El grupo español EA Group supervisa y gestiona los pastos de su ganado gracias a imágenes espaciales, consiguiendo mejorar así su productividad.
La precisión es una cuestión fundamental en la alimentación animal y si esta precisión se puede conseguir gracias a las nuevas tecnologías, estas se aplican.
Tradicionalmente, las decisiones sobre cuando y cuales eran los pastos más adecuados para dedicarlos al ganado se tomaban basándose según el criterio del propio ganadero, pero el control por satélite ha llegado para optimizar la producción ganadera, y no dejar esa decisión a una apreciación subjetiva.
¿Cómo se aplica esta tecnología y cómo se interpreta?
En primer lugar, se descompone la imagen recibida del satélite a través de modelos estadísticos en tareas de predicción, para saber qué producción vegetal tiene una finca en cada una de sus cercas de pastoreo.
Se reciben fotografías cada dos semanas y se traducen los innumerables datos, procesándose las imágenes multiespectrales que aporta el satélite, conociendo así la información adecuada para saber si el campo donde el ganadero va a soltar su lote de ganado tiene comida suficiente en cantidad y calidad para los animales.
A lo largo de los años, se ha ido cortando sucesivamente la vegetación, cerca a cerca, y asociando su volumen a la información numérica que se extrae de la imagen del satélite. De tal manera que se determina:
Todo eso sin necesidad de ir a la finca o acudir a la cerca.
Si los campos de pasto elegidos no aportan esas necesidades, a los ganaderos socios se les recomienda suplementar algo más su alimentación, por ejemplo, en los meses de verano o meses en los que haya poca cantidad de pasto. Así, se les indica a qué tipos de suplementación alimenticia y qué cantidad deben recurrir, como piensos compuestos, granos de cereal, pacas de heno, etc.
EA Group ha sido la promotora y coordinadora del proyecto con entidades colaboradoras. La Compañía de Instrumentación y Control (CIC Systems) ha realizado la automatización de los datos del satélite. Los consultores en analytics y big data (Canalyticals) han desarrollado los algoritmos con procesos de machine learning.
Por su parte, se ha contado con el profesor de la UEX, Pedro L. Rodríguez Medina, para el asesoramiento nutricional y con Fermín López Gallego, del Cycitex como finca experimental piloto donde se comenzaron las pruebas. Y posteriormente, el grupo cooperativo realizó la fase experimental del proyecto en las fincas ganaderas y finalmente, ha trasladado el desarrollo al ganadero a través de la herramienta de ayuda a la decisión.
Fuente : elmundo.es
Suscribete ahora a la revista técnica de nutrición animal
AUTORES
Intestino, el órgano inmune más grande del cuerpo
Henry CancianFICHA de MATERIA PRIMA: Grasas o Aceites vegetales y subproductos
Alba CerisueloEntrevista a Roberto Becerra Olmedo
Roberto Becerra OlmedoAcidos orgánicos y aceites esenciales: “llegaron y se han quedado”
Efecto de simbiótico como alternativa al óxido de cinc en lechones destetados
Dr. Sarah AsmussenEficacia antioxidante in vivo y protección del pienso frente al enranciamiento
Sergi CarnéCapsozyme SB Plus: rendimientos productivos y la utilización en pollos de carne
Sergi Carné¿Podemos mejorar la Salud Intestinal mediante productos naturales?
M.V. Msc Gerardo Villalobos SaumeMetabolismo ruminal de los ácidos grasos volátiles (Parte 2)
Fernando Bacha BazMacrominerales: aprovechamiento del Calcio y el Fósforo en broilers
Pedro DeluchiInforme Mercados Materias Primas ASFAC
ASFACCerrando el círculo entre eficiencia productiva, sostenibilidad y salud animal
Germán Alonso GarcíaEmpleo de dietas libres de P inorgánico en alimentación de monogástricos
Rafael Durán Giménez-RicoUtilización de trigo entero en pollo de carne: ventajas e inconvenientes
Mohamed FrikhaUso de proteínas procesadas de origen animal (PAPs) en nutrición animal
Roger Davin