10 El impacto del software SIG en la agricultura

10.1 Introducción

El software SIG es un sistema de información geográfica de representaciones visuales de datos que realiza análisis para la toma de decisiones, su poder radica en su gran capacidad de analizar múltiples variables de extensiones territoriales de cultivos y mostrarnos información geográfica bastante robusta para la toma de decisiones. Una forma en la cual muestra estos cambios visuales es por medio de segmentaciones usando colores, el sistema puede tomar en cuenta muchas variables que pueden afectar el cultivo como la topografía del terreno, la cantidad de lluvia por el invierno, sequedad del suelo, entre otras.

10.2 Artículo

El análisis espacial es el punto de partida para esta tecnología, la cual nace a razón de un estudió hecho por Charles Picquet durante una epidemia de cólera en 1832. Este estudio fue registrado con la elaboración de un mapa, clasificado por medio de gradientes de colores con tonos más oscuros en las áreas con mayores casos y tonalidades más claras en áreas con menor cantidad de casos.

SIG es un sistema que nos proporciona ayuda en la agricultura, tiene la capacidad para poder adaptarse a los diferentes cambios mediante la recolección de grandes volúmenes de datos, que combina para acrecentar el campo de visión sobre el que se toman decisiones de las actividades agrícolas, haciendo uso de drones, aviones tripulados e incluso satélites. Se pueden recolectar datos de plagas o deficiencias de nutrientes que puedan tener ciertas zonas de siembra en un país, además puede aportar información sobre la gestión adecuada de riego de los campos automatizados y poder maximizar nuestra producción de cultivos minimizando los riesgos.

La tecnología ha hecho una revolución en la agricultura ya que esta nueva forma es totalmente diferente a como la conocemos. Este software incluye la implementación de campos automatizados, la cual es una tecnología clave para la investigación agrícola de precisión, ya que recurre a la evaluación como toma de decisión de datos sobre las necesidades de insumos, fertilizantes o pesticidas que necesiten ciertas áreas y así poder lograr un mayor rendimiento sostenible.

Figura 10.1: Histograma

Nos brinda un mapa con los datos recolectados, en el cual podemos visualizar y evaluar en conjunto, todas las variables recolectadas que pueden tener las extensiones territoriales, como el estado de salud del cultivo o nivel de madurez de la fruta, entre otras variables. Por ejemplo, para la calidad de un vino ya que esta puede variar por el nivel de madurez de la uva, con esta información que nos brinda dicho software podemos tener un control más preciso para la cosecha de uvas para el vino.

La Dra. Angela Bowman científica investigadora de John Deere, nos comenta la gran importancia e innovación de la agricultura de precisión como la ciencia de datos, así como los beneficios que puede traer a largo plazo. Un gran ejemplo es India, donde los agricultores de ciertas zonas del país ya utilizan SIG para la toma de mejores decisiones sobre sus cultivos, el cual funciona por envío de mensajes simples, llamadas telefónicas o por aplicación móvil, generando un impulso económico para cada familia agricultora en un país que posee el mayor porcentaje de pobreza.

Un punto importante de la agricultura de precisión es el acceso que da a tener más control sobre un lugar y momento, lo que reduce la variabilidad, costos y aumenta la eficiencia de los procesos mientras minimiza la contaminación.

Figura 10.2: Center for spatial Analytics and Adnvanced GIS

10.3 conclusión

• Es fácil pensar en hacer uso de estos sistemas de información pero, en muchos lugares del mundo, la agricultura se maneja en pequeñas parcelas, trabajadas artesanalmente. La información obtenida por los SIG resulta poco beneficiosa, ya que dependiendo del área de estudio, los datos pueden reducir las opciones de cultivos, aptos para aquellos pequeños agricultores que poseen pequeños porcentajes de tierra.

• Estos sistemas son de mayor beneficio para medianos y grandes agricultores o entidades, que poseen los recursos necesarios y acceso a grandes extensiones de tierra, donde los datos obtenidos maximizan las opciones y reducen el riesgo de inversión.

• En un futuro, esta tecnología llegará a más partes del mundo, siempre que nuestro planeta no colapse a manos del hombre que está destruyendo miles de hectáreas de tierra fértil y provocando más variabilidad en el clima.

10.4 Referencias

• [1] [Dmytro Lenniy] [Ways How GIS in Agriculture Eliminates Guesswork”, intellias (blog), Chicago, 25 de enero de 2022] Recuperado de: https://intellias.com/gis-in-agriculture/. [Último acceso: septiembre de 2022].

• [2] [Rao][Mukund Kadursrinivas. Farmers in india Improve Crop Choices, Boost Income Using Spatial Analytics]. Recuperado de: https://bit.ly/3Lkd7bt.[Último acceso: septiembre de 2022].

• [3] [Deere, John.][Data Science and the Future of Agriculture]. Recuperado de: https://bit.ly/2XNlVSE. [Último acceso: septiembre de 2022].

• [4] [Tara Hammonds].[Hammonds. Use of GIS in Agriculture”, CornellCals, acceso el 9 de agosto de 2022]. Recuperado de: https://bit.ly/3qJ1HEU. [Último acceso: septiembre de 2022].