatura también puede tomarse de la estación de campo, pero no es tan variable como las mediciones de las precipitaciones, por lo que puede ser de otra estación situada en un radio de 10 km.

Se compararon cuatro dispositivos IoT que medían las precipitaciones y todos estaban a una distancia de entre 6 y 10 km. El dispositivo IoT situado justo en el campo de maíz registró un total de unos 162 mm de precipitación entre el 2 de mayo y el 2 de septiembre, muy por debajo del valor normal a largo plazo de 312 mm. El dispositivo IoT situado justo al oeste del campo (a unos 6 km) tuvo 169 mm durante el mismo periodo, mientras que el dispositivo IoT situado más al oeste (a unos 10 km) tuvo 234 mm y el situado al suroeste del campo (a unos 8 km) tuvo 200 mm. Además, 73 mm de los 162 mm (~45%) en el dispositivo IoT del campo cayeron durante julio, una época crítica para la polinización y el llenado de mazorcas.

Esto ilustra claramente la gran variabilidad espacial de las precipitaciones (72 mm entre los dispositivos IoT utilizados en este estudio) en las praderas canadienses y la necesidad de dispositivos IoT sobre el terreno para la predicción de rendimientos o cualquier análisis de cultivos. Dicho de otro modo, la diferencia en los totales de precipitaciones equivale a una diferencia de entre 15 y 30 bu/acre en el rendimiento del maíz.

¿Cuáles son los resultados?

Léalos en el nuevo folleto debajo de.

¿Quiere saber cuál es el potencial de rendimiento de su campo?

Entonces salude a nuestra solución revolucionaria: ¡la 𝐘𝐢𝐞𝐥𝐝 𝐏𝐫𝐞𝐝𝐢𝐜𝐭𝐢𝐨𝐧 𝐁𝐮𝐧𝐝𝐥𝐞!
 
🚀 Activar y listo 🚀
Con nuestro paquete, tienes todo lo que necesitas en un solo paquete. Solo tienes que introducir un código de activación, conectarlo y listo durante tres meses.

¿Quiere saber más?

Descargar el Predicción del rendimiento en las explotaciones de EMILI e Innovations folleto.

Use_Case-In-Field_Yield_Prediction-mockup

    Al enviar su correo electrónico, usted acepta que Pessl Instruments pueda enviarle mensajes promocionales por correo electrónico con actualizaciones, noticias, últimas entradas del blog, invitaciones a eventos y otros mensajes similares. Usted entiende y acepta que Pessl Instruments puede utilizar su información de acuerdo con su Política de Privacidad. Puede darse de baja en cualquier momento.