PREDICTOR DE COSECHA PARA CULTIVOS HORTOFRUTÍCOLAS CON DESTINO AGROINDUSTRIAL,   

A PARTIR DE IMÁGENES SATELITALES

Abril 2010

Innova CORFOFondo Conectividad Rural

Bienes Públicos para la Innovación

Beneficios esperados

• A partir de la predicción de cosecha se facilita la logística asociada a los procesos productivos de los principales rubros agroindustriales de la zona central de Chile. 

• A partir de una buena predicción de cosecha, pueden coordinarse los esfuerzos de mano de obra, insumos y transporte asociados a cada rubro. 

• Conociendo la calidad del producto, es posible determinar tanto los destinos de cada producto como el mercado y comercialización final del 

• Beneficiaria:– ChileAlimentos y empresas agroindustriales asociadas

• Desarrollador:– Instituto de Investigaciones Agropecuarias ‐ INIA La Platina

– Subcontrato: Empresa del rubro TIC, especializada en imágenes satelitales

• Oferente:– Empresa prestadora de servicios en alianza entre ChileAlimentos, INIA y codesarrollador

Equipo técnicoNombre Profesional Cargo

Alejandro Antúnez B. Director, Investigador

Gustavo Chacón C. Director Alterno, Investigador

N.N. por contratar Profesional Ing. Agr. terreno

Gabriel Saavedra del R. Investigador 

Gabriel Sellés van Sch. Investigador Cultivos

Gamalier Lemus S. Investigador Frutales

Bruno Defilippi B. Investigador Post‐Cosecha

Stanley Best S. Investigador Agric. Precisión

Nombre Profesional Cargo

Asesor especialista imágenes satelitales

Asesor

Estudios y asesorías Empresa consultora

Subcontrato Imágenes satelitales

Invitación a:

• Agencia Chilena del Espacio

• Centro de Modelamiento Matemático‐ U. de Chile

• Oriondata Chile

• Oterra – U. Mayor

• Otras…

Objetivos

• Desarrollar un modelo predictivo de cosecha para especies hortofrutícolas, de importancia agroindustrial, para la optimización del proceso de comercialización que realizan los agricultores y las agroindustrias.

Objetivos Específicos

1. Desarrollar y validar modelos predictivos de cosecha, a través de imágenes satelitales, que permitan pronosticar calidad, fecha de cosecha y rendimiento en las principales especies hortícolas y frutícolas con destino agroindustrial.

2.  Desarrollar una herramienta TIC, amigable al agricultor y agroindustria, que permita procesar información para pronosticar anticipadamente el rendimiento comercial, la calidad y la fecha de cosecha en diversos cultivos de interés.

3. Establecer las bases para la prestación de un servicio de predicción de rendimiento, calidad y fecha de cosecha, basado en las tecnologías TICs que se validen y desarrollen en el proyecto.

4. Difundir el sistema de pronóstico de cosecha basado en imágenes satelitales.

Metodología

– Selección de imágenes satelitales que representen adecuadamente los cambios en etapas críticas del desarrollo de cultivos de:

• Tomate, Pimiento, Alcachofa, Maíz y Arveja

• Durazno, Manzano, Frambueso, Ciruelo y Almendro.

• Seguimiento de campo de los cultivos seleccionados, con énfasis en los factores que afectan la calidad comercial del producto final

• Registro meteorológico y análisis de las principales variables que afectan al desarrollo y producción de los cultivos

• Correlación de información de campo con el resultado del procesamiento de las imágenes satelitales, por medio de índices tales como NDVI. 

• El NDVI es un índice usado para estimar la cantidad, calidad y desarrollo de la vegetación en base a la medición, por medio de sensores remotos instalados comúnmente desde una plataforma espacial, de la intensidad de la radiación de ciertas bandas del espectro electromagnético que la vegetación emite o refleja.

• Desarrollar un modelo que integre las variables de campo, meteorológicas y satelitales que entregue un pronóstico de cosecha que incluya fecha, rendimiento y calidad.

• En la etapa de validación, poner a disposición de los usuarios el servicio de pronóstico, en una plataforma adecuada a sus requerimientos y capacitación.

• imagen SPOT ortorectificada, con 10m de resolución por mosaico, del predio de interés.

• mapa de estado del cultivo, con énfasis en el rendimiento, calidad y fecha de cosecha.

Sitio web del proyecto

• Mapas fácilmente interpretables, que informarán al agricultor y empresa agroindustrial de forma precisa sobre el estado del cultivo. – Mapa de vegetación verde que indica la densidad del cultivo e interpreta el desarrollo de las plantaciones

– Mapa de vegetación seca destaca los problemas de cultivo, así como el estado de avance de la maduración al finalizar el crecimiento.

 

Datos alfanuméricosde campo

Mapas con variables de

campo

Datos agronómicos y meteorológicos

@

Imagen multispectral

Recomendación

Productos Biofísicos

Control de calidaden campo

Datos de campo

Productosagronómicos

Datos geográficos de campo

Colecta de Datos

Fuente Infoterra (2009)

Algunos productos, desarrollados en otros proyectos 

en el mundo: SPOTCana

Imagen satelital ortorectificada que incluye muchos predios susceptiblesde incorporar al estudio

Mapa de vegetación secaRevela grado de madurez en caña 

de azúcar

Mapa de vegetación verdeRelaciona sanidad y cobertura del 

cultivo en estudio

Seguimiento agronómico del cultivo en terreno

Seguimiento del cultivo en terreno, en fase cercana a cosecha

Verificación de campo, para relacionar anomalías detectadas a partir del análisis delas imágenes satelitales (Fuente Infoterra, 2009).

Imagen satelital con código de colores, entrega rendimiento promedio esperado 

(promedio) y fecha de cosecha. 

Ejemplo de Predicciones en Cultivo Hortofrutícola y Frutícola

Pho

to M

iche

l Gay

Cultivo de zanahoriasFoto de campo

051 PAP 141516 NCAR 1

051 DEF1PASCAR 2

051HEDOIN P4

051 HEDOIN P2POI 1

xxxHVI 1

Extrait de l’exploitation Pot au Pin

Ejemplo de Predicciones en Cultivo Hortofrutícola y Frutícola

Cultivo de zanahoriasimagen de satelite

051 PAP 141516 NCAR 1

051 DEF1PASCAR 2

051HEDOIN P4

051 HEDOIN P2POI 1

xxxHVI 1

Extrait de l’exploitation Pot au Pin

Ejemplo de Predicciones en Cultivo Hortofrutícola y Frutícola

-

50 000

100 000

150 000

200 000

250 000

300 000

350 000

400 000

450 000

500 000

143

145

147

149

151

153

155

157

159

161

163

165

167

169

171

173

175

177

179

181

183

Jours Juliens

Surf

ace

en m

²

Surface récoltée Surface à récolter

Análisis espectral de la imagen

Seguimiento con satelite

Productos regionales: análisis estratégica utilizan archivo .kml  Google Earth

Seguimiento con satelite

Análisis detallado

• La empresa y/o agricultor accede a los resultados del proyecto, por medio de página web que presenta la predicción en un formato sencillo e integrado.

Estimación de costos del servicio

• En paralelo con el desarrollo del modelo predictivo, durante el 2011 se realizará un estudio para determinar los costos del servicio de predicción.

Compromisos esperados

• Priorización de especies

• Superficie mínima de cultivo

• Regiones o localidades

• Libre acceso al predio

• Contacto y coordinación con labores de campo