SciELO - Scientific Electronic Library Online

 
vol.23 issue1Variables that influence the application of precision agriculture in Colombia: review of studiesAgronomic characterization of three commercial genotypes of papaya in Michoacan, Mexico author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • On index processCited by Google
  • Have no similar articlesSimilars in SciELO
  • On index processSimilars in Google

Share


Ciencia y Tecnología Agropecuaria

Print version ISSN 0122-8706On-line version ISSN 2500-5308

Abstract

ERAZO-MESA, Edwin; ECHEVERRI-SANCHEZ, Andrés  and  URRUTIA COBO, Norberto. Nuevo algoritmo para generar patrones espaciales de muestreo de suelos en experimentos agrícolas. Cienc. Tecnol. Agropecuaria [online]. 2022, vol.23, n.1, e2306.  Epub Dec 31, 2021. ISSN 0122-8706.  https://doi.org/10.21930/rcta.vol23_num1_art:2306.

La variabilidad espacial del suelo es un factor importante para entender los cambios de las variables de respuesta en experimentos agrícolas. El muestreo de suelos se ejecuta con base en un patrón espacial, el cual puede ser aleatorio o sistemático. El objetivo de este trabajo fue validar un nuevo algoritmo para generar patrones espaciales de muestreo de suelos en este contexto. Para esto se diseñaron tres funciones en el software R, las cuales fueron comparadas con cinco aplicaciones (tres programas y dos librerías de R). La validación se realizó replicando tres patrones espaciales de suelos en experimentos agrícolas reportados en investigaciones anteriores, además de comparar la localización manual de puntos de muestreo en un experimento de cosecha de caña de azúcar con la localización generada por el algoritmo. Los resultados indican que el algoritmo tiene la capacidad exclusiva de realizar muestreos sistemáticos por unidad de área y centrarlos en el polígono correspondiente. El resto de las características, tales como el cálculo de los demás patrones y la generación de puntos sobre líneas, es posible encontrarlas en las otras aplicaciones. Con respecto a la validación en campo, la distancia promedio entre puntos generados con el algoritmo y los ubicados manualmente en campo es 2,58 m. La distancia promedio entre los puntos ubicados manualmente en campo y la línea de surco más cercana es 0,46 m. En conclusión, el algoritmo permite ubicar puntos de muestreo en sitios específicos del campo, como lo son las partes altas del surco o el entresurco.

Keywords : agricultura de precisión; cinemática en tiempo real; muestreo de suelo; software R; surco; variabilidad espacial.

        · abstract in English     · text in Spanish     · Spanish ( pdf )