Monitoreo y gestión de recursos hídricos y del suelo
Agricultura de precisión
Vulnerability of Wheat Crops to Flooding Outweighs Benefits from Precision Farming and Agroecology Practices: A Case Study in Central Italy
La vulnerabilidad de los cultivos de trigo a las inundaciones supera los beneficios de la agricultura de precisión y las prácticas agroecológicas: Un estudio de caso en Italia
Este artículo tiene como objetivo demostrar si la integración de la agricultura de precisión (AP) y las prácticas agroecológicas pueden influir en el rendimiento del cultivo de trigo que está propenso a riesgo de inundación. Se presenta un modelo de cuadrícula factorial de dos vías: agroecología frente a la gestión convencional en la granja y la vulnerabilidad del suelo a las inundaciones. Los resultados de las mediciones demostraron que la vulnerabilidad era el único factor que afectaba significativamente el rendimiento del grano; los autores resaltan que la seguridad alimentaria en zonas de vulnerabilidad sólo podría garantizarse cuando la agricultura de precisión y las prácticas agroecológicas se combinen con técnicas de gestión del agua que fortalezcan la resiliencia de los suelos afectados por las inundaciones.
Este artículo fue realizado Enrico Santangelo, Claudio Beni, Loredana Oreti, Adriano Palma, Marco Bascietto (Consiglio per la Ricerca in Agricoltura e L’analisi Dell’economia Agraria (CREA), Monterotondo, Italia) para Land (Vol 12, núm 4, p. 915, 2023), una revista que divulga artículo que reflejan la amplitud e interdisciplinariedad de la agricultura. Esta es una publicación de MDPI, una plataforma de revistas científicas de acceso abierto operada por MDPI Verein (Basilea, Suiza). Correo de contacto: [email protected]
Topdressing Nitrogen Demand Prediction in Rice Crop Using Machine Learning Systems
Predicción de la demanda de nitrógeno en el cultivo de arroz mediante sistemas de aprendizaje automático
En este artículo se presenta una nueva tecnología desarrollada para la estimación de la cantidad de nitrógeno en el recebo del cultivo de arroz basada en el aprendizaje automático. El nitrógeno es un elemento clave en el cultivo del arroz y su gestión puede aumentar la productividad, reducir costes y mitigar el impacto ambiental. Para esta investigación se recopilaron datos multifuente, multitemporal y multiescala de un cultivo de arroz de 11ha durante 4 años consecutivos y se configuraron varios algoritmos de aprendizaje automático para predecir el rendimiento en función de los distintos niveles de nitrógeno siendo el modelo XGBoost el más preciso. Además, se utilizaron curvas de rendimiento para determinar la dosis de nitrógeno ideal para maximizar el rendimiento del cultivo.
Este artículo fue realizado Miltiadis Iatrou, Christos Karydas, George Iatrou, Ioannis Pitsiorlas (Ecodevelopment S.A., 57010 Thessaloniki, Greece), Vassilis Aschonitis (Soil and Water Resources Institute, Thermi, Greece), Iason Raptis, Stelios Mpetas (Ecodevelopment S.A., 57010 Thessaloniki, Greece), Kostas Kravvas (NLG Worldwide, Thessaloniki, Greece), Spiros Mourelatos (Ecodevelopment S.A., 57010 Thessaloniki, Greece) para Agriculture (Vol 11, núm 4, p. 312, 2021), una revista que divulga artículo que reflejan la amplitud e interdisciplinariedad de la agricultura. Esta es una publicación de MDPI, una plataforma de revistas científicas de acceso abierto operada por MDPI Verein (Basilea, Suiza). Correo de contacto: [email protected]
- Video:Webinar - Plataforma APSIM para la modelización y simulación de sistemas agrícolas
- Fuente:CGIAR Platform for Big Data in Agriculture
