Andy J - Conceptualisation and Operationalisation Of Site Specific Agriculture for the Tropics

461 views

Published on

Presentation on CIAT's approach to site-specific agriculture for the tropics.

Published in: Technology
  • Be the first to comment

  • Be the first to like this

Andy J - Conceptualisation and Operationalisation Of Site Specific Agriculture for the Tropics

  1. 1. Conceptualización y operación de Agricultura por sitio específico basada en experiencia de Agricultores. (SSAFE)
  2. 2. El Concepto <ul><li>Los paisajes productivos son altamente heterogénea </li></ul><ul><li>Necesitamos grandes cantidades de datos para entender la variabilidad </li></ul><ul><li>Cada finca es esencialmente una estación experimental. </li></ul><ul><li>Cada ciclo de cultivo, y practica de manejo es un evento (prueba, n) </li></ul><ul><li>El agricultor aprende y adapta de un n + 1 +1… </li></ul><ul><li>Aprender del conocimiento colectivo es mucho más poderoso ( n of 1,000s) </li></ul><ul><li>Pero, todas las ‘pruebas‘ pasan sin compilarse– Aprendemos, pero no lo suficiente. </li></ul>
  3. 3. Hipótesis <ul><li>Si fuese posible compilar la informacion de lo que el agricultor hizo, y caracterizar las condiciones de un gran numero de estos experimentos, seria posible deducir las practicas optimas para condiciones especificas </li></ul>
  4. 4. La oportunidad <ul><li>La existencia de bases de datos “glob-locales” medioambientales y socioeconomicas – estas son globales en cobertura, y locales en relevancia, pues pueden caracterizar cualquier experimento en-finca que se lleve a cabo </li></ul><ul><li>Mecanismos de captura y entrega de información a través de TCIs– celulares, internet </li></ul><ul><ul><li>Mover informacion hacia arriba, abajo, a traves y en rededor </li></ul></ul><ul><li>Un mundo en organización – revolución en organizaciones rurales alrededor de las cadenas productivas </li></ul><ul><ul><li>Linea base: revolución en organizacion de agricultores </li></ul></ul>
  5. 5. El acercamiento <ul><li>Censo de productividad </li></ul><ul><ul><li>Sub muestra de fincas, con datos de productividad, suelos y manejo </li></ul></ul><ul><li>Caracterisacion de fincas y identificacion preliminar de nichos </li></ul><ul><ul><li>Caracterisacion con latitud y longitud </li></ul></ul><ul><ul><li>Modelacion de variabilidad en productividad con base a caracteristicas de las fincas </li></ul></ul><ul><ul><li>Resultados preliminares de nichos para cada producto, con idea de rendimiento relativo </li></ul></ul><ul><li>Organisacion de grupos de productores </li></ul><ul><ul><li>Por medio de caracteristicas compartidos </li></ul></ul><ul><ul><li>Compartimiento de conocimiento, experiencias alimentados por resultados de modelacion </li></ul></ul><ul><li>Sistema de informacion </li></ul><ul><ul><li>Recolecta de informacion usando infrastructura existente </li></ul></ul><ul><ul><li>Manejo de informacion tanto para modelacion y recomendaciones sitio especifico </li></ul></ul>
  6. 6. Dame un punto y le digo….
  7. 7. Caracterización de sitios con bases de datos de medio-ambiente <ul><li>Con un latitud y longitud, que información se puede sacar de bases de datos espaciales de medio-ambiente? Ejemplos de generacion de bases de datos usando SIG…. </li></ul><ul><li>Clima: </li></ul><ul><ul><li>Promedios anuales, WorldClim </li></ul></ul><ul><ul><li>Datos diarios actuales, TRMM </li></ul></ul><ul><li>Topografía </li></ul><ul><ul><li>SRTM </li></ul></ul><ul><ul><li>Derivados topográficos </li></ul></ul><ul><li>Suelos </li></ul>
  8. 8. WorldClim
  9. 9. WorldClim <ul><li>Production of global high resolution 1km monthly climate surfaces for precipitation, mean, max and min temperature </li></ul><ul><li>Based on 47,554 precipitation stations, 24,542 mean temperature stations, 14,835 minimum and maximum temperature stations </li></ul><ul><li>Interpolated using a thin-plate smoothing spline in the AnuClim software </li></ul><ul><li>Derivatives: bioclimatic variables such as precipitation in dryest quarter, absolute minimum annual temperature, consecutive wet/dry months, seasonality etc. </li></ul>
  10. 10. ~1500 stations in Colombia
  11. 12. For precipitation, spline interpolation method uses elevation as a co-variable, and searches for local correlations to make an “informed” interpolation between points. To illustrate, rainfall around Cali.
  12. 13. Topografia
  13. 14. Topography <ul><li>Now….. </li></ul><ul><li>Shuttle Radar Topography Mission (SRTM) global elevation data </li></ul><ul><ul><li>3 arc second product (~90 m resolution) and 1 arc second (~30m resolution) though the latter is restricted access </li></ul></ul><ul><ul><li>Vertical precision – < 16 m </li></ul></ul><ul><ul><li>Produced by NASA and USGS, made freely available 2003/2004 </li></ul></ul>Significance: Local information for entire globe
  14. 15. Significant Improvement GTOPO30 SRTM
  15. 16. Cali rubbish heap Basurero Navarro
  16. 17. SRTM – Version 3
  17. 18. Fulfilling a Demand <ul><li>Data provided for free download through the CGIAR Consortium for Spatial Information (CSI): </li></ul><ul><li>Approximately 5000 downloads per day </li></ul><ul><li>> 1Tb of data downloads per month </li></ul><ul><li>Key dataset in the immediate post-Tsunami relief </li></ul>http://srtm.csi.cgiar.org
  18. 19. Using the data – more than just elevation Elevation Slope Aspect Landscape Class Moisture Solar Radiation Exposure Curvature
  19. 20. Suelos
  20. 21. Soil sample points Topography Climate + geology + other 70 variables/derivatives Pilot study on digital soil mapping for Honduras
  21. 22. Gaussian Processes <ul><li>Covariance function – gaussian process models </li></ul>
  22. 23. Results: pH in Topsoil P5: Maximum temperature of warmest month
  23. 24. Results: pH in topsoil 3 5 6 7 8 4
  24. 25. Un ejemplo <ul><li>Coffee in Latin America </li></ul><ul><li>4,000 farms engaged in supply-chain based analyses of coffee quality and productivity </li></ul><ul><li>Farm-level data compiled at points further down supply chain (farmer organisations, local-coffee buyers) </li></ul><ul><li>Capture of cupping quality data (per farm) further down supply chain </li></ul><ul><li>Spatial analyses to find drivers of coffee quality (environmental and management) </li></ul><ul><li>Return of information to farmers on potential opportunities for coffee quality (who to sell to), and management options to increase their quality </li></ul>
  25. 26. DAPA Output Niche Potential
  26. 27. CinfO Webinterface: Interactive Map – Info Finder    Ⓐ Ⓑ Ⓒ Ⓓ
  27. 28. CinfO Webinterface: Interactive Map – MU Details
  28. 30. CinfO Webinterface: Interactive Map – Q Module:
  29. 31. CinfO Quality Module: Cupping Database (Offline)
  30. 32. DAPA Output Niches
  31. 33. DAPA Output Niches
  32. 34. DAPA Output Niches
  33. 35. DAPA Output Niches
  34. 36. REALIZAR EL POTENCIAL Experimentos de orientación – Puntaje final Finca en Piendamo Finca en Concordia Orientación 80.7 a 83.4 a Plano 78.0 ab 81.9 a Oeste 72.8 b 83.8 a Sur 80.6 a 80.8 a Este 79.8 a 82.0 a Norte
  35. 37. REALIZAR EL POTENCIAL Experimentos de variedad – Aroma, fragrancia Finca en Axocuapan Finca en El Encinal Variedad - 9.57 a Caturra Amarillo - 9.78 ab Mundo Novo 9.22 a 10.17 b Caturra Rojo 9.81 b 9.45 a Típica
  36. 38. REALIZAR EL POTENCIAL Experimentos de sombra - Cuerpo Finca en Axocuapan Finca en El Encinal Sombra 5.9 b 5.9 b Alta 6.2 a 6.1 a Baja
  37. 39. REALIZAR EL POTENCIAL Experimentos de raleo de frutos – Puntaje final Finca en Piendamo Finca en Concordia Raleo 79.2 a 81.8 b 50 77.8 a 84.7 a 0
  38. 40. REALIZAR EL POTENCIAL Experimentos de dosel de cosecha – Puntaje final 81.7 a Calidad dosel intermedio Calidad dosel superior Calidad dosel bajo 80.4 a 82.8 a
  39. 41. CinfO Webinterface: Interactive Map – Info Finder    Ⓐ Ⓑ Ⓒ Ⓓ
  40. 42. User Centered Technologies <ul><li>Special interfaces for users without Computer experience </li></ul><ul><li>Usability testing </li></ul><ul><li>Easy to use systems </li></ul>
  41. 43. Impact <ul><li>Measurable increases in quality (the models worked) </li></ul><ul><li>Measurable increases in income (the supply chain concept worked) </li></ul><ul><li>Significant outscaling </li></ul><ul><ul><li>Incorporation of many thousands more farms in Central America, Ecuador </li></ul></ul><ul><ul><li>Info management scientist resigned and set up private company – Cropster </li></ul></ul><ul><ul><li>Continued demand </li></ul></ul><ul><li>SSAFE approach also being adopted by banana sector, smallholder vegetable groups, cacao </li></ul>

×