Introducción

Las técnicas impulsadas por datos (“Data-driven”) permiten optimizar la productividad y la producción agrícola, haciendo un uso mas económico y eficiente de recursos naturales, reduciendo riesgos y costos.

Históricamente, el clima siempre ha sido el mayor factor en las cosechas. Hasta el día de hoy, a pesar de los avances en técnicas y tecnología, los agricultores aún se ven afectados por eventos climatológicos. La mayoría de los agricultores tienen la diligencia de llevar un control histórico de sus cosechas, eventos del clima, tipos de cultivo, u otros datos relevantes al ejercicio de su profesión. Estos datos suelen ser rudimentarios, lo que no favorece la toma de decisiones.

Se propone incluir la ciencia de datos para la toma de decisiones en esta clase de procesos. Lo que se podría llamar “Agricultura de Precisión Impulsada por Ciencia de Datos”. Utilizando fuentes de datos abiertas, datos históricos, análisis estadístico y ciencia de datos, la tecnología pasa de ser una herramienta de registro a tomar un rol activo en la toma de decisiones, proporcionando datos útiles como recomendaciones de cultivos e incluso predicciones a futuro acerca del rendimiento de cultivos.

La agricultura nos ha permitido desarrollar un mundo avanzado, no obstante, como todo proceso humano, existe lugar para la mejora y optimización. La ciencia de datos ha probado ser efectiva en diversas áreas e industrias, incluso, existen esfuerzos por organizaciones como IBM Research, OMS, Bill and Melinda Gates Foundation para implementar la ciencia de datos en los procesos de la agricultura.

Antecedentes

Según Ajit Maru, Dan Berne et al., existen desafíos específicos para los agricultores con operaciones de tamaño pequeño o mediano, debido a que las ofertas de servicios de datos han sido diseñadas para operaciones comerciales de mayor escala.

La agricultura impulsada por datos es el uso atento de big data para suplementar la agricultura de precisión. Significa tener los datos correctos en el momento correcto, para tomar mejores decisiones - Brian Hayden. Co-funfador de Heatspring.

De acuerdo con la Global Hunger & Food Security Initiative de los Estados Unidos, los perfiles de agricultores digitales permitirán capturar datos comprehensivos acerca de los agricultores y sus tierras. Este perfil puede ser desarrollado a través del tiempo, generar flujos de datos en tiempo real entre agricultores y pueden accesarse simultáneamente por proveedores de servicios como financieras, proveedores de materiales, agro-procesadores y cooperativas de agricultores.

Programa Nacional - Producción para el Bienestar

El programa nacional Producción para el Bienestar nace en el año 2018 con la intención de ayudar a productores agrícolas de bajos recursos a poder tener un margen de inversión mas grande para su producción. Este programa apoya a casi 2.2 millones de productores de todo el país.

Estos apoyos se hacen de manera directa entre la SADER (Secretaría de Agricultura y Desarrollo Social)

Respalda granós básicos, en el caso de Sonora, este apoyo se da particularmente en granos.

Objetivos

Basándose en el precedente que el uso de estadística y de análisis de datos es imprescindible no exclusivamente para el desarrollo sustentable de la agricultura, sino que también pueden ser utilizadas para ofrecerle directamente al agricultor las herramientas para apoyarle en sus actividades de agricultura.

Los objetivos de la investigación es responder a la pregunta central:

  • ¿Cómo es el panorama económico y productivo para la agricultura en Sonora

Adicionalmente, a través de análisis de datos, se dará réplica a las siguientes cuestiones:

  • ¿Que cultivos son los que tienen mayor productividad económica?
  • ¿Cómo ha evolucionado en tiempo la agricultura como actividad productiva económica por región?
  • ¿Que proyecciones a futuro se pueden realizar?
  • ¿Que cultivos sería más conveniente tener para un mejor desarrollo?

Como resultado de responder a estas interrogantes, esta investigación demostrará la utilidad de la agricultura impulsada por datos, así mismo, el uso de datos regionales actuales para el análisis estadístico le permitirá al agricultor utilizar el presente documento como referencia futura para sus actividades administrativas y de toma de decisiones.

Teoría

LOESS, propuesto originalmente por Cleveland (1979) y desarrollado por Cleveland y Devlin (1988), denota un método que es (un poco) más descriptivo localmente, conocido como regresión polinómica ponderada. En cada punto en el conjunto de datos, se ajusta una regresión polinómica de grado bajo, con valores de la variable explicativa situados cerca del punto cuya respuesta se está estimando. Es decir, el polinomio se ajusta utilizando los mínimos cuadrados ponderados, dando más peso a los puntos cercanos al punto cuya respuesta está siendo estimando y menos peso a los puntos más lejanos. El valor de la función de regresión para el punto se obtiene mediante la evaluación del polinomio local con los valores de la variable explicativa de dicho punto. El ajuste de LOESS se completa después de que los valores de la función de regresión se han calculado para cada uno de los puntos del conjunto de n datos.

La mayor ventaja que tiene LOESS sobre muchos otros métodos es el hecho de que no requiere la especificación de una función para ajustar un modelo para todos los datos de la muestra. En cambio, el analista sólo tiene que proporcionar un valor de parámetro de alisado y el grado del polinomio locales. Además, LOESS es muy flexible, lo que es ideal para el modelado de procesos complejos para los que no existen modelos teóricos. Estas dos ventajas, junto con la sencillez del método, hacen que LOESS sea uno de los métodos de regresión modernos más atractivos para aplicaciones que se ajustan al marco general de la regresión de mínimos cuadrados, pero que tienen una estructura determinista compleja.

Método

Conteo de Cultivos en los años 2016, 2017 y 2018

Principales Cultivos

A continuación se muestran los 10 principales cultivos con mayor número de siembra (eventos).

Cultivos ordenados por valor total de producción

Relación entre Valor de Producción y Número de Cultivos

Aplicando regresión local.

## Scale for 'y' is already present. Adding another scale for 'y', which will
## replace the existing scale.

Gráfica Interactiva 

## Scale for 'y' is already present. Adding another scale for 'y', which will
## replace the existing scale.

Comportamiento de Producción de Cultivos por año.

Resultados y Discusión

Como se muestra en la gráfica anterior, de los 10 principales tipos de cultivo existen tres con los valores de producción más altos; el trigo, la uva, y el espárrago. Sin embargo, La uva y el espárrago tienen mejor producción en el estado, pero tienen la mejor relación de valor de producción en el estado de Sonora. Las gráficas demuestran un alto incremento con estos dos productos ya que el panorama agrícola en Sonora ha evolucionado y le prestan más atención a productos con mayor valor por superficie sembrada.

En el futuro se ve un crecimiento en producots como uva, espárrago y papa, ya que se da un crecimiento notable en los últimos tres años y un gran incremento desde 2009 según los datos de Los Cambios en el Patrón de Cultivos en Sonora, realizado por Juan Luis Hernández Pérez, puesto que se demuestra que en ese año estos productos tenían menor superdicie sembrada pero gran valor monetario, lo que demuestra que en estos 9 años ha incrementado su producción y se llega a la conclusión que en un futuro crecerán aún más en Sonora.

Conclusión

En el panorama de la agricultura, el manejo de sistemas rudimentarios significa una gran pérdida para los agricultores, al no estár previstos para las situaciones actuales de su ecosistema, teminando por no recuperar su inversión de la forma que esperaban.

Por esto, el manejo de las estadísticas de una manera más acertada y concreta permitirá aumentar la producción, así como la ganancia obtenida con esta, basándose en datos certeros. Sumado a esto, permitirá determinar que es mejor sembrar, y a que semilla es mejor destinar los recursos para los agricultores.

Esto no solo ayudaría a impulsar la economía individual de los trabajadores, sino la del estado, al incrementar su capacidad como exportador de elementos provenientes de los cultivos.

En el estado de Sonora, esta es una práctica que aún no es adoptada por completo, demostrando una deficiencia en el sembrado de cultivos en comparativa con otros países. Sin embargo, esta tendencia de uso de análisis de información es algo que eventualmente sera normalizado debido a la clara ventaja operativa y económica que esta representa.

Esto contraerá un cambio en cómo se realizará la propia agricultura y los ciclos en que esta se ve involucrada, encausada por la modernización tecnológica y de análisis en el estado de Sonora. Esperamos que el análisis realizado representen una base que puedan tomar los agricultores, y futuros analistas de Sonora para diseñar un sistema de mayor complejidad, que sería capaz de revolucionar la economía del estado.

Bibliografía

  • Ajit Maru, Dan Berne, Jeremy De Beer et al. (2018) Digital and Data-Driven Agriculture: Harnessing the Power of Data for Smallholders" Global Forum on Agricultural Research and Innovation.
  • Programa de Mediano Plazo Agrícola 2016-2021. Secretaría de Agricultura, Ganadería, Recursos Hidráulicos, Pesca y Acuacultura.
  • Cleveland, W.S. (1979). Robust Locally Weighted Regression and Smoothing Scatterplots Journal of the American Statistical Association.
  • Datos: Servicio de Información Agroalimentaria y Pesquera