Factores limitantesdel rendimiento y de la calidad

Prácticas óptimas de manejo específicas por sitio

Patrones climáticosfavorables / desfavorables

CONOCIMIENTOSInformación específica

por sitioQué, dónde,

cuándo ycómo sembrar

AgriculturaEspecífica por Sitio

Poniendo los datosal servicio de la agricultura

La minería de datos comerciales existentes, en

cultivos, suelos y clima, así como el análisis de

nuevos datos no-experimentales, contribuye

a lograr una agricultura más productiva

y resiliente ante el cambio climático.

Datos derendimiento

de los cultivos

Compilar datos existentes a través de alianzas

Estrategias modernas para la captura de datos (TICs)

Reducciónen la brechade rendimiento

Mayor capacidad adaptativa de los sistemas agrícolas al cambio climático

Mejores mediosde vida

Empoderamiento de los socios

DATOS

Equipo de Minería de Datos y Socios en Acción

IMPACTO

Informaciónde prácticas

agrícolas

• Democratizar el uso de datos e información en la agricultura. • Promover la agronomía basada en datos y el manejo específico por sitio.

Nuestros objetivos:

Datos climáticos

Datosde suelos

Agricultores,servicios

de extensión,fitomejoradores

Global Pulse de Naciones Unidas

2014:Big Data Climate

Challenge

Innovation Challenge del

Banco Mundial 2014:

Big Data for Development

Nuestro equipo

Selección de artículos científicos

Daniel Jiménez, Ph.D. Líder del EquipoPropicia el encuentro entre la Agricultura y el machine learning.

Luis Armando Muñoz, M.Sc. Coordinador de Proyectosy Experto en Gestión del ConocimientoSe asegura que el equipo hable el idioma humano al difundir los resultados entre los usuarios finales.

Andrés Aguilar, Ingeniero AgrícolaLa última contratación. Ya vuela tan alto como el resto del equipo.

Juan Felipe Rodríguez, InformáticoArquitecto de nuestro sistema de información. Hace que los datos estén disponibles para que el equipo juegue 24/7.

James Cock, Mentor del EquipoPionero del concepto de agricultura específica por sitio en el sector de la caña de azúcar en Colombia.

Víctor Hugo Patiño, Especialista en ClimaCapaz de recorrer todos los terrenos de las series climáticas.

Sylvain Delerce, M.Sc. Coordinador del Equipo de Análisis Mantiene los pies del equipo sobre la tierra.

Hugo Andrés Dorado Estadístico en proceso de mutación a científico de datosMaestro en R para diseñar algoritmos. Pone los servidores a sudar.

Cock J; Oberthür T; Isaacs C; Läderach PR; Palma A; Carbonell J; … Anderson, E. (2011). Crop management based on field observations: Case studies in sugarcane and coffee. Agricultural Systems 104(9):755–769. doi:10.1016/j.agsy.2011.07.001

Jiménez D; Cock J; Jarvis A; García J; Satizábal HF; Van Damme P; … Barreto-Sanz MA. (2011). Interpretation of commercial production information: A case study of lulo (Solanum quitoense), an under-researched Andean fruit. Agricultural Systems 104(3):258–270. doi:10.1016/j.agsy.2010.10.004

Jiménez D; Cock J; Satizábal HF; Barreto-Sanz MA; Pérez-Uribe A; Jarvis A; Van Damme P. (2009). Analysis of Andean blackberry (Rubus glaucus) production models obtained by means of artificial neural networks exploiting information collected by small-scale growers in Colombia and publicly available meteorological data. Computers and Electronics in Agriculture 69(2):198–208. doi:10.1016/j.compag.2009.08.008

www.ciat.cgiar.org/dapa

d.jimenez@cgiar.org Julio 2015CONTACTO

www.open-aeps.org

Premios Internacionales