© 2017 Todos direitos reservados para Monagri 

Mapas de Colheita: Mais do que uma foto bonita

13.07.2017

É meados de julho, o que, para a indústria de algodão Australiana, significa que a colheita ainda está em curso para alguns produtores. Um grupo diferente de produtores, no entanto, está se preparando para começar a plantar algodão novamente em três semanas, e a introdução do Bollgard III trouxe esses dois eventos muito juntos! A maioria dos produtores tem apenas duas prioridades em duas safras de algodão: encontrar tempo para um feriado bem merecido e elaborar um plano para a próxima safra. Então, quais informações históricas você baseia suas decisões de gerenciamento de culturas?Muitas vezes, as decisões de gerenciamento de culturas acabam sendo ditadas, pelo menos parcialmente, por velhos hábitos e condições ambientais, mas, cada vez mais, os dados coletados das safras anteriores também são analisados ​​e usados. À medida que mais e mais dados que se tornam disponíveis em diferentes fontes, é importante distinguir entre os tipos de dados que podem ser usados ​​para suportar um determinado processo de tomada de decisão. Neste artigo, vou me concentrar em dados dos mapas de colheita e no papel que pode desempenhar no planejamento da sua próxima safra.

 

 

Até recentemente, os dados de rendimento eram muitas vezes apenas usados ​​para confirmar uma crença existente ou mostrar o que um produtor já conhecia. Este tipo de serviço de dados de rendimento, também conhecido como um "serviço de imagem bonito", está sendo cada vez menos aceito no mercado, já que os produtores estão começando a olhar para o ROI de seus investimentos de precisão. Sabe - se  que os agricultores de todo o mundo querem razoavelmente esperar pelo menos um retorno de $ 5 por cada $ 1 que eles investem; Por que a agricultura de precisão pode ser diferente?

 

No caso da análise de dados de rendimento, há uma certa quantidade de serviços básicos que são executados em dados brutos: os dados são calibrados, cortados em limites de campo, limpos e os polígonos são alisados ​​para obter um mapa de rendimento que pode ser usado para uma análise mais aprofundada. A partir daí, depende do seu fornecedor quanto ao que você realmente faz com seus dados de rendimento e qual será o seu ROI para este processo. Semelhante às imagens do NDVI, você pode analisar os dados do rendimento de duas maneiras diferentes: você analisa a variabilidade no campo, que são as diferenças de rendimento em um campo na mesma estação, ou analisa as tendências que se desenvolvem ao longo do tempo, que são as diferenças de rendimento no mesmo campo ao longo de várias estações.

 

Uma vez que a análise inicial foi realizada, a variabilidade pode ser analisada em combinação com qualquer número de outras fontes de dados: imagens de NDVI, resultados de amostragem de solo, etc. Isso deve ser um processo, onde o produtor, consultor de tecnologia,  provedor de serviços que trabalha em conjunto chegar a um bom resultado final. Ao analisar os dados, analisando a estratégia de gerenciamento de culturas e combinando isso com algumas pesquisas no campo, as razões por trás da variabilidade podem ser encontradas.

 

Uma vez que os motivos por trás da variabilidade no rendimento foram descobertos, um plano para aumentar a rentabilidade total do campo pode ser formulado. Por exemplo, ao tentar levantar o rendimento médio, é comum buscar o melhoramento de algumas das zonas de baixo desempenho dentro de manchas para aumentar o rendimento médio. Em alguns casos, você achará que as zonas de baixo desempenho são muito difíceis de melhorar, pois existem certas restrições, como o tipo de solo, a profundidade do solo, etc. Neste caso, o plano pode ser começar a aplicar nutrientes a uma taxa variável, onde o as zonas com restrições do solo estão recebendo uma quantidade menor, apenas obtendo nutrientes suficientes para o potencial de produção que possuem e colocam mais nutrientes nas zonas onde a performance já é relativamente alta. O raciocínio neste cenário é que as boas partes do campo ainda podem funcionar melhor, enquanto as zonas de menor rendimento já estão funcionando tão bem quanto podem. Embora seja contra-intuitivo para a maioria dos produtores, provou ser uma estratégia efetiva em alguns casos; Definitivamente prova que você precisa de dados para tomar esses tipos de decisões ... se você não medir, você não saberá!

 

Ao crescer a próxima safra, haverá, naturalmente, fatores ambientais e outros durante a temporada, que desempenharão um papel que não pode ser previsto antes do tempo. Mas com bons dados e uma análise ainda melhor, você pode, pelo menos, estar preparado para enfrentar desafios com o máximo de conhecimento possível. Todos os tipos de decisões de gerenciamento de culturas podem ser influenciados por dados de estações anteriores, como nutrição de taxa variável, planejamento de irrigação e gerenciamento de crescimento, para apenas citar alguns. Com as pessoas, conhecimentos e ferramentas adequados, você pode fazer com que os dados agrícolas o ajudem no processo de tomada de decisão.

É importante gravar e armazenar o máximo possível de dados da fazenda, mas nem todos os produtores têm a capacidade de gravar todos os tipos de dados. Por exemplo, na indústria de algodão australiana, ainda há um número significativo de colheitadeiras de algodão em operação que não possuem a capacidade de registrar dados de rendimento. Seja qual for o seu recurso de gravação, todos os bits de dados valem a pena salvar, e apenas porque você ainda não pode gravar tudo na sua fazenda, não significa que você não deve começar a criar um banco de dados (limitado) hoje.

 

Fonte: http://www.precisionag.com/systems-management/data/yield-data-more-than-a-pretty-picture/

 

Para maiores informações: reinderprins@cgs.com.au

 

 

Share on Facebook
Share on Twitter
Please reload

Destaque

MONAGRI participa do VI Seminário de Agricultura de Precisão na ESALQ-USP.

November 25, 2017

1/1
Please reload

Tags
Please reload