Header Ads Widget

Ticker

6/recent/ticker-posts

Agricultura basada en datos: uso de API en la agricultura

 


La agricultura es, en última instancia, una ciencia antigua que se ha repetido durante generaciones. Con cada nuevo cultivo, cada nueva familia y cada nueva cultura, hemos descubierto más sobre las técnicas agrícolas óptimas Debido a esto, generalmente entendemos la agricultura desde una perspectiva localizada: entendemos que las temporadas de siembra, los tipos de suelo y otras variables dentro del proceso agrícola tienen profundos impactos localizados en el rendimiento, el sabor, la calidad y más.

Sin embargo, desafortunadamente, estos datos no siempre son algo que pueda extrapolarse a una perspectiva global. La industria agrícola global es muy diferente de su granja de subsistencia promedio o campo cooperativo, y debido a esto, los agricultores necesitan datos únicos para unir su comprensión entre las prácticas globales, lecciones, conocimientos y esfuerzos localizados.

Esto es exactamente lo que las API de datos de alta tecnología ofrecen al agricultor medio. El uso de API en la agricultura es una solución de alta tecnología para un problema de baja tecnología y ofrece mucho para resolver problemas de eficiencia, eficacia y mantenimiento a largo plazo de la industria agrícola, desde las mega fincas hasta las cooperativas locales.

Tipos de datos recopilados por las API agrícolas

Cuando hablamos de las API basadas en datos para la agricultura, es útil ver qué tipo de datos se están utilizando realmente. Si bien las API pueden manejar un amplio conjunto de datos, la mayoría de las API agrícolas se preocupan por los datos globales, los datos regionales y los datos locales.

Global Data es el más amplio de estos tipos de datos y contiene información de ventas, guía de ruta de envío internacional, tasas de deterioro y más, funcionando en última instancia como un marco de referencia para la importación y exportación. Este tipo de datos es utilizado predominantemente por API que se preocupan por reducir las pérdidas por deterioro, garantizar el cumplimiento de las regulaciones comerciales internacionales e incluso con el envío nacional en masas continentales no contiguas (como Alaska, donde algunos envíos se realizan a través de un país intermediario a pesar de la hecho de que tanto el origen como el destino de los cultivos son de hecho nacionales). Este tipo de datos también es clave para las API financieras y transaccionales , ya que en tales casos se debe establecer una pista de auditoría sólida.

Los datos regionales son todavía bastante amplios, pero se preocupan menos por cuestiones de comercio internacional y más por cuestiones regionales específicas. El seguimiento del clima , los datos agrícolas colectivos, la información del nivel freático y más son puntos de datos clave que tienen un gran efecto en el manejo de cultivos y el trabajo agrícola regional colectivo. Estos tipos de API suelen ser de naturaleza colectiva, es decir, las granjas proporcionan datos localizados que luego se recopilan en muchos puntos de datos para proporcionar una descripción general colectiva de la región en general. Estas API también tienden a depender en gran medida de puntos de datos de los gobiernos municipales y regionales , como informes de sequía, impuestos sobre la salud y otros factores manejados específicamente por los gobiernos estatales y locales.

Los datos locales son específicos de la granja individual. Las estadísticas de CO2 para el suelo, los indicadores de rendimiento de los cultivos y los motores de predicción, las fechas de siembra y cosecha y otra información altamente localizada se encuentran típicamente en este espacio. Si bien los datos globales y los datos regionales suelen ser un esfuerzo colectivo, el procesamiento de datos localizados generalmente se ofrece a través de una combinación de dispositivos de Internet de las cosas y algún tipo de oferta de sistema como servicio .

En conjunto, el uso de cualquier combinación de estos sistemas de datos da como resultado una especie de "célula" agrícola, lo que permite que la granja funcione como una granja individual, única y autónoma mientras utiliza datos y métricas generadas por la comunidad agrícola en general. Debido a que los agricultores pueden usar tantas o tan pocas de estas fuentes de datos como deseen (o estén dispuestos y puedan pagar), el enfoque de los datos en la agricultura es extremadamente granular, y cada caso de uso específico exige su propia implementación personalizada.

Descubra cómo las API están afectando a otras industrias: salud , construcción ecológica , Internet de las cosas , comercio electrónico

La necesidad de datos agrícolas

Hemos identificado los tipos de datos que pueden usar estas API, pero queda una pregunta muy simple por responder: ¿cuál es el valor de esta información? ¿Por qué pasar a utilizar los datos, dada la eficacia histórica de la agricultura?

En pocas palabras, la agricultura es un equilibrio entre la eficiencia y la producción , con una preocupación adicional por la sostenibilidad y la salud del campo a largo plazo . Los desechos son, de hecho, uno de los mayores líderes en pérdidas en una granja y, como tal, deben reducirse. El problema es que el desperdicio, ya sea a través de métodos de plantación deficientes o de reducción del deterioro, es difícil de medir, difícil de controlar y difícil de prevenir. Aquí es exactamente donde entra en juego la agricultura basada en datos.

El desperdicio se puede reducir mediante esfuerzos colectivos, que dependen en gran medida de los datos generados por participantes dispuestos. Estos datos pueden informar los métodos de siembra adecuados , los ciclos de cosecha efectivos , el uso más eficiente de la capa freática y más; en última instancia, estos datos pueden ayudar a crear una situación de menor desperdicio y menos deterioro, lo que en última instancia resulta en mayores cantidades de producto e ingresos.

En última instancia, hay dos  tipos de ecosistemas : un ecosistema natural donde se crean los productos y un ecosistema digital de productores. La utilización de datos es clave para garantizar la eficiencia y la eficacia en ambos ecosistemas, mejorar la eficiencia, reducir los costos, disminuir el desperdicio y, en general, mejorar la red de productores en lo que hacen.

API agrícolas frente a API genéricas

Por supuesto, se debe señalar que cuando hablamos de API agrícolas , estamos hablando de un tipo de API muy especializado y específico. Las API genéricas pueden ser útiles en algunas aplicaciones, pero en términos de agricultura, intentar usarlas con fines agrícolas es esencialmente una situación de clavija cuadrada y agujero redondo. Los datos agrícolas son muy específicos y, como tal, una API meteorológica genérica o una fuente de datos municipales no es realmente apropiada, ya que tienden a ofrecer un solo propósito, una mirada no especializada a los datos disponibles.

Las API agrícolas utilizan conjuntos de datos específicos de la agricultura; a partir de estos conjuntos, se agregan valor entre sí al trabajar colectivamente. Los datos meteorológicos y sus modelos resultantes solo son útiles de manera limitada ; sin embargo, cuando se presentan juntos, estos conjuntos de datos se transforman de datos puros en información útil y procesable.

En pocas palabras, las API comerciales y genéricas están bien, pero las API estandarizadas y específicas para la agricultura ofrecerán más beneficios para la agricultura, maximizando el éxito, las ganancias, la eficiencia, la eficacia y reduciendo el desperdicio a través de datos específicos relacionados.

Lea también: ¿Cómo están alterando las API nuestra forma de pensar?

Estudios de caso

Cuando se habla de un concepto tan amplio, a menudo es útil observar algunos casos de uso específicos para este tipo de API. Los siguientes cuatro estudios de caso muestran exactamente cómo estos datos son útiles y por qué están preparados para volverse omnipresentes en los próximos años.

Estudio de caso 1 - Juicios de Fujitsu y Aeon en la provincia de Hà Nam

Fujitsu y Aeon, ambos gigantes masivos en el mercado asiático, lanzaron una prueba de campo utilizando una serie de dispositivos interconectados y algunas API específicas para la agricultura . Los éxitos incontrolados de estas técnicas de TIC , especialmente en la consolidación y utilización de datos de fuentes que incluyen registros de trabajo agrícola , condiciones de cultivo y entorno de cultivo , inspiraron las pruebas de campo en Vietnam para ver si el mismo éxito podía repetirse.

El estudio vinculó datos de fuentes dispares, incluidas las operaciones de teléfonos inteligentes locales por parte de agricultores y trabajadores de campo , y agregó los datos para que sirvan como guía agrícola. Los datos probaron específicamente una variedad de técnicas agrícolas para encontrar vínculos ocultos entre la salud del campo, la técnica, los programas de siembra y su relación con los elementos comerciales de costo, ingresos y calidad.

Este es un ejemplo perfecto de cómo la unión de datos localizados y regionales en una API centrada en el negocio puede servir para aprovechar las fuentes de datos existentes a mayores alturas. Si bien muchos de estos datos ya existían, poder recopilar esas fuentes de datos y ver sus relaciones es clave para mejorar el comercio internacional y las funciones comerciales de los productores.

Estudio de caso 2: Iteris ClearAg

Las aplicaciones cliente aprovechan los datos del clima, el agua, el suelo y la salud de los cultivos de las API de ClearAg

Mientras que la prueba de campo de Aeon Vietnam es más un ejemplo de un beneficio generalizado de las API en este espacio, ClearAg es un ejemplo más específico del valor de microservicios agrícolas específicos . Iteris ClearAg ofrece varias API únicas, cada una con su propio conjunto de funciones específicas diseñadas para ofrecer datos procesables para la agricultura de precisión .

La API de Campo El tiempo utiliza los datos del sensor y el personal Iteris la meteorología en la empresa para generar datos sobre las precipitaciones , granizo, heladas, viento de velocidad, dirección del viento, la temperatura , y más, todo con los objetivos de que apunta hacia la siembra y la utilización óptima en un campo de base de campo.

La API de salud de los cultivos utiliza sensores y los datos recogidos, así como modelos de nutrientes, estela, el crecimiento, y más para controlar y mejorar la salud del cultivo.

Estas son solo dos de sus API: ofertas adicionales como la superposición de mapas, las condiciones del suelo, la cuenta y los componentes ClearAg, cada una ofrece funciones igualmente complejas y diversas, entregando datos procesables para los agricultores.

Acerca de la usabilidad de API: 4 API que hacen muy bien la experiencia del desarrollador

Estudio de caso 3 - Agworld

La plataforma de agricultura colaborativa de Agworld proporciona una API para acceso programático.

Por supuesto, no todas las API agrícolas se centrarán en los procesos de cultivo. Algunas API y soluciones estarán relacionadas tangencialmente con la agricultura, ofreciendo funciones terciarias que pueden no estar directamente relacionadas con el mundo agrícola, pero son de valor absoluto para aquellos dentro de la industria. Un gran ejemplo de esto es Agworld. Agworld es una plataforma basada en la nube con una API JSON que ofrece datos cooperativos de solo lectura sobre granjas y empresas agrícolas. Luego utilizan estos datos para formar un entendimiento colectivo entre las partes interesadas.

Esto es excelente para planificar transacciones de comercialización, el tiempo de colaboración crece para cumplir con grandes pedidos, rotar campos y arrendar  espacio a otros agricultores. Incluso se podría lograr la distribución colaborativa de recursos de un fondo común. En última instancia, la API de Agworld impulsa ofertas premium que ramifican estas funciones en otras direcciones diferentes, pero la API en sí es una oferta freemium que promete algunas funciones importantes a muy bajo costo.

Estudio de caso 4: datos y análisis nacionales

Proporcionado por USDA, CropScape ofrece datos locales precisos

Si bien los ejemplos anteriores que hemos discutido tienen un alcance bastante limitado, un gran ejemplo de un ejemplo más amplio es la API de CropScape . La API CropScape utiliza el Servicio Nacional de Estadísticas Agrícolas del USDA para entregar algunos datos muy poderosos a los agricultores y trabajadores agrícolas.

La API se vincula con  datos específicos de cultivos georreferenciados y luego superpone estos datos sobre imágenes de satélite para proporcionar referencias de datos regionales y nacionales. Luego, estos datos pueden usarse no solo para brindar un procesamiento más eficiente para los agricultores y trabajadores relacionados, sino también para entregar datos comerciales a mercados y centros de distribución a gran escala, identificando áreas de posibles escaseces y excesos.

La API tiene variantes RESTful y SOAP , y entrega estos datos en una amplia gama de formatos de datos , incluidos texto, CSV y JSON. Estos datos podrían usarse para hacer referencias cruzadas con otras API y fuentes de datos, mostrando datos de campo de tierras de cultivo y creando un marco no solo para la salud de los cultivos a escala nacional, sino también para patrones de siembra, datos de comportamiento para regiones de consumidores e incluso el efecto de patrones climáticos históricos, en tiempo real y pronosticados en la industria agrícola nacional.

Conclusión

El software de agricultura de precisión es definitivamente un concepto nuevo, pero es el resultado final de décadas de desarrollo en agricultura colaborativa y conectada. A medida que pase más tiempo y se descubran metodologías adicionales para mejorar la tecnología de la agricultura en la era moderna, los datos de IoT solo serán mucho más importantes e impactantes.

Al adoptar la agricultura basada en datos, las granjas reducen los desechos y mejoran la gestión. El simple hecho es que las granjas y los gobiernos ya están proporcionando estos conjuntos de datos. No usarlos es simplemente permitir que estos datos se desperdicien cuando podrían aprovecharse para sus propios éxitos.

Acabamos de arañar la superficie de una industria próspera con emocionantes desarrollos en sensores, IoT, drones y robótica. Las API están en el corazón de esta transformación. ¿Dejamos algo fuera? ¡Comenta abajo!

Publicar un comentario

0 Comentarios