Agricultura Estados Unidos Tecnología Agrícola

El estadístico evalúa los datos agrícolas para aumentar la productividad

El estadístico evalúa los datos agrícolas para aumentar la productividad
Este mapa muestra rendimientos de soja que van desde 70 a 30 bushels por acre (barra a la derecha) en un campo de 800 por 800 metros, o aproximadamente 160 acres. Estos datos de rendimiento ayudan a los investigadores a analizar los datos sobre la eficacia de dos fungicidas en el tratamiento del moho blanco. Crédito: Universidad Estatal de Dakota del Sur

El profesor asistente Hossein Moradi del Departamento de Matemáticas y Estadística de SDSU está ayudando a los profesores de agricultura de precisión a evaluar de manera eficiente y precisa las variables que afectan el rendimiento. 


por Christie Delfanian, Universidad Estatal de Dakota del Sur


Esta colaboración está ayudando a los investigadores a identificar formas de ayudar a los agricultores a aumentar la productividad.

«Las tecnologías de detección remota e in situ, como las imágenes satelitales y los monitores de rendimiento, generan una gran cantidad de datos incluso para un solo campo», dijo Moradi, que se especializa en conjuntos de datos de alta dimensión correlacionados en el espacio y el tiempo. Esos datos pueden usarse para evaluar las variables de efecto, como la química del suelo, la topografía, la aplicación de fungicidas, herbicidas y fertilizantes, que tienen sobre el rendimiento de los cultivos.

«Al estimar el efecto de las variables, podemos ayudar a los agricultores a tomar decisiones de manejo más informadas», explicó Moradi.

El profesor David Wright, jefe del Departamento de Agronomía, Horticultura y Ciencias de las Plantas, dijo: «Nuestra colaboración con el Dr. Moradi y otros estadísticos da como resultado un procesamiento más rápido de grandes cantidades de datos y nos ayuda a capacitar a las personas para interpretar los datos de la agricultura digital. . «

La investigación cuenta con el apoyo del Departamento de Agronomía, Horticultura y Ciencias Vegetales y el financiamiento de la Ley Hatch del Departamento de Agricultura de los Estados Unidos a través de la Estación Experimental Agrícola de Dakota del Sur.

Evaluación de la efectividad de los fungicidas

Moradi y el estudiante de doctorado Paul May desarrollaron un medio eficiente para analizar datos de un estudio de moho blanco que involucraba dos fungicidas. «Nuestro trabajo era determinar el impacto de cada fungicida y si ese impacto es estadísticamente significativo o no», explicó Moradi. Para ello, los investigadores desarrollaron un modelo que «utiliza variables indicadoras para los lugares donde se aplicó y no se aplicó cada fungicida».

El estadístico evalúa los datos agrícolas para aumentar la productividad
Esta imagen de Landsat 7 muestra los valores de reflectancia en la barra, a la derecha, de una de las ocho bandas espectrales que se están utilizando para ayudar a predecir el rendimiento de maíz en un campo específico. Las coordenadas del campo están en los ejes xey. Crédito: Universidad Estatal de Dakota del Sur

El método comúnmente utilizado, conocido como mínimos cuadrados ordinarios, requiere una cantidad mínima de tiempo de procesamiento, pero tiene un alto margen de error. Sin embargo, un método más preciso, el enfoque de estimación de máxima verosimilitud, utiliza 50.000 puntos de datos y requiere de 60 a 70 gigabytes de RAM y dos horas de tiempo de cálculo de alto rendimiento. «Los agricultores no tienen acceso a este tipo de potencia informática», señaló Moradi.

«Nuestro método toma sólo de 10 a 15 minutos de tiempo de cálculo y el margen de error es casi el mismo que el enfoque MLE», dijo Moradi. Además, el análisis requiere menos de 2 gigabytes de RAM para que el programa se pueda ejecutar en una estación de trabajo o computadora portátil.

Predecir el rendimiento del maíz

Para otro proyecto, Moradi y el estudiante de maestría Shahrukh Khan están usando imágenes de satélite de Landsat 7 para predecir el rendimiento de maíz en una finca específica.

Para hacer esto, desarrollaron un modelo de aprendizaje profundo que selecciona características de los datos de Landsat y las combina con otros 13 índices, así como datos climáticos para predecir el rendimiento de los cultivos. «Hasta ahora, tenemos suficiente evidencia de que nuestro modelo supera a otros enfoques tradicionales», explicó Moradi.

Su objetivo a largo plazo es lanzar un sitio web que permita a los agricultores tener una predicción rápida y precisa de su rendimiento de cultivo esperado utilizando las ubicaciones / coordenadas del campo y los datos de rendimiento de los últimos cinco años. El paquete de programación estadística incorporado en el sitio web luego extraería información histórica sobre el clima, la precipitación y la temperatura y la combinaría con imágenes de satélite, como las de Landsat, así como las características del suelo de los campos.

El resultado «le diría al agricultor con un par de meses de anticipación que espere tanto producto del campo», dijo.

Leer más


LEAVE A RESPONSE

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Social Media Auto Publish Powered By : XYZScripts.com