Agricultura digital y servicios agroclimáticos: Modernizando los servicios de extensión en el sector arrocero para mejorar la adaptación al clima
Esta presentación se llevó a cabo en el marco de la XIV Conferencia Internacional de Arroz para América Latina y el Caribe. En primer lugar, se abordó la importancia de la información agroclimática histórica en la implementación de estrategias de adaptación para el cultivo de arroz. A través de mode...
| Main Author: | |
|---|---|
| Format: | Ponencia |
| Language: | Español |
| Published: |
2024
|
| Subjects: | |
| Online Access: | https://hdl.handle.net/10568/155385 |
| _version_ | 1855520461806370816 |
|---|---|
| author | Barrios Perez, Camilo |
| author_browse | Barrios Perez, Camilo |
| author_facet | Barrios Perez, Camilo |
| author_sort | Barrios Perez, Camilo |
| collection | Repository of Agricultural Research Outputs (CGSpace) |
| description | Esta presentación se llevó a cabo en el marco de la XIV Conferencia Internacional de Arroz para América Latina y el Caribe. En primer lugar, se abordó la importancia de la información agroclimática histórica en la implementación de estrategias de adaptación para el cultivo de arroz. A través de modelos de simulación específicos y la generación de indicadores agroclimáticos, esta información permite analizar condiciones pasadas y proyectar escenarios futuros, facilitando así una toma de decisiones más informada en el manejo del cultivo. Uno de los temas clave fue el impacto de la variabilidad climática, en particular los eventos de "El Niño", que han incrementado los requerimientos de riego hasta un 9.5% en las zonas arroceras de la región Centro de Colombia, afectando hasta el 89% del área cosechada. Estos cambios representan un desafío significativo para los productores, resaltando la necesidad de adoptar medidas de adaptación más efectivas basadas en datos confiables. También se destacó la utilidad de los algoritmos de machine learning aplicados a datos históricos agronómicos, con el fin de identificar los factores que limitan el rendimiento del cultivo. Estos modelos permiten generar recomendaciones específicas para optimizar las prácticas de manejo, como el uso eficiente del agua y el manejo adecuado de los suelos, además de identificar patrones climáticos favorables y desfavorables para el cultivo de arroz. Asimismo, se propuso el uso de sensores remotos como una herramienta innovadora para el monitoreo en tiempo real de las condiciones agroclimáticas y de la salud del cultivo. Las imágenes satelitales, capaces de detectar fenómenos como sequías, exceso de humedad y olas de calor, ofrecen a los agricultores una visión más precisa de sus parcelas, lo que facilita la toma de decisiones sobre el riego y la identificación de áreas en riesgo. Por último, se hizo hincapié en la importancia de los pronósticos agroclimáticos estacionales para la planificación del manejo del cultivo. Estos pronósticos, junto con las recomendaciones sobre fechas óptimas de siembra, proporcionan una base sólida para la implementación de medidas de adaptación más acertadas. La integración de estas herramientas digitales promete aumentar la resiliencia del sector arrocero ante la incertidumbre climática. |
| format | Ponencia |
| id | CGSpace155385 |
| institution | CGIAR Consortium |
| language | Español |
| publishDate | 2024 |
| publishDateRange | 2024 |
| publishDateSort | 2024 |
| record_format | dspace |
| spelling | CGSpace1553852025-12-08T10:06:44Z Agricultura digital y servicios agroclimáticos: Modernizando los servicios de extensión en el sector arrocero para mejorar la adaptación al clima Barrios Perez, Camilo rice arroz machine learning digital agriculture agricultura digital remote sensing crop modelling pronóstico del rendimiento variabilidad del clima-variabilidad climática información agroclimática sensores remotos pronósticos agroclimáticos Esta presentación se llevó a cabo en el marco de la XIV Conferencia Internacional de Arroz para América Latina y el Caribe. En primer lugar, se abordó la importancia de la información agroclimática histórica en la implementación de estrategias de adaptación para el cultivo de arroz. A través de modelos de simulación específicos y la generación de indicadores agroclimáticos, esta información permite analizar condiciones pasadas y proyectar escenarios futuros, facilitando así una toma de decisiones más informada en el manejo del cultivo. Uno de los temas clave fue el impacto de la variabilidad climática, en particular los eventos de "El Niño", que han incrementado los requerimientos de riego hasta un 9.5% en las zonas arroceras de la región Centro de Colombia, afectando hasta el 89% del área cosechada. Estos cambios representan un desafío significativo para los productores, resaltando la necesidad de adoptar medidas de adaptación más efectivas basadas en datos confiables. También se destacó la utilidad de los algoritmos de machine learning aplicados a datos históricos agronómicos, con el fin de identificar los factores que limitan el rendimiento del cultivo. Estos modelos permiten generar recomendaciones específicas para optimizar las prácticas de manejo, como el uso eficiente del agua y el manejo adecuado de los suelos, además de identificar patrones climáticos favorables y desfavorables para el cultivo de arroz. Asimismo, se propuso el uso de sensores remotos como una herramienta innovadora para el monitoreo en tiempo real de las condiciones agroclimáticas y de la salud del cultivo. Las imágenes satelitales, capaces de detectar fenómenos como sequías, exceso de humedad y olas de calor, ofrecen a los agricultores una visión más precisa de sus parcelas, lo que facilita la toma de decisiones sobre el riego y la identificación de áreas en riesgo. Por último, se hizo hincapié en la importancia de los pronósticos agroclimáticos estacionales para la planificación del manejo del cultivo. Estos pronósticos, junto con las recomendaciones sobre fechas óptimas de siembra, proporcionan una base sólida para la implementación de medidas de adaptación más acertadas. La integración de estas herramientas digitales promete aumentar la resiliencia del sector arrocero ante la incertidumbre climática. 2024-06-10 2024-10-17T08:47:54Z 2024-10-17T08:47:54Z Presentation https://hdl.handle.net/10568/155385 es Open Access application/pdf Barrios Perez, C. (2024) Agricultura digital y servicios agroclimáticos: Modernizando los servicios de extensión en el sector arrocero para mejorar la adaptación al clima. Presentado en: XIV Conferencia Internacional de Arroz para América Latina y el Caribe y la Novena Conferencia de Piricularia en Arroz y Trigo. Panama 10-14 de junio de 2024. 7 sl. |
| spellingShingle | rice arroz machine learning digital agriculture agricultura digital remote sensing crop modelling pronóstico del rendimiento variabilidad del clima-variabilidad climática información agroclimática sensores remotos pronósticos agroclimáticos Barrios Perez, Camilo Agricultura digital y servicios agroclimáticos: Modernizando los servicios de extensión en el sector arrocero para mejorar la adaptación al clima |
| title | Agricultura digital y servicios agroclimáticos: Modernizando los servicios de extensión en el sector arrocero para mejorar la adaptación al clima |
| title_full | Agricultura digital y servicios agroclimáticos: Modernizando los servicios de extensión en el sector arrocero para mejorar la adaptación al clima |
| title_fullStr | Agricultura digital y servicios agroclimáticos: Modernizando los servicios de extensión en el sector arrocero para mejorar la adaptación al clima |
| title_full_unstemmed | Agricultura digital y servicios agroclimáticos: Modernizando los servicios de extensión en el sector arrocero para mejorar la adaptación al clima |
| title_short | Agricultura digital y servicios agroclimáticos: Modernizando los servicios de extensión en el sector arrocero para mejorar la adaptación al clima |
| title_sort | agricultura digital y servicios agroclimaticos modernizando los servicios de extension en el sector arrocero para mejorar la adaptacion al clima |
| topic | rice arroz machine learning digital agriculture agricultura digital remote sensing crop modelling pronóstico del rendimiento variabilidad del clima-variabilidad climática información agroclimática sensores remotos pronósticos agroclimáticos |
| url | https://hdl.handle.net/10568/155385 |
| work_keys_str_mv | AT barriosperezcamilo agriculturadigitalyserviciosagroclimaticosmodernizandolosserviciosdeextensionenelsectorarroceroparamejorarlaadaptacionalclima |