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:
12
tipos de suelo (Arcilloso, arcillo arenoso, franco arcilloso, arcillo limoso,
franco arcillo arenoso, franco arcillo limoso, arena, arena poco
franca, franco arenoso, franco, franco limoso, limoso).
5
niveles de humedad del suelo (sobre saturación, saturación,
capacidad de campo, punto de marchitez y punto de marchitez
permanente)
3
niveles de profundidad del suelo agrícola (superficial, medio y
profundo).
3
niveles de cantidad de materia orgánica (Abundante, media y
escasa).
3
niveles de rocosidad (profunda, media y superficial)
3
labranzas por cultivo, como mínimo (roturación, pulimento y
siembra )
22
tipos diferentes de implementos con los que se dispone en El
Salvador (Arado profundo, medio y liviano. Rastra pesada, media y
liviana. Subsolador de uno, dos y tres cinceles. Fertilizadora media
y grande. Rastrillo. Ampliador. Rotovator. Sembradora de grano.
Compactador. Surqueador. Nivelador de suelo. Encamadora. Sprayer.
Chapodadora. Vertedera
mediana y profunda).
Tamaño
del terreno a asistir.
3
dimensiones de tractor de acuerdo a su potencia (Pequeño: hasta 75
HP. Mediano: entre 80 a 110 HP. Grande: de 120 HP en adelante).
4
tipos
de tracción:
rodaje sencillo 2WD, rodaje sencillo 4WD, doble rodaje 2WD, doble
rodaje 4WD.
Al
menos 9
tipos de cultivo (Caña de azúcar. Arroz. Maicillo.
Maíz
y frijol de secano, de regadío y de humedad. Hortalizas.)
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:
C = tipo de cultivo que se realiza en
El Salvador.
L = tipo de labranza efectuada en El
Salvador.
I = tipo de implemento agrícola
disponible en El Salvador.
T = tipo de tractor disponible en El
Salvador.
S = tipo de suelo.
M = cantidad de materia orgánica
presente en el suelo al momento de la labranza.
P = profundidad del suelo agrícola
(capa usable).
A = categorización de la
compactación del suelo.
R = profundidad a la cual se
encuentra la rocosidad en el suelo.
H = huedad del suelo al momento de
efectuar la labranza.
E = extensión del terreno a
cultivar.
D = dureza del suelo.
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
Instituto
Canadiense de Fosfato y Potasa, (2006). Manual de Fertilidad de
Suelos. Publicado por Instituto Nacional de Nutrición Vegetal. ISBN
0-9629598-5-5.
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
Instituto
Canadiense de Fosfato y Potasa, (2012). Preparing for the
International Certified Crop Advisor. Décimo novena edición.
Publicado por Instituto Nacional de Nutrición Vegetal.
Kendal,
K. (2012). Análisis y Diseño de Sistemas. Octava edición. México,
Pearson Education. ISBN: 978-607-32-0577-1.
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
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
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
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
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
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
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
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
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.
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.
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
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
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
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
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.