Impacto


El proyecto contribuirá a:

La reducción de los costes de muestreo en torno al 20%

Estos costes se producen como consecuencia de la afección de las plantaciones por efectos climáticos adversos, enfermedades, etc. Por ejemplo, la evaluación de daños para la declaración de siniestros a las compañías de seguros, o en la evaluación de actuaciones concretas en la finca frente a estos daños, considerando la idoneidad de estas y los costes de implementación.

La modernización y uso más eficiente de los recursos ahorrando hasta un 20% en el uso de los tratamientos disponibles, reduciendo el impacto de estos sobre el suelo y medio ambiente

Actuando de forma preventiva en lugar de forma reactiva, anticipándose a posibles situaciones de estrés de la plantación, ya sean abióticos o bióticos y analizando los recursos naturales del terreno, reduciendo las mermas de producción.

El ahorro de un 15% en el costo de la aplicación de abonos, evaluando diferentes tipos abonado selectivo

Las mejores alternativas se identificarán en función de la medición de tasas de fotosíntesis, clorofila, etc.
La clave para mejorar la eficiencia productiva, mejorar el beneficio económico y reducir el impacto ambiental inherente a la actividad agraria radica en gran parte en la adecuación en el espacio y en el tiempo de los suministros de agua y nitrógeno a las demandas del cultivo.
Pero para hacer uso eficaz de la maquinaria actualmente disponible y de la venidera, e implementar así la «agricultura de dosis variable» o agricultura de precisión, es necesario conocer las demandas del cultivo de forma precisa, lo que está muy por delante de la práctica agronómica habitual y ha llevado a un cierto estancamiento en su implementación.
La investigación que propone el proyecto MoniCa puede ser un paso decisivo en la implementación masiva de esta agricultura de dosis variable, al proveer una herramienta de diagnóstico que permita conocer en el espacio y en el tiempo las demandas de agua y nitrógeno del cultivo, esto es la necesaria “inteligencia” para que bien mediante tecnología específica de dosis variable, bien adaptando los actuales sistemas de riego y fertilización, se apliquen en el sitio y momento oportuno las cuantías adecuadas de agua y nitrógeno para obtener un rendimiento óptimo.
Reducir la brecha entre la producción potencial y la efectivamente obtenida, mejorar el beneficio económico y reducir el impacto ambiental por un uso excesivo de agua y fertilizantes serían los impactos esperables del proyecto.

MoniCa desarrollará un sistema integral de apoyo a la toma de decisión en todas las parcelas del cultivo, que generará un impacto altamente positivo tanto en los usuarios finales como en el territorio a diferentes niveles:

Económico

Por la disminución de los costes.

Social

Por la alta distribución de este tipo de cultivo en la provincia.

Medioambiental

Por la disminución del uso de agroquímicos bajando significativamente el impacto negativo que producen sobre la biodiversidad de los sistemas agrícolas y acuíferos sobre los que se desarrollan la actividad agraria.

Los logros del proyecto tendrán un efecto multiplicador en todo el sector agrario y medioambiental. Concretamente con los cultivos seleccionados cubren un total de 24.538 recintos, lo cual supone aproximadamente el 75% de la tierra cultivada de Cádiz.


Impacto Ambiental

La creciente población mundial ha provocado un aumento de la demanda de productos agrícolas, pero, al mismo tiempo, la capacidad de suministro está disminuyendo debido a la menor disponibilidad de tierras y al cambio climático.

Los analistas afirman que se necesita una “revolución de la tecnología agrícola” y que la agricultura de precisión está emergiendo como una solución impulsada por la innovación.

El monitoreo de cultivos permite alinear la gestión optimizada de los insumos para una parcela agrícola, con las necesidades reales del cultivo.

Los registros meteorológicos, la humedad del suelo, las plagas o el historial de los cultivos se convierten en conjuntos de datos que al ser procesados por medio de algoritmos de aprendizaje automático, permiten al agricultor tomar mejores decisiones.