Para el año 2050, se prevé que la población será un tercio mayor a la actual. Esto se convierte en un reto para la agricultura por aumentar su producción generando el menor impacto posible al ambiente. La labranza del suelo ha permitido aumentar áreas de siembra en detrimento de su capa arable, contribuyendo a degradar en forma progresiva la superficie del suelo y facilitando la erosión. La erosión por labranza se ve influida directamente por la compactación provocada por el paso de la maquinaria. Sistemas de tráfico agrícola controlado, agricultura de precisión y rodajes alternativos han sido utilizados para minimizar los efectos de los pases de los equipos sobre el campo. En Costa Rica, la adopción de nuevas tecnologías, la selección adecuada de equipos, el respeto a la legislación vigente e investigación sobre el impacto de la labranza en la degradación del suelo, constituyen un reto para las autoridades, los productores y la academia.
Palm oil has become one of the most consumed vegetable oils in the world, and it is a key element in profitable global value chains. In Costa Rica, oil palm cultivation is one of the three crops with the largest occupied agricultural area. The objective of this study was to explain and predict yield in safe time lags for production management by using free-access satellite images. To this end, machine learning methods were performed to a 20-year data set of an oil palm plantation located in the Central Pacific Region of Costa Rica and the corresponding vegetation indices obtained from LANDSAT satellite images. Since the best correlations corresponded to a one-year time lag, the predictive models Random Forest (RF), Least Absolute Shrinkage and Selection Operator (LASSO), Extreme Gradient Boosting (XGBoost), Recursive Partitioning and Regression Trees (RPART), and Neural Network (NN) were built for a Time-lag 1. These models were applied to all genetic material and to the predominant variety (AVROS) separately. While NN showed the best performance for multispecies information (r2 = 0.8139, NSE = 0.8131, RMSE = 0.3437, MAE = 0.2605), RF showed a better fit for AVROS (r2 = 0.8214, NSE = 0.8020, RMSE = 0.3452, MAE = 0.2669). The most relevant vegetation indices (NDMI, MSI) are related to water in the plant. The study also determined that data distribution must be considered for the prediction and evaluation of the oil palm yield in the area under study. The estimation methods of this study provide information on the identification of important variables (NDMI) to characterize palm oil yield. Additionally, it generates a scenario with acceptable uncertainties on the yield forecast one year in advance. This information is of direct interest to the oil palm industry.
[Introducción]: En Costa Rica, los productores hortícolas labran el suelo cada seis meses, usando sistemas convencionales que pulverizan la capa arable y provocan degradación. [Objetivo]: Se evaluó el efecto de diferentes tipos de labranza con el fin de recomendar variaciones en la gestión de la de mecanización de suelos. [Metodología]: Se establecieron tratamientos de labranza cero (T1), convencional (T2) y reducida (T3) en un suelo franco-arenoso (Fa). Se determinó el contenido de materia orgánica (MO), densidad aparente (Da), conductividad hidráulica (k), resistencia a la penetración (RP) y retención de humedad (RH), antes de cada tratamiento (T0) y después de seis meses. También, se midieron variables de operación del tractor usado. [Resultados]: Se determinó la necesidad de lastrar el tractor para rotar el suelo y tener mejor eficiencia, debido al derrape del eje delantero en T2 (-34.81 %). T2 mostró aumentos de MO (p<0.05), por efecto a corto plazo del corte superficial de la cobertura vegetal y Da aumentó (p<0.05) a los 30-45 cm en T1, debido a que no hubo pase de arado de cincel. Ninguno tratamiento cambió la condición de k moderada hasta los 30 cm de profundidad. T3, mejoró RP (p<0.05) hasta los 30 cm de profundidad debido al pase de arado de cincel. La RH no experimentó cambios (p<0.05). [Conclusiones]: Por la ineficiencia de operación y a que no hay mejora física del suelo en el corto plazo, no es necesario labrar cada seis meses, lo que reduciría las tasas de erosión de la zona.
La eficiencia de las labores agrícolas mecanizadas incide en el rendimiento general de los cultivos y en la uniformidad de la producción, variables determinantes en la definición adecuada de las zonas de manejo diferenciado. Las pruebas de uniformidad de los implementos repercuten en la toma de decisiones para adquirir implementos y la administración de ellos. El objetivo de este trabajo es promover el uso eficiente de la maquinaria agrícola en el campo y evaluar las operaciones agrícolas para el uso adecuado de los recursos de producción. Se determinaron coeficientes de uniformidad del trabajo realizado con cada uno de los implementos probados, además otras variables operativas que influyen en el desempeño de ellas. Las labores más uniformes son las realizadas con implementos de labranza vertical (CU > 80%), aunque se conoce que demandan mayor potencia para romper la estructura del suelo, la sembradora volumétrica es más uniforme a velocidades de avance bajas (CU = 86,73%) y la pulverizadora presentó aplicaciones más homogéneas a bajas presiones de operación (CU = 98%). Las mediciones de uniformidad y actividades de calibración de los implementos permitieron identificar puntos críticos en la maquinaria, y fundamentar la importancia de determinarlos para la mejora continua de las operaciones agrícolas tendientes a lograr rendimientos del cultivo homogéneos.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.