La agricultura es uno de los pilares de la subsistencia del ser humano; no solamente produce la materia prima necesaria para la alimentación de la población mundial, sino que en ciertos países y regiones es además un importante motor de la economía.
Históricamente, la agricultura ha sufrido importantes cambios tecnológicos y socioeconómicos. Desde sus comienzos, cuando se comenzó a domesticar animales y cultivar vegetales, pasando por la invención de la máquina de vapor y el motor a combustión, hasta nuestros días, el hombre ha sido capaz de modificar las formas en qué desarrolla esta actividad, introduciendo tecnología para aumentar la productividad.
A una creciente presión por producir más alimentos (provocada por el constante crecimiento de la población mundial), se le suman actualmente, la escasez de nuevas áreas productivas propicias para el cultivo y los peligros próximos que se ciernen sobre las reservas de aguas disponibles [1,2].
En la actualidad, a través de lo que se denomina como “Agricultura inteligente”, la cual se apoya fuertemente en las nuevas tecnologías de la información, vehículos no tripulados, dispositivos IoT y técnicas de almacenamiento masivo e IA, se busca una producción más eficiente y amigable con el medioambiente.
En tal sentido, existe un énfasis en la necesidad de contar con más y mejores datos tanto de las plantas (crecimiento, enfermedades, déficit hídrico) como del entorno donde crecen (suelos, condiciones climáticas reinantes, sistemas hídricos, etc). Allí la incorporación de tecnología por medio de equipamiento sensorial que aumente la precisión y la frecuencia de muestreo de los datos que se obtienen ha sido una constante. Complementariamente, se requiere mejorar la previsión sobre la productividad esperada al momento de la cosecha para apoyar la toma de decisiones durante o al final del proceso. Estas pueden ser tanto correctivas -riego o aplicación de agroquímicos (fertilizantes o plaguicidas) de forma selectiva (minimizando costos e impacto ambiental), como de inversión/ahorro de capital pensando en las futuras siembras. En este caso son cruciales los sistemas de adquisición y almacenamiento de datos y las técnicas de extracción de información utilizados [3,4,5].
El presente proyecto se plantea el relevamiento del estado del arte en la materia y la construcción de mapas de índices de vegetación como aplicación práctica.
FAO, World Food and Agriculture – Statistical Yearbook 2021, Technical Report, Food and Agriculture Organization, 2021. URL: https://doi.org/10.4060/cb4477en, Último acceso: 2022/05/03.
FAO, The State of the World’s Land and Water Resources for Food and Agriculture – Systems at breaking point. Synthesis report 2021., Technical Report, Food and Agriculture Organization, 2021. URL: https://doi.org/10.4060/cb7654en, Último acceso: 2022/05/03.
G. Giray, C. Catal, Design of a data management reference architecture for sustainable agriculture, Sustainability 13 (2021) 7309.
S. Wolfert, L. Ge, C. Verdouw, M.-J. Bogaardt, Big data in smart farming–a review, Agricultural systems 153 (2017) 69–80.
V. Saiz-Rubio, F. Rovira-Más, From smart farming towards agriculture 5.0: A review on crop data management, Agronomy 10 (2020) 207.