Search

[ES] ¡Estimaciones de Rendimiento de Caña de Azúcar con solo Polígonos de sus Campos!

La predicción precisa del rendimiento de la caña de azúcar podría ser un factor clave para una cosecha exitosa. Tener datos históricos correctos es un requisito para desarrollar modelos de rendimiento que cuantifiquen la relación entre las acciones tomadas en el campo y los resultados de rendimiento. A veces estos datos no están disponibles o requieren tiempo y trabajo para recopilarlos. Digital Harvest ha desarrollado una poderosa herramienta para estimar el rendimiento utilizando sensores remotos y fuentes de datos externas, comenzando con un simple polígono de campo.


Comprender y predecir el rendimiento es fundamental para la industria de la caña de azúcar porque gran parte de la toma de decisiones depende de estas predicciones, como el momento de cosecha, logística y previsión de ingresos y ganancias. Hemos desarrollado una herramienta para predecir los resultados del rendimiento a nivel de campo con solo su polígono de campo, fechas de inicio del crecimiento y fecha prevista de cosecha. Esta solución es escalable desde parcelas individuales hasta regiones. Las predicciones se pueden hacer con meses de anticipación utilizando datos satelitales, datos de clima y pocos detalles sobre el cultivo. Nuestras herramientas y predicciones no terminan aquí porque con la combinación de nuestro modelo biofísico multicapa y el aprendizaje automático supervisado podemos obtener predicciones de rendimiento a nivel de campo precisas para llevar su organización al nivel de la optimización.


Este modelo es la base de todas nuestras predicciones y su primera capa está constituida por un modelo de simulación biofísica específica para caña de azúcar. Es importante mencionar que este modelo asume que el cultivo no sufre de estrés hídrico o nutricional. Está basado en los procesos ecofisiológicos claves para determinar el crecimiento y desarrollo de la planta. Simula cuatro procesos principales que tienen lugar en la caña de azúcar: fotosíntesis C4, partición de carbohidratos y acumulación de sacarosa, respiración y senescencia. Estos procesos se simulan de manera diferente para las hojas verdes, la parte superior que no se puede moler, la caña y las raíces. Por último, se definen tres etapas de desarrollo de acuerdo con GDD (Growing Degree Days): Emergencia, Macollamiento, y Madurez (que incluye la etapa de Gran Crecimiento).

Una de las principales ventajas de este modelo es que requiere pocos datos: un polígono para cada campo y las fechas de inicio del crecimiento (o la fecha en que un campo se cosechó más recientemente) y si no tiene estos datos, podemos ayudarle con nuestra aplicación de dibujo de polígonos y con nuestro patentado Detector de Campos Despejados para obtener la última fecha de cosecha. Con solo esto, podemos obtener valiosos datos, como las temperaturas máximas y mínimas diarias, el índice de área foliar o realizar los cálculos para obtener la radiación fotosintéticamente activa diaria y la duración del día.

Queremos invitar a todos los ingenios y productores de caña de azúcar a probar estas herramientas por 10 días sin ningún costo y sin necesidad de compartir sus datos históricos, ni polígonos de sus parcelas. Solo acceda a nuestra sección del programa SIP, de click en el botón de nuestra prueba de 10 días y llene una sencilla forma para obtener acceso a nuestras herramientas.


#DigitalHarvest #VisibleHarvest #DataScience #YieldEstimation #CañaDeAzucar #IngeniosAzucareros

  • Facebook
  • Twitter
  • LinkedIn
Language

© Copyright 2021 Digital Harvest | All Rights Reserved.