Ciencia de datos para el agro
El campo se ha llenado de sensores: humedad del suelo, estaciones meteorológicas, collares en el ganado, drones e imágenes de satélite. La ciencia de datos convierte esas lecturas en decisiones de riego, fertilización y cosecha parcela a parcela.
El problema
Se riega por calendario, no según lo que el suelo y el cultivo necesitan.
Cuando la plaga se ve a simple vista, el daño ya está hecho.
Sequías y olas de calor cada vez más frecuentes complican la planificación.
Casos de uso
Pasa el cursor por cada caso para ver cómo funciona por dentro.
Riego de precisión
Regar solo cuando el suelo lo necesita, según sensores y pronóstico.
IoT + pronóstico de humedadMapas de vigor con drones y satélite
Índices como el NDVI revelan zonas con estrés antes de que se vean.
Visión por computador y análisis geoespacialPredicción de rendimiento
Estimar la cosecha semanas antes para planificar logística y ventas.
Regresión con datos climáticos y de imagenGanadería de precisión
Collares y sensores que detectan enfermedad, celo o estrés térmico.
Clasificación de comportamiento animalEjemplo
Ejemplo ilustrativo con datos sintéticos.
Riego de precisión con sensores de suelo
Humedad del suelo cada 6 horas durante 3 semanas
Ver datos
| Día | Humedad del suelo |
|---|---|
| D0 | 33,7 % |
| D0 | 32,8 % |
| D1 | 32 % |
| D1 | 31,7 % |
| D1 | 31,4 % |
| D1 | 30,6 % |
| D2 | 29,7 % |
| D2 | 29,4 % |
| D2 | 29,2 % |
| D2 | 28,3 % |
| D3 | 27,5 % |
| D3 | 27,2 % |
| D3 | 26,9 % |
| D3 | 26,2 % |
| D4 | 25,3 % |
| D4 | 25 % |
| D4 | 24,7 % |
| D4 | 23,8 % |
| D5 | 23 % |
| D5 | 22,6 % |
| D5 | 22,4 % |
| D5 | 32,6 % |
| D6 | 31,7 % |
| D6 | 31,4 % |
| D6 | 31,1 % |
| D6 | 30,3 % |
| D7 | 29,5 % |
| D7 | 29,2 % |
| D7 | 28,9 % |
| D7 | 28 % |
| D8 | 39,2 % |
| D8 | 38,9 % |
| D8 | 38,5 % |
| D8 | 37,7 % |
| D9 | 36,8 % |
| D9 | 36,5 % |
| D9 | 36,2 % |
| D9 | 35,5 % |
| D10 | 34,7 % |
| D10 | 34,4 % |
| D10 | 34,1 % |
| D10 | 33,3 % |
| D11 | 32,5 % |
| D11 | 32,2 % |
| D11 | 31,9 % |
| D11 | 31,1 % |
| D12 | 30,3 % |
| D12 | 30 % |
| D12 | 29,7 % |
| D12 | 28,9 % |
| D13 | 28,1 % |
| D13 | 27,7 % |
| D13 | 27,3 % |
| D13 | 26,5 % |
| D14 | 25,7 % |
| D14 | 25,3 % |
| D14 | 24,9 % |
| D14 | 24,2 % |
| D15 | 23,4 % |
| D15 | 23,1 % |
| D15 | 22,8 % |
| D15 | 33 % |
| D16 | 32,2 % |
| D16 | 32 % |
| D16 | 31,6 % |
| D16 | 30,7 % |
| D17 | 29,9 % |
| D17 | 29,5 % |
| D17 | 29,2 % |
| D17 | 28,4 % |
| D18 | 27,6 % |
| D18 | 27,3 % |
| D18 | 27 % |
| D18 | 26,1 % |
| D19 | 25,2 % |
| D19 | 24,9 % |
| D19 | 24,5 % |
| D19 | 23,7 % |
| D20 | 22,9 % |
| D20 | 22,5 % |
| D20 | 22,1 % |
| D20 | 32,2 % |
| D21 | 31,4 % |
| D21 | 31,1 % |
Tecnologías aplicadas a agro
Cómo la realidad extendida, la simulación y el IoT amplían lo que la ciencia de datos puede hacer en este sector.
Cómo medimos el éxito
Eficiencia del riego antes y después del sistema.
Diferencia entre lo estimado y lo cosechado.
Días entre la alerta del modelo y la detección visual.