Objetivos
El curso abarca de 6 sesiones en las cuales se plantea lo siguiente:
Introducir el concepto de agricultura de precisión y el entorno QGIS.
Comprender el concepto de radiación electromagnética y los conceptos básicos de sensores remotos e imágenes satelitales.
Conocer y aplicar los índices espectrales más usados para agricultura de precisión.
Entender la importancia de los Modelos Digitales de Elevación para agricultura de precisión.
Familiarizarse con el uso de modelos numéricos y árboles de clasificación para su posterior aplicación.
Presentar los datos obtenidos en el modelo de manera cartográfica.
Contenidos
El desarrollo del curso se encuentra a continuación dividido en 6 sesiones:
Sesion 1
Parte Teórica
Introducción a la agricultura de precisión.
Análisis básicos para la variabilidad de campo.
Principios de interpolación.
Parte Práctica
Creación de un plan de muestreo significativo de un área de estudio para crear mapas de las propiedades del suelo.
Identificar puntos a muestreo de acuerdo con las características del área de estudio y localización de los puntos usando QGIS.
Interpolación de las muestras usando kriging para obtener un mapa de pH.
Asignación de valores de pH a los puntos que identificaremos para el muestreo.
Interpolaremos en QGIS para obtener un mapa.
Interpolación de muestras de rendimiento obtenidas de una maquina trilladora.
Interpolación de datos de rendimiento que se obtuvieron de una maquina trilladora en una segunda área de estudio.
Sesión 2
Parte Teórica
Monitoreo del área agrícola usando radiación electromagnética.
Adquisición remota de información.
Procesamiento digital de imágenes.
Parte Práctica
Descarga de imágenes satelitales Sentinel-2 y Landsat 7.
Pre-procesamiento de imágenes Sentinel-2 y Landsat 7.
Aplicación de correcciones atmosféricas y obtener valores de reflectancia en las imágenes satelitales con QGIS.
Combinación de bandas de imágenes satelitales en QGIS para obtener imágenes de color natural y falso color.
Clasificación supervisada en QGIS.
Análisis del resultado y clasificación final del área de estudio de acuerdo al rendimiento.
Sesión 3
Parte Teórica
Análisis de imágenes sátelitales para determinar propiedades del suelo o del cultivo.
Índices espectrales.
Aplicaciones de los índices espectrales.
Obtención de propiedades del cultivo aplicando resultados de los índices espectrales.
Parte Práctica
Cálculo de los índices de vegetación y de agua en las dos áreas de estudio.
Aplicación del índice de vegetación (NDVI) y ecuaciones empíricas para obtener un ráster de rendimiento en toneladas por hectárea del área de estudio.
Aplicación del índice de agua (NDWI) y ecuaciones empíricas para determinar el contenido de agua del cultivo en el área de estudio.
Sesión 4
Parte Teórica
Uso de Modelos Digitales de Elevación (MDE) para agricultura de precisión.
Introducción a los MDE.
Métodos de interpolación para MDE.
Aplicaciones de los MDE.
Propiedades derivadas de los MDE: pendiente, iluminación del terreno, mapas de sombras (hillshade), escorrentía superficial.
Ejemplos de estudios reales que usan MDE para agricultura de precisión.
Parte Práctica
Descarga de MDE desde sitios oficiales gubernamentales.
Visualización de MDE en QGIS.
Análisis de las propiedades derivadas del MDE.
Obtención de pendiente.
Obtención de mapa de hillshade.
Obtención de curvas de nivel.
Uso de cartas topográficas.
Descarga de cartas topográficas del área de estudio para complementar la información y análisis.
Sesión 5
Parte Teórica
Modelamiento numérico para agricultura de precisión.
Introducción al modelamiento.
Modelos aplicados a la agricultura.
Tipos de modelos.
Uso de árboles de clasificación o regresión para crear modelos.
Ejemplos del uso de árboles de clasificación o regresión para crear modelos en agricultura.
Indicadores para la validación de los modelos.
Parte Práctica
Preparación del ambiente de trabajo en R.
Instalación de librerías necesarias para el análisis en R.
Preparación de los ráster de interés para el modelo en QGIS (conversión de ráster a ASCII).
Creación de código en R para obtener un árbol de clasificación de nuestra área de estudio.
Sesión 6
Parte Teórica
Tecnología para la gestión de los nutrientes en zonas agrícolas.
Mapas de conductividad eléctrica.
Uso de monitores y sensores.
Gestión de nutrientes.
Monitoreo de desempeño y retorno de las prácticas de la agricultura de precisión.
Parte Práctica
Creación de un modelo geográfico con base en las reglas obtenidas en los árboles de clasificación.
Presentación de un producto cartográfico.
Diseño de un mapa temático en QGIS.
- Teacher: Marycarmen Martinez Diaz