Una de las principales herramientas de agricultura de precisión son los monitores de productividad que permiten identificar las variaciones de la producción en el espacio cultivado. Existen en diferentes marcas y modelos adecuados a las maquinarias que cosechan cada cultivo (maíz, soya, caña, arroz, trigo, etc).

 La relevancia de medir esta variabilidad radica en que se mide la variable de respuesta representada en la producción (ton/ha) la cual es producto de la interacción de todos los factores que la influencian como las condiciones de los suelos en su parte química, física, de energía, el material genético sembrado, el clima, el manejo del cultivo, el desarrollo de raíces y la nutrición entre otros.  La identificación de las áreas de mayor, mediana o baja producción permitirá identificar la ubicación donde se acentúan los factores limitantes o las áreas de mayor capacidad productiva soportando así planes de mejoramiento y optimización de los recursos.

La llegada de los equipamientos de monitoreo de productividad y otros equipos que permiten completar e integrar el ciclo de agricultura de precisión han tenido gran acogida en el medio agrícola, sin embargo es importante resaltar que la naturaleza misma de estos equipos, no es reemplazar los sistemas de pesaje convencionales de los vagones o camiones donde se colecta la materia prima cosechada.

La verdadera razón de este equipo es identificar las variaciones del flujo del material cosechado, en la medida que es transportada a través de la estera (cosechadora de caña), como muestra la Grafica 1. (Fuente: Domingos G.P. Cerri y Paulo S.Graziano Magalhäes, UNICAMP, 2003).

Gráfica 1. Esquema ubicación sensor de pesaje en cosechadora de caña.

En el caso de los cultivos de granos, los sensores que miden el flujo de grano y la humedad, se ubican en el ascensor de la cosechadora que transporta al tanque de retención. El monitor o sensor de flujo de masa de rendimiento estima el peso mediante la celda de carga instalada como se aprecia en el Gráfico 2. (Fuente: www.agleader.com)

Gráfico 2. Ubicación sensor de humedad y flujo en maquina cosechadora de grano.

En el caso de la cosecha de granos, es menos complejo estimar un peso sobre un flujo continuo de pequeños granos, en comparación a un flujo de caña de azúcar donde se tienen trozos de 20-30 cm y diámetro entre 2.5-3.2cm.

Por la razón anterior, los sistemas de monitoreo para granos y caña no son comparables. No obstante lo anterior, hay diferentes factores que determinan la precisión que son comunes entre ellos: a) El número de datos colectados por unidad de área y tiempo; b) ubicación del dato en el espacio que dependerá del GPS y su grado de precisión; c) Calibración y sensibilidad de la celda de carga del equipo. En el Cuadro 1 se muestran el número de datos tomados por hectárea tanto en caña como en granos, en comparación con el único dato logrado en una cosecha sin monitor de producción.

Cuadro 1. Comparación de diferentes monitores de productividad.

Hoy por hoy en la mayoría de sistemas de cultivos se tiene un solo dato de producción del lote, con estos monitores tener desde 85% de precisión en los datos colectados ya muestra un beneficio contundente para determinar las variaciones espaciales de la productividad.

Se ha pretendido comparar los datos obtenidos a través de monitores de producción con los que pueden suministrar las imágenes de percepción remota logradas con cámaras o sensores multi-espectrales a través de satélites, aviones o drones, cuando en realidad son fuentes de información complementarias.   La metodología para el procesamiento de estas imágenes se realiza en un post proceso de bandas espectrales como el rojo e infrarrojo cercano utilizando índices como el NDVI. Estos miden la reflexión de la luz sobre el follaje de los cultivos y cuya presunción lógica sería que si hay buen desarrollo del follaje habría buena producción.

 En principio es una razón lógica pero en las plantaciones se deben realizar antes parametrizaciones espectrales que permitan afirmar esto con mayor confianza, si bien es cierto las imágenes no sustituyen los mapas de rendimiento o producción si muestran tendencias de variabilidad que espacialmente se correlacionan, en casos de cultivos comerciales de caña por ejemplo han estado entre un 72-76%.

El proceso de las imágenes puede dar alto niveles de NDVI que no necesariamente se reflejan en alta producción, como puede ocurrir en cultivos como papa o caña de azúcar.