Sistema experto para el modelado de estrategias de labranza agrícola mecanizada para diversos cultivos


Carlos Roberto Martínez Martínez
Universidad Católica de El Salvador, El Salvador
carlos.martinez@catolica.edu.sv

1. Prefacio

El propósito de la labranza es preparar el suelo para el cultivo, volviéndolo más suave, aireándolo e incorporando materia orgánica. Tradicionalmente esta preparación se realiza empleando un arado, que penetra en el suelo y voltea la tierra, arrancando o eliminando las malas hierbas que crecen en el terreno, removiendo y aflojando las capas superficiales del suelo y dejando un lecho con la humedad suficiente para que germinen las semillas sembradas. Sin embargo, antes de labrar un suelo, hay que definir una estrategia apropiada, ya que se puede perjudicar al suelo si se practica con profundidad y frecuencia inapropiadas, sobre todo si la capa fértil de la superficie es delgada. Lo ideal sería seguir un programa de labranza mínima o reducida para conservar el suelo, para que la materia vegetal muerta que queda tras la cosecha quede a nivel superficial o bien bajo tierra, a poca profundidad, en vez de ser introducida profundamente con el arado, como ocurre en la labranza tradicional; ello contribuye a mantener la humedad en el interior y a proteger el suelo de la erosión.

Para satisfacer las necesidades actuales de la agricultura, la labranza hoy en día debe ser mecanizada, por lo cual hay que tener conocimiento sobre los distintos implementos que se deben utilizar y sus funciones, así como el tipo de máquina que debe ser acoplada para efectuar la tracción. Una estrategia eficiente de labranza, preservaría el suelo, ahorraría desembolsos económicos y contribuiría al uso mínimo-necesario de combustible diesel para la operación general.

El desconocimiento de cómo labrar eficazmente previo la siembra, puede contribuir a su deterioro. Una mala labranza puede echar a perder la capa fértil del suelo al revolverla con horizontes más profundos, o bien puede ser erosionada por el viento o la lluvia. Las buenas estrategias deben considerar diversidad de factores como el tipo de suelo, época del año, implementos disponibles, el cultivo a establecer, la potencia de tracción requerida, la humedad del suelo, la cantidad de materia orgánica presente, la inclinación y rocosidad del suelo, la cantidad de pasos a efectuar con el fin de ahorrar costos y disminuir el consumo de combustible, entre otros factores. En el campo salvadoreño, este conocimiento se ha adquirido de forma empírica, de manera que no se ha documentado ampliamente la temática de acuerdo a las condiciones nacionales. En ocasiones, ni siquiera es debidamente trasmitido entre las personas, razón por la cual muchos agricultores han cometido errores que por antonomasia son muy difíciles de corregir. Por esta razón es prioritario saber trabajar bien la tierra mediante el uso apropiado de maquinaria. De ahí la importancia de crear una herramienta informática que oriente a los nuevos profesionales de la agronomía y a agricultores, sobre esta temática. Al crear un banco de datos con todas las variables que se interrelacionan, es posible desarrollar un algoritmo informático que efectúe un proceso de toma de decisiones y ofrezca como resultado el conjunto de pasos a seguir para preparar adecuadamente la tierra previo al establecimiento de un cultivo, de acuerdo a las condiciones que se tienen en El Salvador.

Por tal motivo, en la presente investigación se desarrolló un algoritmo informático, implementado a través de una interfaz web, que procesa todas esas variables y ofrece planes eficientes de labranza a usuarios de Internet. Tal herramienta servirá no sólo de orientación para personas que aún no poseen pericia sobre el tema, sino que constituirá una herramienta importante que podría catalogarse además bajo la rama de Software Educativo, el cual tiene un claro impacto positivo en el proceso de formación académica y de transferencia de conocimiento.

 

2. Resultados del software desarrollado

2.1 Variables de labranza reconocidas

El sistematizar las técnicas de labranza utilizadas en El Salvador implica tener en consideración gran cantidad de variables, entre las cuales podrían mencionarse:

Desde una perspectiva de conjunto, las posibilidades de interrelación de todas esas variables, arrojan 13 millones 122 mil combinaciones posibles.

 

La clave a esta astronómica cifra se encuentra en conocer las reglas que determinan cuáles combinaciones no son posibles y cuáles son óptimas. Para sortear estas complejas relaciones, los agricultores se guían por la tradición para conocer cómo realizar sus trabajos, aunque no libres de errores por desconocimiento técnico. En suma, puede decirse que el algoritmo propuesto constituye un modelo de toma de decisiones para la definición de estrategias de labranza. Para ilustrar la importancia de un conocimiento estratégico de labranzas, se ofrece el siguiente ejemplo: A finales del mes de noviembre del 2015, un grupo de agricultores de la zona de Zapotitán, deseaban establecer un cultivo de frijol por humedad residual. Sin embargo, las lluvias tardías habían provocado la saturación de humedad en el suelo, lo cual no es conveniente para dicho cultivo. No era posible esperar que el suelo secara naturalmente, ya que el momento oportuno de siembra se hubiese perdido, por lo cual se recurrió a efectuar una estrategia de 4 labranzas para la preparación del suelo. Primero se utilizó un tractor de 110HP, de doble transmisión, con una rastra arado mediana, para romper el suelo mojado y producir escombros de arcilla que estarían expuestos al sol y al viento con el fin de que se secaran (Figura 2-A). Luego de esperar 3 días, usando un tractor de 90HP, se hizo una nueva labranza con la misma rastra, con el fin de reducir los escombros a otros más pequeños, los cuales tuvieron otros 2 días de secado (Figura 2-B). Luego de ello, con el mismo tractor se hizo un paso de rastra pulidora con el fin de pulverizar el suelo (Figura 2-C), reteniendo así la humedad del subsuelo por capilaridad, siendo esta la condición ideal para sembrar frijol para producción de semilla.


Figura 2: Diferentes resultados de labranza agrícola dependiendo de las condiciones del suelo y de la maquinaria utilizada.
Fuente: Elaboración propia.



3.2 Desarrollo del software

Dadas las doce siguientes entidades:

Se creó una base de datos que contiene todas las relaciones viables entre las variables del modelo:



Figura 3: Diagrama Entidad-Relación en el que se modela la base de datos desarrollada.
Fuente: Elaboración propia.

 

Al ejecutarse el algoritmo, en primer lugar, se validó el modelo ingresado por el usuario en la interfaz web, tal como se muestra a continuación, usado la notación de algebra relacional. El sub índice “v” significa que el conjunto de datos ha sido validado.

CV = (C |x| S) ( CxH CxL CxM CxP CxR )

AV = S |x| A

LV = AV |x| L |x| CV

IV = P |x| I |x| R |x| H |x| LV

TV = T |x| E |x| IV

Se determinó el tipo de implemento usable para el trabajo:

Iposible = (IV – (CV |x| LV))

Iusable = Iposible – TV

Luego, se calculó la dureza del suelo:

D = S(dureza_nominal) – H + AV

Conocidos tales valores, es posible crear una ecuación que simule la creación de un algoritmo predictivo de labranza para la roturación y pulido del suelo:

I(labranza) = I(usable=(arados+subsoladores+rastras))

Plan(inicial) = DΣi=Sdureza _nominal (D - (CV |x| (S |x| I(labranza))) + M)

Finalmente se agregaron los implentos que complementan la labranza:

Plan(final) = Plan(inicial) + (LV |x| I(usable<>(arados+subsoladores+rastras)))

El procesamiento de información del modelo fue de carácter secuencial debido a que el que el filtrado y cálculo de datos en cada paso, era insumo directo para las rutinas que le eran subsecuentes. Una representación simplificada del flujo de la información se ofrece en la figura 4.



Figura 4: Diagrama de flujo (resumido) de información en el algoritmo.
Fuente: Elaboración propia.

 

3. Referencias

 

  1. Instituto Canadiense de Fosfato y Potasa, (2006). Manual de Fertilidad de Suelos. Publicado por Instituto Nacional de Nutrición Vegetal. ISBN 0-9629598-5-5.
  2. Departamento de Ciencia de Suelos. (2010). Manejo de suelos en Wisconsin. Quinta Edición. Publicado por la Universidad de Wisconsin-Madison. Recuperado el 12 de marzo de 2014 en http://www.soils.wisc.edu/ extension/ pubs/A3588.pdf
  3. Instituto Canadiense de Fosfato y Potasa, (2012). Preparing for the International Certified Crop Advisor. Décimo novena edición. Publicado por Instituto Nacional de Nutrición Vegetal.
  4. Kendal, K. (2012). Análisis y Diseño de Sistemas. Octava edición. México, Pearson Education. ISBN: 978-607-32-0577-1.
  5. Reis, R. (2007). Desarrollo de Software Educativo. Publicado por International Journal Of Education And Information Technologies. Recuperado el 18 de febrero de 2015 desde: http://www.naun.org/ multimedia/NAUN/ educationinformation/eit-27.pdf
  6. Glusac, D. (2008). El rol del material educativo digital en la enseñanza efectiva. Universidad de Novi Sad (Serbia). Recuperado el 18 de febrero de 2015 desde: http://www.wseas.us/e-library/conferences/2008/spain/diweb-miv/diweb-miv13.pdf
  7. Schez, C. (2012). Diseño y desarrollo de software para laboratorios virtuales educativos con técnicas de procesamiento de lenguaje: Lecciones aprendidas en experimentos prácticos. Publicado por Journal of Research and Practice in Information Technology. Recuperado el 19 de febrero de 2015 desde: http://search.informit.com.au/documentSummary;dn=2246602 90474993;res=IELHSS
  8. Fuentes, L. (2006). Software educativo para la enseñanza de la Biología. Biblioteca Digital Revicyhluz. ISSN 1012-1587. Recuperado el 19 de febrero de 2015 desde: http://200.74.222.178/index.php/opcion/article/download/ 6334/6322
  9. Leao, T. P., da Silva, A. P., Perfect, E., & Tormena, C. A. (2005). An algorithm for calculating the least limiting water range of soils. Agronomy Journal. Recuperado de: http://web.eps.utk.edu/faculty/perfect/Papers/Leao%20et%20al%20(2005).pdf
  10. Solie, J. B., Monroe, A. D., Raun, W. R., & Stone, M. L. (2012). Generalized algorithm for variable-rate nitrogen application in cereal grains. Agronomy journal. Recuperado de: http://www.nue.okstate.edu/Index_Publications/ GA_pdt.pdf
  11. Mehrabian, A. R., & Lucas, C. (2006). A novel numerical optimization algorithm inspired from weed colonization. Ecological informatics. Recuperado de: https://www.researchgate.net/publication/222656762_ Lucas_C_A_novel_numerical_optimization_algorithm_inspired_from_weed_colonization_Ecological_Informatics_1_355-366
  12. Varvel, G. E., Wilhelm, W. W., Shanahan, J. F., & Schepers, J. S. (2007). An algorithm for corn nitrogen recommendations using a chlorophyll meter based sufficiency index. Agronomy Journal. Recuperado de: http://digitalcommons.unl.edu/cgi/viewcontent.cgi?article=1179&context= usdaarsfacpub
  13. Guindon, S., & Gascuel, O. (2003). A simple, fast, and accurate algorithm to estimate large phylogenies by maximum likelihood. Recuperado de: http://sysbio.oxfordjournals.org/content/52/5/696.full.pdf+html.
  14. Martínez, C. (2015). Evaluación de la eficacia de software de entrenamiento para la detección visual de plagas, enfermedades, deficiencias nutricionales, toxicidad y agentes benéficos en las plantas, en alumnos de la carrera de Ingeniería Agronómica de la Universidad Católica de El Salvador. UNICAES Editores, Universidad Católica de El Salvador.
  15. Chaves, A. (2006). Mecanización agrícola ¿Deterioro o conservación del suelo?. Revista Tecnología en Marcha. Recuperado de: http://revistas.tec. ac.cr/index.php/tec_marcha/article/view/24
  16. Rivera, P. (2015). El Laboreo De Los Suelos Agricolas. Universidad Autónoma Agraria Antornio Narro. México. Recuperado de: http://repositorio. uaaan. mx:8080/xmlui/handle/123456789/5684
  17. Alvarado, O., Jaramillo, R., Valverde, F., Parra, R. (2011). Manejo de nutrientes por sitio especifico en el cultivo de maíz bajo labranza de conservación para la provincia de Bolívar. Estacion Experimental Santa Catalina, Ecuador. Recuperado de: https://books.google.com.sv/books?id=d3ozAQAAMAAJ&lpg=PA13&ots=JHwmD35AMa&lr&hl=es&pg=PP1#v=onepage&q=tractor&f=false
  18. Mendoza, M. (2015). Labranza mecanizada en la productividad del cultivo de maíz h. Trueno. Escuela Superior Politécnica Agropecuaria de Manabí, “Manuel Féliz López”, Ecuador. Recuperado de: http://repositorio. espam.edu.ec/handle/42000/36
  19. Borroto, O. (2005). Medidas de conservación para suelos potencialmente erosionables. Red cubana de ciencias. Recuperado de: http://www. bibliociencias.cu/gsdl/collect/tesis/index/assoc/HASH8ec4.dir/doc.pdf.