En la agricultura, el agua es vital para el cultivo. Conocer cuándo regar y cuánto regar se puede responder técnicamente, a partir de datos provistos por estaciones meteorológicas. Estos datos no siempre están disponibles. Además, si bien en el mercado existen controladores de riego, estos no están integrados a las estaciones y son de arquitectura cerrada. Por otro lado, el desarrollo de la electrónica, la disponibilidad de sensores de costo asequible, protocolos, estándares y código abierto, facilitan la integración de componentes de hardware y software. Este trabajo propone un prototipo de estación meteorológica inteligente que provee en tiempo real datos de temperatura, humedad del ambiente, humedad del suelo, lluvia, como entrada para que un controlador active el riego en dos casos: i) por necesidad de agua para el desarrollo del cultivo; o ii) para mitigar heladas, apoyando al desarrollo sostenible agrícola con tecnología local, de código abierto y de costo asequible. Se aplicó la metodología basada en prototipos rápidos, evaluando la operatividad de cada dispositivo electrónico y su integración en ambiente controlado, y luego en una parcela experimental, en la granja Nero de la Universidad de Cuenca. Para el desarrollo se empleó hardware y software de código abierto, utilizando IDE de Arduino y Visual Studio Code. Para energizar se usó un panel solar y baterías, optimizando el consumo energético. Este prototipo ha mostrado un funcionamiento continuo y estable, operando a 3100 m.s.n.m. Se continuará monitoreando y mejorando, para en el futuro poner a disposición de usuario final.
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Referencias
Arduino.cc. (2021). Arduino Nano. Arduino Oficial Store. https://store.arduino.cc/products/arduino-nano
Bacco, M., Barsocchi, P., Ferro, E., Gotta, A., & Ruggeri, M. (2019). The Digitisation of Agriculture: a Survey of Research Activities on Smart Farming. Array, 3-4(August), 100009. https://doi.org/10.1016/j.array.2019.100009
Belayneh, B. E., Lea-Cox, J. D., & Lichtenberg, E. (2013). Costs and benefits of implementing sensor-controlled irrigation in a commercial pot-in-pot container nursery. HortTechnology, 23(6), 760-769. https://doi.org/10.21273/horttech.23.6.760
Campbell. (2022). CS655 Soil Water Content Reflectometer 12 cm. Campbell Scientific. https://www.campbellsci.eu/cs655
Davis. (2014). Rain Collector. Davis Instruments. https://cdn.shopify.com/s/files/1/0515/5992/3873/files/07395-332_Addendum_7852_7857_6450_6490.pdf
FAO (Organización de las Naciones Unidas para la Alimentación y la Agricultura). (1990). Evapotranspiración del Cultivo. Serie Didactica, Facultad de Agronomia y Zootecnica, Universidad Nacional de Tucuman, 45.
Iles, A., & Montenegro de Wit, M. (2018). Sovereignty at What Scale? An Inquiry into Multiple Dimensions of Food Sovereignty. The Politics of Food Sovereignty, 12(4), 61-76. https://doi.org/10.4324/9781315226156-5
Kernecker, M., Knierim, A., Wurbs, A., Kraus, T., & Borges, F. (2020). Experience versus expectation: farmers’ perceptions of smart farming technologies for cropping systems across Europe. Precision Agriculture, 21(1), 34-50. https://doi.org/10.1007/s11119-019-09651-z
Knierim, A., Kernecker, M., Erdle, K., Kraus, T., Borges, F., & Wurbs, A. (2019). Smart farming technology innovations – Insights and reflections from the German Smart-AKIS hub. NJAS - Wageningen Journal of Life Sciences, 90-91(October), 100314. https://doi.org/10.1016/j.njas.2019.100314
Medrano, H., Bota, J., Cifre, J., Flexas, J., Ribas-Carbó, M., & Gulías, J. (2007). Eficiencia en el uso del agua por las plantas. Investigaciones Geográficascas, 63-84.
Oke, T. R. (2004). Initial guidance to obtain representative meteorological observations at urban sites. World Meteorological Organization, 81, 51. http://www.geog.ubc.ca/~toke/IOM-81-UrbanMetObs.pdf
Pérez Morales, A. (2016). Riesgo de heladas en cultivos. Análisis y evaluación. Libro Homenaje al Profesor Alfredo Morales Gil, January 2016, 1005-1022. https://doi.org/10.14198/librohomenajealfredomorales2016-45
Perry, C., Steduto, P., & Karajeh, F. (2017). Does improved irrigation technology save water? A review of the evidence. En Regional Initiative on Water Scarcity for the Near East and North Africa (Vol. 42, Número 2). www.fao.org/publications%0Ahttps://www.researchgate.net/publication/317102271
Plett, D. C., Ranathunge, K., Melino, V. J., Kuya, N., Uga, Y., & Kronzucker, H. J. (2020). The intersection of nitrogen nutrition and water use in plants: New paths toward improved crop productivity. Journal of Experimental Botany, 71(15), 4452-4468. https://doi.org/10.1093/jxb/eraa049
Ramady, G. D., Lestari, N. S., Herawati, Hidayat, R., Zulkifli, R., Anisah, I., Dzulkarnaen, R., & Rakhman, A. (2021). Development of a Prototype Learning Model for the Hydroponic System based on Arduino Nano. Journal of Physics: Conference Series, 1933(1). https://doi.org/10.1088/1742-6596/1933/1/012089
Said Mohamed, E., Belal, A. A., Kotb Abd-Elmabod, S., El-Shirbeny, M. A., Gad, A., & Zahran, M. B. (2021). Smart farming for improving agricultural management. Egyptian Journal of Remote Sensing and Space Science, 24(3), 971-981. https://doi.org/10.1016/j.ejrs.2021.08.007
Sensirion. (2016). Datasheet SHT3x-DIS (Número August). https://www.mouser.com/datasheet/2/682/Sensirion_Humidity_Sensors_SHT3x_Datasheet_digital-971521.pdf
SODAQ. (2019). SODAQ Mbili (Arduino compatible ATmega 1284P). SODAQ. https://support.sodaq.com/Boards/Mbili/
Taha, A. (2018). Assessment of different ETO-Dependent Irrigation Levels for Pomegranate on Saving Water and Energy and Maximizing Farm Income. Journal of Soil Sciences and Agricultural Engineering, 9(11), 657-665. https://doi.org/10.21608/jssae.2018.36461
Vergara Romero, A. A., & Moreno Silva, A. N. (2019). Soberanía alimentaria en Ecuador: fundamentos teóricos y metodológicos para un modelo de medición. Revista Científica Ecociencia, 6(December 2019), 1-18. https://doi.org/10.21855/ecociencia.60.256