Big data en la agricultura, un reto con futuro
Algo no ha funcionado. Por favor, inténtalo de nuevo más tarde...
El análisis de datos inteligentes mediante la técnica del Big Data permite obtener grandes beneficios con la agricultura de precisión y que el agricultor disponga de información de diversas variables al alcance de la mano.
El agricultor está acostumbrado a tomar decisiones en el campo teniendo en cuenta pocas variables como el tiempo, el tipo de suelo o el momento óptimo de cosecha, apoyándose en su experiencia, lo que se conoce como small data. Sin embargo, el avance de la tecnología y la digitalización ha dado lugar a un nuevo tipo de trabajo.
Cuando tenemos numerosos recursos (sensores, maquinaria inteligente, imágenes de satélite, drones, entre otros) con multitud de variables, análisis matemáticos y datos geolocalizados, podemos hablar de Big Data.
A la vez que aumenta el uso de la tecnología aumenta el big data. Al analizar un número tan alto de variables, el modelo distinguirá aquellas circunstancias que hacen que una explotación sea más productiva que otra.
Como nos dice Almudena Bonaplata, Digital Marketing Data Analyst en Corteva Agriscience, “El uso de las tecnologías asociadas al big data permite analizar una gran cantidad de datos, de orígenes muy diversos y en tiempo real, de forma que podamos extraer un conocimiento informado de los mismos. Cuando lo aplicamos a la agricultura, el big data supone una mayor capacidad de adelantarse a los problemas y no tener que reaccionar cuando surjan, lo que a su vez se traduce en maximizar la producción y minimizar los costes. Es decir, el agricultor es más competitivo, más sostenible y vive con más tranquilidad."
El big data en agricultura se usa para:
● Predecir el rendimiento de la cosecha, incluso por zonas de la parcela, para saber mejor qué plantar, dónde y cuándo.
● Ahorrar en los costes. Al analizar todas las variables que intervienen en el cultivo (fertilización, riego, cosecha, entre otros) el modelo nos indica la cantidad de abono exacto, por ejemplo, para obtener la producción que deseamos y obtener mayor rentabilidad.
● Proteger mejor los cultivos. Con la monitorización podemos anticiparnos a posibles plagas y enfermedades al detectar antes el daño inicial. El modelo también nos avisará si se cumplen los factores de riesgo de una enfermedad para actuar de forma preventiva, y usar los productos fitosanitarios en su justa medida y evitar crear resistencias a los tratamientos.
● Predecir situaciones meteorológicas adversas. ¿Y si nos podemos anticipar para mitigar daños?
La geolocalización de los datos
La ventaja del uso de datos en agricultura es poderlos agregar a un punto geográfico exacto. De esta forma, puedes conocer, por ejemplo, el rendimiento de las distintas zonas de una parcela para poder aplicar decisiones durante el desarrollo del cultivo. El agricultor o el profesional agrónomo tiene más fácil actuar en el punto exacto que desea mejorar.