Tecnologías emergentes para el agro y su aplicación en Colombia

La agricultura juega un rol vital en el desarrollo de la sociedad al ser un componente clave en el sector económico para el crecimiento del producto interno bruto de la mayoría de los países (Abioye et al., 2020). Su participación en la productividad económica mundial es del 6,4%, posicionándose en...

Descripción completa

Detalles Bibliográficos
Autores principales:	Ovalle Másmela, Juan Camilo, Romero Perdomo, Felipe Andrés, Uribe Galvis, Claudia Patricia
Formato:	Estudio de vigilancia
Lenguaje:	Español
Publicado:	Corporación colombiana de investigación agropecuaria - AGROSAVIA 2023
Materias:	Investigación agropecuaria - A50 Tecnología emergente Cambio tecnológico Herramientas de extensión digital Inteligencia artificial Nanotecnología Transversal http://aims.fao.org/aos/agrovoc/c_f71dc16f http://aims.fao.org/aos/agrovoc/c_7643 http://aims.fao.org/aos/agrovoc/c_95276007 http://aims.fao.org/aos/agrovoc/c_27064 http://aims.fao.org/aos/agrovoc/c_1307955710901
Acceso en línea:	http://hdl.handle.net/20.500.12324/38661

id	RepoAGROSAVIA38661
record_format	dspace
institution	Corporación Colombiana de Investigación Agropecuaria
collection	Repositorio AGROSAVIA
language	Español
topic	Investigación agropecuaria - A50 Tecnología emergente Cambio tecnológico Herramientas de extensión digital Inteligencia artificial Nanotecnología Transversal http://aims.fao.org/aos/agrovoc/c_f71dc16f http://aims.fao.org/aos/agrovoc/c_7643 http://aims.fao.org/aos/agrovoc/c_95276007 http://aims.fao.org/aos/agrovoc/c_27064 http://aims.fao.org/aos/agrovoc/c_1307955710901
spellingShingle	Investigación agropecuaria - A50 Tecnología emergente Cambio tecnológico Herramientas de extensión digital Inteligencia artificial Nanotecnología Transversal http://aims.fao.org/aos/agrovoc/c_f71dc16f http://aims.fao.org/aos/agrovoc/c_7643 http://aims.fao.org/aos/agrovoc/c_95276007 http://aims.fao.org/aos/agrovoc/c_27064 http://aims.fao.org/aos/agrovoc/c_1307955710901 Ovalle Másmela, Juan Camilo Romero Perdomo, Felipe Andrés Uribe Galvis, Claudia Patricia Tecnologías emergentes para el agro y su aplicación en Colombia
description	La agricultura juega un rol vital en el desarrollo de la sociedad al ser un componente clave en el sector económico para el crecimiento del producto interno bruto de la mayoría de los países (Abioye et al., 2020). Su participación en la productividad económica mundial es del 6,4%, posicionándose en nueve países como el sector dominante (Pathan et al., 2020). La agricultura es la base para la seguridad alimentaria, aliviando el hambre de las comunidades en general al garantizar un suministro de alimentos sostenibles, inocuos y nutritivos (Nicholson et al 2020). Al mismo tiempo, la agricultura es un factor determinante para la salud del planeta, ya que influye directamente en la fertilidad del suelo, en las emisiones de los gases efecto invernadero, en la deforestación y en la pérdida de biodiversidad (Clark et al 2022). Esto ha conllevado al desarrollo y la innovación tecnológica en el sector que han permitido modernizar las cadenas productivas agropecuarias (da Silveira et al 2021). Diversos países en el mundo, que son potencia agrícola, como Estados Unidos, China y Brasil, han enfocado sus esfuerzos e inversiones en las tecnologías digitales emergentes para que apoyen a sus unidades de producción agropecuaria (Saiz-Rubio & Rovira-Más, 2020). En Colombia, la agricultura representa uno de los principales sectores de la economía; no obstante, el uso agrícola del suelo es tan sólo del 13,5% de 39,2 millones de hectáreas con potencial agrícola, donde menos del 10% de las unidades de producción agropecuaria establecidas cuenta con algún tipo de activo de tecnologías de información y comunicación (dispositivos móviles, computadores, tabletas, geo localizadores), y solo el 1,7% tiene acceso a Internet (Rico, 2022; DANE, 2019).
format	Estudio de vigilancia
author	Ovalle Másmela, Juan Camilo Romero Perdomo, Felipe Andrés Uribe Galvis, Claudia Patricia
author_facet	Ovalle Másmela, Juan Camilo Romero Perdomo, Felipe Andrés Uribe Galvis, Claudia Patricia
author_sort	Ovalle Másmela, Juan Camilo
title	Tecnologías emergentes para el agro y su aplicación en Colombia
title_short	Tecnologías emergentes para el agro y su aplicación en Colombia
title_full	Tecnologías emergentes para el agro y su aplicación en Colombia
title_fullStr	Tecnologías emergentes para el agro y su aplicación en Colombia
title_full_unstemmed	Tecnologías emergentes para el agro y su aplicación en Colombia
title_sort	tecnologías emergentes para el agro y su aplicación en colombia
publisher	Corporación colombiana de investigación agropecuaria - AGROSAVIA
publishDate	2023
url	http://hdl.handle.net/20.500.12324/38661
work_keys_str_mv	AT ovallemasmelajuancamilo tecnologiasemergentesparaelagroysuaplicacionencolombia AT romeroperdomofelipeandres tecnologiasemergentesparaelagroysuaplicacionencolombia AT uribegalvisclaudiapatricia tecnologiasemergentesparaelagroysuaplicacionencolombia
_version_	1808104936823586816
spelling	RepoAGROSAVIA386612024-08-06T13:59:07Z Tecnologías emergentes para el agro y su aplicación en Colombia Ovalle Másmela, Juan Camilo Romero Perdomo, Felipe Andrés Uribe Galvis, Claudia Patricia Investigación agropecuaria - A50 Tecnología emergente Cambio tecnológico Herramientas de extensión digital Inteligencia artificial Nanotecnología Transversal http://aims.fao.org/aos/agrovoc/c_f71dc16f http://aims.fao.org/aos/agrovoc/c_7643 http://aims.fao.org/aos/agrovoc/c_95276007 http://aims.fao.org/aos/agrovoc/c_27064 http://aims.fao.org/aos/agrovoc/c_1307955710901 La agricultura juega un rol vital en el desarrollo de la sociedad al ser un componente clave en el sector económico para el crecimiento del producto interno bruto de la mayoría de los países (Abioye et al., 2020). Su participación en la productividad económica mundial es del 6,4%, posicionándose en nueve países como el sector dominante (Pathan et al., 2020). La agricultura es la base para la seguridad alimentaria, aliviando el hambre de las comunidades en general al garantizar un suministro de alimentos sostenibles, inocuos y nutritivos (Nicholson et al 2020). Al mismo tiempo, la agricultura es un factor determinante para la salud del planeta, ya que influye directamente en la fertilidad del suelo, en las emisiones de los gases efecto invernadero, en la deforestación y en la pérdida de biodiversidad (Clark et al 2022). Esto ha conllevado al desarrollo y la innovación tecnológica en el sector que han permitido modernizar las cadenas productivas agropecuarias (da Silveira et al 2021). Diversos países en el mundo, que son potencia agrícola, como Estados Unidos, China y Brasil, han enfocado sus esfuerzos e inversiones en las tecnologías digitales emergentes para que apoyen a sus unidades de producción agropecuaria (Saiz-Rubio & Rovira-Más, 2020). En Colombia, la agricultura representa uno de los principales sectores de la economía; no obstante, el uso agrícola del suelo es tan sólo del 13,5% de 39,2 millones de hectáreas con potencial agrícola, donde menos del 10% de las unidades de producción agropecuaria establecidas cuenta con algún tipo de activo de tecnologías de información y comunicación (dispositivos móviles, computadores, tabletas, geo localizadores), y solo el 1,7% tiene acceso a Internet (Rico, 2022; DANE, 2019). Observatorio de Ciencia, Tecnología e Innovación del Sector Agropecuario Colombiano - OCTIAGRO Departamento de Articulación Institucional - DAI 2023-11-28T14:55:24Z 2023-11-28T14:55:24Z 2023-09 2023 Estudio de vigilancia http://purl.org/coar/resource_type/c_2f33 info:eu-repo/semantics/book http://purl.org/coar/version/c_970fb48d4fbd8a85 http://hdl.handle.net/20.500.12324/38661 10.21930/agrosavia.estudiodevigilancia.2023.2 reponame:Biblioteca Digital Agropecuaria de Colombia instname:Corporación colombiana de investigación agropecuaria AGROSAVIA spa Serie Documentos de Trabajo Abbasi, R., Martinez, P., Ahmad, R. (2022). The digitization of agricultural industry–a systematic literature review on agriculture 4.0. Smart Agricultural Technology, 100042 Abioye, E.A., Abidin, M.S.Z., Mahmud, M.S.A., Buyamin, S., Ishak, M.H.I., Abd Rahman, M.K.I., Otuoze, A.O., Onotu, P., Ramli, M.S.A. (2020). A review on monitoring and advanced control strategies for precision irrigation. Computers and Electronics in Agriculture, 173, 105441. Abuchaibe, J., Gómez, X.J. (2021). Prototipo de aplicación móvil para la gestión de ventas en el sector agrícola integrando técnicas de inteligencia artificial y computación en la nube. Recuperado de: http://hdl.handle.net/20.500.12749/16261. Adobe. (2022). ¿Qué es la realidad aumentada? Explicación de la realidad aumentada. Tomado de https://www.adobe.com/mx/products/substance3d/discover/what-is-ar.html (Revisado el 22/11/2022). Alvarez, Y.A.M., Molano, J.I.R. (2022). Colombian agriculture: approaching agriculture 4.0. Ingeniería Solidaria, 18(2), 1-19. Apolo-Apolo, O.; Martínez-Guanter, J.; Egea, G.; Raja, P.; Pérez-Ruiz, M. (2020). Deep learning techniques for estimation of the yield and size of citrus fruits using a UAV. European Journal of Agronomy, 115, 126030. Aqeel-ur-Rehman, Z.A.S., Shaikh, N.A., Islam, N. (2010). An integrated framework to develop context-aware sensor grid for agriculture. Australian Journal of Basic and Applied Sciences, 4(5), 922-931. Arenales, J.V. (2022). ¿Cuál es el país latinoamericano con inversión más alta en tecnología en el último año? Diario La República. Disponible en: https://www.larepublica.co/internet-economy/cual-pais-de-latinoamericano-con-inversion-mas-alta-en-tecnologia-en-el-ultimo-ano-3459655#:~:text=Particularmente%20en%20Colombia%2C%20la%20inversi%C3%B3n,innovaci%C3%B3n%20en%20todo%20el%20pa%C3%ADs (Revisado el 21/10/2022). Ariza, C., Mayorga, O.L., Guadrón Duarte, L., Valencia Echavarría, D.M., Mestra Vargas, L.I., Santana Rodríguez, M.O., Ortiz, R.E., Pérez, A., Camargo, D.B., Carvajal, C.T., Parra, D., Sierra Alarcón, A.M. (2020). Alimentro: el valor nutricional de recursos forrajeros de Colombia. Sistema de información. Colombia. Corporación Colombiana de Investigación Agropecuaria (AGROSAVIA). Balaska, V., Adamidou, Z., Vryzas, Z., Gasteratos, A. (2023). Sustainable Crop Protection via Robotics and Artificial Intelligence Solutions. Machines, 11(8), 774. Bermeo-Almeida, O., Cardenas-Rodriguez, M., Samaniego-Cobo, T., Ferruzola-Gómez, E., Cabezas-Cabezas, R., Bazán-Vera, W. (2018). Blockchain in agriculture: A systematic literature review. In International Conference on Technologies and Innovation (pp. 44-56). Springer, Cham. Carvajalino-Umaña, J.D., Romero-Perdomo, F., López-González, M., Ardila, N., González-Curbelo, M.Á. (2022). Economía circular en Colombia: Panorama y estrategias para acelerar su implementación. En Serna E. (ed.), Ingeniería y Desarrollo en la Nueva Era, 187-200. Editorial Instituto Antioqueño de Investigación. Castaño-Marín, A.M., Sánchez-Vívas, D.F., Duarte-Carvajalino, J.M., Góez-Vinasco, G.A., Araujo-Carrillo, G.A. (2023). Estimating Carrot Gross Primary Production Using UAV-Based Multispectral Imagery. AgriEngineering, 5(1), 325-337. Castillo-Díaz, F.J. (2022). Cinco aplicaciones de la inteligencia artificial en agricultura. Tomado de https://www.plataformatierra.es/innovacion/IA-inteligencia-artificial-aplicaciones/ (Revisado el 21/11/2022). Chi, M., Plaza, A., Benediktsson, J.A., Sun, Z., Shen, J., Zhu, Y. (2016). Big Data for Remote Sensing: Challenges and Opportunities, Proceedings of the IEEE, 104, 2207–2219. Clark, M., Springmann, M., Rayner, M., Scarborough, P., Hill, J., Tilman, D., Macdiarmid, J.I., Fanzo, J., Bandy, L., Harrington, R. A. (2022). Estimating the environmental impacts of 57,000 food products. Proceedings of the National Academy of Sciences, 119(33), e2120584119. Contreras-Medina, D.I., Medina-Cuéllar, S.E., Rodríguez-García, J.M. (2022). Roadmapping 5.0 Technologies in Agriculture: A Technological Proposal for Developing the Coffee Plant Centered on Indigenous Producers’ Requirements from Mexico, Via Knowledge Management. Plants, 11(11), 1502. DANE. Encuesta Nacional Agropecuaria (ENA) 2019. (2020). Available: https://www.dane.gov.co/files/investigaciones/agropecuario/enda/ena/2019/boletin_ena_2019.pdf (Revisado el 23/11/2022). De Oliveira, M.E., Corrêa, C.G. (2020). Virtual Reality and Augmented reality applications in agriculture: a literature review. In 2020 22nd Symposium on Virtual and Augmented Reality (SVR) (pp. 1-9). IEEE. Delgadillo-Duran, D.A., Vargas-García, C.A., Varón-Ramírez, V.M., Calderón, F., Montenegro, A.C., Reyes-Herrera, P.H. (2022). Vis–NIR spectroscopy and machine learning methods to diagnose chemical properties in Colombian sugarcane soils. Geoderma Regional, 31, e00588. Dey, K., Shekhawat, U. (2021). Blockchain for sustainable e-agriculture: Literature review, architecture for data management, and implications. Journal of Cleaner Production, 316, 128254. Duarte-Carvajalino, J.M., Silva-Arero, E.A., Góez-Vinasco, G.A., Torres-Delgado, L.M., Ocampo-Paez, O.D., Castaño-Marín, A.M. (2021). Estimation of water stress in potato plants using hyperspectral imagery and machine learning algorithms. Horticulturae, 7(7), 176. European Commission. (2022). Industry 5.0: Towards More Sustainable, Resilient and Human-Centric Industry. Available online: https://ec.europa.eu/info/news/industry-50-towards-more-sustainable-resilient-and-human-centric-industry-2021-jan-07_ (Revisado el 10/11/2022). Equipo de edX. (2021). Inteligencia Artificial vs. Aprendizaje Automático: Explicación y consejos de aprendizaje. Tomado de https://blog.edx.org/es/inteligencia-artificial-vs-aprendizaje-automatico-explicacion-y-consejos-de-aprendizaje. Revisado el 21/11/2022 Everingham, Y., Sexton, J., Skocaj, D., Inman-Bamber, G. (2016). Accurate prediction of sugarcane yield using a random forest algorithm. Agronomy for sustainable development, 36(2), 1-9. FAO. (2021). Más que solo criptomonedas: uso de blockchain para la acción climática en la agricultura. Tomado de https://www.fao.org/sustainable-development-goals/news/detail-news/es/c/1402107/ (Revisado el 24/11/2022). Feng, P., Wang, B., Li Liu, D., Waters, C., Xiao, D., Shi, L., Yu, Q. (2020). Dynamic wheat yield forecasts are improved by a hybrid approach using a biophysical model and machine learning technique. Agricultural and Forest Meteorology, 285, 107922. Florez- Martinez, D., Uribe-Galvis C.P. (2020). Fourth Industrial Revolution Technologies for Agriculture Sector: a trend analysis in Agriculture 4.0. 18th LACCEI International Multi-Conference for Engineering, Education, and Technology: “Engineering, Integration, and Alliances for a Sustainable Development” “Hemispheric Cooperation for Competitiveness and Prosperity on a Knowledge-Based Economy”, 27-31 July 2020, Virtual Edition. DOI http://dx.doi.org/10.18687/LACCEI2020.1.1.11 ISBN: 978-958-52071-4-1 ISSN: 2414-6390 Friha, O., Ferrag, M.A., Shu, L., Maglaras, L., Wang, X. (2021). Internet of things for the future of smart agriculture: a comprehensive survey of emerging technologies, IEEE/CAA Journal of Automatica Sinica, 8(4), 718–752. Fu, Z.; Jiang, J.; Gao, Y.; Krienke, B.; Wang, M.; Zhong, K.; Cao, Q.; Tian, Y.; Zhu, Y.; Cao, W. (2020). Wheat growth monitoring and yield estimation based on multi-rotor unmanned aerial vehicle. Remote Sensing, 12, 508. Gai, R., Chen, N., Yuan, H. (2023). A detection algorithm for cherry fruits based on the improved YOLO-v4 model. Neural Computing and Applications, 35(19), 13895-13906. Gao, Y., Cao, Z., Cai, W., Gong, G., Zhou, G., Li, L. (2023). Apple Leaf Disease Identification in Complex Background Based on BAM-Net. Agronomy, 13(5), 1240. Gil, G., Casagrande, D.E., Cortés, L.P., Verschae, R. (2023). Why the low adoption of robotics in the farms? Challenges for the establishment of commercial agricultural robots. Smart Agricultural Technology, 3, 100069. Gogos A., Knauer, K., Bucheli, T.D. (2012). Nanomaterials in plant protection and fertilization: current state, foreseen applications, and research priorities. Journal of Agricultural and Food Chemical, 60(39), 9781–9792. Gour, B., Maurya, J.P. (2023). Intelligent and Smart Agriculture System Using Cooperative Approach. Intelligent Sensor Node-Based Systems: Applications in Engineering and Science, 23(3), 211. Gralla, P. (2018). Precision Agriculture Yields Higher Profits, Lower Risks. Available online: https://www.hpe.com/us/en/insights/articles/precision-agriculture-yields-higher-profits-lower-risks-1806.html (Revisado el 23/11/2022) Hang, L., Ullah, I., Kim, D.-H. (2020). A secure fish farm platform based on blockchain for agriculture data integrity. Computers and Electronics in Agriculture, 170. Hinson, R., Lensink, R., Mueller, A. (2019). Transforming agribusiness in developing countries: SDGs and the role of FinTech. Current Opinion in Environmental Sustainability, 41, 1–9. Hutchins, J., Hueth, B. (2023). 100 years of data sovereignty: Cooperative data governance and innovation in US dairy. Applied Economic Perspectives and Policy, 45, 1551–1576. Huuskonen, J., Oksanen, T. (2018). Soil sampling with drones and augmented reality in precision agriculture. Computers and electronics in agriculture, 154, 25-35. Huynh-The, T., Pham, Q.V., Pham, X.Q., Nguyen, T.T., Han, Z., Kim, D.S. (2023). Artificial intelligence for the metaverse: A survey. Engineering Applications of Artificial Intelligence, 117, 105581. Ibrahim, I. A., Truby, J. M. (2023). FarmTech: Regulating the use of digital technologies in the agricultural sector. Food and Energy Security, 12, e483. Industry Research. (2022). Global Big Data Analytics in Agriculture Industry Research Report, Competitive Landscape, Market Size, Regional Status and Prospect. Tomado de https://www.industryresearch.biz/enquiry/request-sample/21534364 (Revisado el 23/11/2022). Jiang, S., Zhou, J., Qiu, S. (2022). Digital agriculture and urbanization: mechanism and empirical research. Technological Forecasting and Social Change, 180, 121724. Jiao, X., Chai, S., Wang, S. (2010). Virtual Assembly of Agriculture Equipment Key Components Based on Virtual Reality Technique. In 2010 Third International Conference on Information and Computing (Vol. 1, pp. 27-30). IEEE. Jie, H. U., Jiabin, W.A.N.G., Zhongjun, D.U., Xiaoguang, L.I.U. (2019). Application Status of Big Data in Agriculture and International Cooperation. In Journal of Physics: Conference Series (Vol. 1314, No. 1, p. 012201). IOP Publishing. Jiménez, M., Abbott, P., Foster, K. (2018). Measurement and analysis of agricultural productivity in Colombia. Ecos de Economía, 22(47), 4-37. Jung, J.; Maeda, M.; Chang, A.; Bhandari, M.; Ashapure, A.; Landivar-Bowles, J. (2021). The potential of remote sensing and artificial intelligence as tools to improve the resilience of agriculture production systems. Current Opinion in Biotechnology, 70, 15–22 Kaloxylos, A., Groumas, A., Sarris, V., Katsikas, L., Magdalinos, P., Antoniou, E., Politopoulou, Z., Wolfert, S., Brewster, C., Eigenmann, R., Terol, C.M. (2014). A cloud-based Farm Management System: Architecture and implementation. Computers and electronics in agriculture, 100, 168-179. Kamilaris, A.; Kartakoullis, A.; Prenafeta-Boldú, F.X. (2017). A review on the practice of big data analysis in agriculture. Computers and electronics in agriculture, 143, 23–37. Kamilaris, A., Fonts, A., Prenafeta-Boldύ, F.X. (2019). The rise of blockchain technology in agriculture and food supply chains. Trends in food science & technology, 91, 640-652. Kah M, Beulke S, Tiede K, Hofmann T. (2013). Nanopesticides: state of knowledge, environmental fate, and exposure modeling. Critical Reviews in Environmental Science and Technology, 43(16), 1823–1867. Khan, M.A.; Akram, T.; Sharif, M.; Awais, M.; Javed, K.; Ali, H.; Saba, T. (2018). CCDF: Automatic system for segmentation and recognition of fruit crops diseases based on correlation coefficient and deep CNN features. Computers and electronics in agriculture, 155, 220–236. Klerkx, L., Jakku, E., Labarthe, P. (2019). A review of social science on digital agriculture, smart farming and agriculture 4.0: New contributions and a future research agenda. NJAS-Wageningen journal of life sciences, 90, 100315. Klerkx, L., Rose, D. (2020). Dealing with the game-changing technologies of Agriculture 4.0: How do we manage diversity and responsibility in food system transition pathways?. Global Food Security, 24, 100347. Lee, L.H., Braud, T., Zhou, P., Wang, L., Xu, D., Lin, Z., Kumar, A., Bermejo, C., Hui, P. (2021). All one needs to know about metaverse: A complete survey on technological singularity, virtual ecosystem, and research agenda. arXiv preprint arXiv:2110.05352. Lezoche, M., Hernandez, J.E., Díaz, M.D.M.E.A., Panetto, H., Kacprzyk, J. (2020). Agri-food 4.0: A survey of the supply chains and technologies for the future agriculture. Computers in industry, 117, 103187. Li, H. (2007). Analysis of virtual reality technology applications in agriculture. In International Conference on Computer and Computing Technologies in Agriculture (pp. 133-139). Springer, Boston, MA. Mahakham, W., Sarmah, A.K., Maensiri, S., Theerakulpisut, P. (2017). Nanopriming technology for enhancing germination and starch metabolism of aged rice seeds using phytosynthesized silver nanoparticles. Scientific Reports, 7(1):8263 Manjunatha, S.B., Biradar, D.P., Aladakatti, Y.R. (2016). Nanotechnology and its applications in agriculture: a review. Journal of Farm Science, 29(1):1–13. Mendez Bocanegra, L. F. (2020). Análisis comparativo de la implementación de industria 4.0 en la agricultura de México y Colombia [Trabajo de Grado Pregrado, Universidad de Pamplona]. Repositorio Hulago Universidad de Pamplona. http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/5214 Mendoza-Labrador, J., Romero-Perdomo, F., Abril, J., Hernández, J.P., Uribe-Vélez, D., Buitrago, R.B. (2021). Bacillus strains immobilized in alginate macrobeads enhance drought stress adaptation of guinea grass. Rhizosphere, 19, 100385. Ministerio de Ciencia, Tecnología e innovación. (2023). AgroTIC: una estrategia colectiva en la producción y comercialización de cítricos. Gobierno de Colombia. Disponible en https://apropiaconsentido.minciencias.gov.co/16330/agrotic-una-estrategia-colectiva-en-la-produccion-y-comercializacion-de-citricos/ (Revisado el 04/09/2023) Ministerio de Ciencia, Tecnología e innovación. (2023). AgroTIC: una estrategia colectiva en la producción y comercialización de cítricos. Gobierno de Colombia. Disponible en https://apropiaconsentido.minciencias.gov.co/16330/agrotic-una-estrategia-colectiva-en-la-produccion-y-comercializacion-de-citricos/ (Revisado el 04/09/2023) Mosquera-Lopez C., Sánchez T., Gomez C. (2020). Propuesta metodológica para la identificación de un modelo de valoración económica de datos en el sector agrícola de Colombia. Center for the fourth industrial revolution. Disponible en: https://c4ir.co/wp-content/uploads/2021/04/Propuesta-metodologica-para-la-identificacion-de-un-modelo-de-valoracion-economica-de-datos-en-el-sector-agricola.pdf (Revisado el 29/11/2022). Murugesan, R.; Sudarsanam, S.K.; Malathi, G.; Vijayakumar, V.; Neelanarayanan, V.; Venugopal, R.; Rekha, D.; Summit, S.; Rahul, B.; Atishi, M. (2019). Artificial Intelligence and Agriculture 5.0. International Journal of Recent Technology Engineering, 8, 1870-1877. Naderi, M.R., Danesh-Shahraki, A. (2013). Nanofertilizers and their roles in sustainable agriculture. International Journal of Agriculture and Crop Sciences, 5(19):2229-2232. Nahavandi, S. (2019). Industry 5.0—A Human‐Centric Solution. Sustainability, 11(16), 4371. Network of the Central People's Government of the People's Republic of China. (2015). Some opinions of the General Office of the State Council on the use of big data to strengthen services and supervision of market players. http://www.gov.cn/zhengce/content/2015-07/01/content_9994.htm (Revisado el 30/11/2022) Network of the Central People's Government of the People's Republic of China. (2016). Outline of the Thirteenth Five-Year Plan for National Economic and Social Development of the People's Republic of China. http://www.gov.cn/xinwen/2016-03/17/content_5054992.htm. (Revisado el 23/11/2022) Nicholson, C.F., Kopainsky, B., Stephens, E.C., Parsons, D., Jones, A.D., Garrett, J., Phillips, E.L. (2020). Conceptual frameworks linking agriculture and food security. Nature Food, 1(9), 541-551. OCDE. (2015). OECD Review of Agricultural Policies: Colombia 2015. https://www.oecd-ilibrary.org/agriculture-and-food/oecd-review-of-agricultural-policies-colombia-2015_9789264227644 (Revisado el 29/11/2022) Orjuela Santamaria, L.N., Economista. (2021). Alcanzando el hambre cero en Colombia con tecnologías emergentes. https://repository.unimilitar.edu.co/handle/10654/39370#.Y3-CQGVoPYI.mendeley Park, S.M., Kim, Y.G. (2022). A Metaverse: Taxonomy, components, applications, and open challenges. IEEE Access, 10, 4209-4251. Rambauth-Ibarra, G.E. (2021). Agricultura de Precisión: La integración de las TIC en la producción Agrícola. Journal of Computer and Electronic Science: Theory and Applications, 3(1): 37–38. https://doi.org/10.17981/cesta.03.01.2022.04 Red de Especialistas en la Agricultura. (2020). El uso de la Blockchain para el sector agrícola. Caso Latinoamérica. Tomado de https://agriculturers.com/el-uso-de-la-blockchain-para-el-sector-agricola-caso-latinoamerica/ (Revisado el 24/11/2022). Rejeb, A., Rejeb, K., Abdollahi, A., Al-Turjman, F., Treiblmaier, H. (2022). The Interplay between the Internet of Things and agriculture: A bibliometric analysis and research agenda. Internet of Things, 100580. Rico Muñoz A. (2022). Solo se está aprovechando 13,5% de los 39,2 millones de hectáreas con potencial. La República. https://bit.ly/3VxHVcQ. Rios Ato, L.N., Vera Zapata, A.L. (2021). Tecnología Blockchain y la logística internacional en el sector agrícola de Latinoamérica. Repositorio Institucional - UCV. https://repositorio.ucv.edu.pe/handle/20.500.12692/88957#.Y4Vuwll0snU.mendeley Romero-Perdomo, F., González-Curbelo, M.Á. (2023). Integrating Multi-Criteria Techniques in Life-Cycle Tools for the Circular Bioeconomy Transition of Agri-Food Waste Biomass: A Systematic Review. Sustainability, 15(6), 5026. Romero-Perdomo, F., Camelo-Rusinque, M., Criollo-Campos, P., Bonilla-Buitrago, R. (2015). Efecto de la temperatura y el pH en la producción de biomasa de Azospirillum brasilense C16 aislada de pasto guinea. Pastos y Forrajes, 38(3), 171-175. Rovira-Más, F., Zhang, Q., Reid, J.F. (2008). Stereo vision three-dimensional terrain maps for precision agriculture. Computers and electronics in agriculture, 60(2), 133-143. Ryan, M. (2020). Agricultural big data analytics and the ethics of power. Journal of Agricultural and Environmental Ethics, 33(1), 49-69. Salinas-Velandia, D.A., Romero-Perdomo, F., Numa-Vergel, S., Villagrán, E., Donado-Godoy, P., Galindo-Pacheco, J.R. (2022). Insights into Circular Horticulture: Knowledge Diffusion, Resource Circulation, One Health Approach, and Greenhouse Technologies. International Journal of Environmental Research and Public Health, 19(19), 12053. Sanchez-Cespedes, J.M., Rodriguez-Miranda, J.P., Salcedo-Parra, O.J. (2022). Aplicación de la inteligencia artificial en la formulación de políticas públicas relacionadas con la vocación agrícola de las regiones. Revista Científica, 44(2), 172-187. Saurabh, S., Dey, K. (2021). Blockchain technology adoption, architecture, and sustainable agri-food supply chains. Journal of Cleaner Production, 284, 124731. Shukla, P., Chaurasia, P., Younis, K., Qadri, O.S., Faridi, S.A., Srivastava, G. (2019). Nanotechnology in sustainable agriculture: studies from seed priming to post-harvest management. Nanotechnology for Environmental Engineering, 4(1), 1-15. Solanki, P., Bhargava, A., Chhipa, H., Jain, N., Panwar, J. (2015). Nanofertilizers and their smart delivery system. In: Nanotechnologies in food and agriculture. Springer, Switzerland, pp 81–101. Stewart, E.L., Wiesner-Hanks, T., Kaczmar, N., DeChant, C., Wu, H., Lipson, H., Nelson, R.J., Gore, M.A. (2019). Quantitative phenotyping of Northern Leaf Blight in UAV images using deep learning. Remote Sensing. 11, 2209. Shamshiri, R.R., Weltzien, C., Hameed, I.A., Yule, I.J., Grift, T.E., Balasundram, S.K., Pitonakova, L., Ahmad, D., Chowdhary, G. (2018). Research and development in agricultural robotics: A perspective of digital farming. International Journal of Agricultural and Biological Engineering, 11(4), 1-14. Sharma, R., Kamble, S.S., Gunasekaran, A., Kumar, V., Kumar, A. (2020). A systematic literature review on machine learning applications for sustainable agriculture supply chain performance. Computers & Operations Research, 119, 104926. Shi, W., Cao, J., Zhang, Q., Li, Y., Xu, L. (2016). Edge computing: Vision and challenges. IEEE internet of things journal, 3(5), 637-646. Sitompul, T. A., Wallmyr, M. (2019). Using augmented reality to improve productivity and safety for heavy machinery operators: State of the art. In The 17th International Conference on Virtual-Reality Continuum and Its Applications in Industry (pp. 1-9). Su, Y., Wang, X. (2021). Innovation of agricultural economic management in the process of constructing smart agriculture by big data. Sustainable Computing: Informatics and Systems, 31, 100579. Tapias, J.E. (2021). Análisis del estado del arte del internet de las cosas aplicado a cultivos aeropónicos e hidropónicos a nivel nacional e internacional. Repositorio Institucional UNAD. https://repository.unad.edu.co/handle/10596/44574 Tesfaye, K., Sonder, K., Caims, J., Magorokosho, C., Tarekegn, A., Kassie, G.T. (2016). Targeting drought-tolerant maize varieties in southern Africa: a geospatial crop modeling approach using big data. International Food and Agribusiness Management Review, 19. Vemuri, R. (2021). Agriculture and technology: the future landscape. Tomado de https://community.nasscom.in/communities/agritech/agriculture-and-technology-future-landscape (Revisado el 09/11/2022) Villa-Henriksen, A., Edwards, G.T.C., Pesonen, L.A., Green, O., and Sorensen, C.A.G. (2020). Internet of things in arable farming: implementation, applications, challenges and potential, Biosystems Engineering, 191, 60–84. Walter, A., Finger, R., Huber, R., Buchmann, N. (2017). Smart farming is key to developing sustainable agriculture. Proceedings of the National Academy of Sciences, 114 (24), 6148–6150. Wang, J., Yue, H., Zhou, Z. (2017). An improved traceability system for food quality assurance and evaluation based on fuzzy classification and neural network. Food control, 79, 363-370. Yang, F., Wang, K., Han, Y., Qiao, Z. (2018). A cloud-based digital farm management system for vegetable production process management and quality traceability. Sustainability, 10(11), 4007. Yu, F., Zhang, J.F., Zhao, Y., Zhao, J.C., Tan, C., Luan, R.P. (2009). The research and application of virtual reality (VR) technology in agriculture science. In International Conference on Computer and Computing Technologies in Agriculture (pp. 546-550). Springer, Berlin, Heidelberg. Zhai, Z., Martínez, J.F., Beltran, V., Martínez, N.L. (2020). Decision support systems for agriculture 4.0: Survey and challenges. Computers and Electronics in Agriculture, 170, 105256. Zambon, I., Cecchini, M., Egidi, G., Saporito, M.G., Colantoni, A. (2019). Revolution 4.0: Industry vs. agriculture in a future development for SMEs. Processes, 7(1), 36 Attribution-NonCommercial-ShareAlike 4.0 International http://creativecommons.org/licenses/by-nc-sa/4.0/ 69 páginas application/pdf application/pdf C.I Tibaitatá Colombia Corporación colombiana de investigación agropecuaria - AGROSAVIA Mosquera (Colombia)

Tecnologías emergentes para el agro y su aplicación en Colombia

Ejemplares similares