La aplicación de la agricultura de precisión es un tema de vanguardia ya que favorece a una mejor eficiencia en el rendimiento de los cultivos; además, propone una visión sistémica que incrementa el cuidado del ambiente y una visión potencial hacia la agricultura sustentable. Para cumplir con esta misión, los agricultores aplican el uso de sistemas de información geográfica y sensores remotos como tecnología principal. Por lo tanto, para estar a la vanguardia, es necesario dominar el análisis de imágenes satelitales y conocer los softwares disponibles para esto.

Este curso tiene como finalidad brindar conocimientos aplicables al tema de agricultura de precisión mediante la creación de un proyecto aplicado a un área agrícola real para clasificar el terreno en áreas de alta y baja producción con base en las propiedades del suelo de dicha área. La metodología será realizada con base en el uso de QGIS y R con imágenes satelitales y árboles de regresión y clasificación lineal.

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.

Metodología

A continuación unos detalles de cada metodología:

Virtual online

El número de vacantes es de 15 personas.
Se entregarán manuales y archivos para los ejercicios.
El curso se desarrollara por transmisión en vivo en canal privado de Youtube.
Los ejercicios se explicarán dos veces. Las preguntas se realizaran por texto o por llamada por Google Hangout.
Existe un moderador dedicado a responder las preguntas de los estudiantes.
El curso será grabado y se les compartirá un enlace privado de YouTube.
Existe soporte online fuera del horario de clase para dudas referente a los ejercicios desarrollados en el curso.
El usuario se compromete a disponer de una buena conexión de internet.
Certificado digital al final del curso.

Virtual offline

Se entregarán manuales y archivos para los ejercicios.
El curso se desarrollara por videos en canal privado de Youtube.
Existe soporte online para dudas referente a los ejercicios desarrollados en el curso.
El usuario se compromete a disponer de una buena conexión de internet.
Certificado digital al final del curso.

Capacitador:

Marycarmen Martínez M.Sc.

Ingeniera Ambiental - Ciencias y Geociencias

La Srta. Martinez es Ingeniera Ambiental de la Universidad Popular Autónoma del Estado de Puebla (UPAEP) - México con estudios de postgrado en Ciencia en Geociencias de la Universidad James Cook - Australia. La Srta Martinez tiene gran capacidad analítica para identificación de impactos con base SIG enfocados al medio ambiente. Tiene amplia experiencia en materia de riesgo e impacto ambiental desarrollando mapas y modelos. Ha participado en proyectos sostenibles para comunidades rurales y proyectos de conservacion y uso sostenible de agua y suelo.

Fechas y Horario

Enero del 2018, hora de Lima (GMT-5)

Lunes 22 de 7:00 p.m. - 10:00 p.m.
Miércoles 24 de 7:00 p.m. - 10:00 p.m.
Jueves 25 de 7:00 p.m. - 10:00 p.m.
Lunes 29 de 7:00 p.m. - 10:00 p.m.
Miércoles 31 de 7:00 p.m. - 10:00 p.m.

Febrero del 2018, hora de Lima (GMT-5)

Jueves 01 de 7:00 p.m. - 10:00 p.m.

Costo

Los costos según la modalidad del curso:

Forma de Pago

1. Tarjeta de Crédito - Vía Paypal

Las personas pueden pagar con tarjeta de crédito. Simplemente ponga "Pago por tarjeta" dentro de Medio de Pago e indicar los siguiente:

2. Deposito a cuenta en Perú

BBVA Continental

Depósito a Cuenta Ahorros Soles BBVA Continental. Titular: Saul Montoya, DNI:40080212

Número de Cuenta: 0011-0184-02-00483571
Código de Cuenta Interbancario CCI: 011-184-000200483571-92

Banco de Credito

Depósito a Cuenta Ahorros Soles Banco de Credito. Titular: Saul Montoya, DNI:40080212

Número de Cuenta: 194-35005173-0-59
Código de Cuenta Interbancario CCI: 00219413500517305994

Al efectuar el pago, por favor envíenos el voucher escaneado.

3. Transferencia por Western Union

Datos del destinatario:
Saul Alberto Montoya Heredia
DNI: 40080212
Direccion: Av. Caminos del Inca 288 dpto 302, Surco, Lima
Por favor registrar el numero MTCN y ponerlo en el formulario.