Im\u00e1genes satelitales<\/strong><\/p>\n\n\n\n VegMachine – STOCKSMART – AUSTRALIAN MONITOR – GRASP FORAGE<\/em><\/p>\n\n\n\n VegMachine.<\/strong><\/p>\n\n\n Es una plataforma en l\u00ednea gratuita para analizar las tendencias de la vegetaci\u00f3n a largo plazo en los paisajes australianos. Es una herramienta para an\u00e1lisis de la cobertura vegetal, sintetiza casi 40 a\u00f1os de datos de cobertura y muestra un gr\u00e1fico de c\u00f3mo ha cambiado la cobertura en ese periodo. Permite generar informes exhaustivos de monitoreo de la cobertura del suelo, medir los cambios en la cobertura del suelo y las marcas de incendios. Comprender mejor los v\u00ednculos entre la gesti\u00f3n, el clima y la cobertura.<\/p>\n\n\n\n STOCKSMART<\/strong><\/p>\n\n\n Cuantifica el forraje disponible en un \u00e1rea de inter\u00e9s utilizando los \u00faltimos datos obtenidos por teledetecci\u00f3n y la experiencia de los usuarios sobre par\u00e1metros de la pastura, distribuci\u00f3n y la distancia al agua, as\u00ed como las limitaciones del terreno para el movimiento del ganado. Los datos primarios proceden de datos de teledetecci\u00f3n, calcula la media hist\u00f3rica y la desviaci\u00f3n est\u00e1ndar de la producci\u00f3n anual total desde 1984 hasta 2024. Para determinar forraje disponible para los animales, aplica c\u00e1lculos de correcci\u00f3n del terreno y cobertura. La correcci\u00f3n del terreno tiene en cuenta la pendiente del terreno y la distancia al agua. A continuaci\u00f3n, se puede calcular el forraje disponible, a la que luego aplica variables de usuario adicionales, como el coeficiente de cosecha y la utilizaci\u00f3n de arbustos, para obtener una cifra final. calcular la tasa de carga ganadera, simular diferentes escenarios e interpretar los resultados.<\/p>\n\n\n\n AUSTRALIAN MONITOR<\/strong><\/p>\n\n\n Se trata de un portal en l\u00ednea para mejorar la comprensi\u00f3n y la gesti\u00f3n de del pastoreo de Australia. El portal es gratuito para los miembros de MLA y cuenta con el apoyo de un amplio programa de extensi\u00f3n. Utiliza m\u00e1s de 5000 mediciones de materia seca obtenidas a partir de cortes de pastos y medidas de Plato Ascendente, para construir una estimaci\u00f3n de Tasa de crecimiento (TC) del pasto basada en sat\u00e9lites con una precisi\u00f3n similar a la de las observaciones de campo. Este modelo produce estimaciones nacionales de TC, cada cinco d\u00edas bas\u00e1ndose en las im\u00e1genes de los 30 d\u00edas anteriores. La aplicaci\u00f3n coincidente de un modelo de cobertura fraccional permite dividir las estimaciones de TC en componentes verdes y secos, lo que permite aplicaciones adicionales como la estimaci\u00f3n de la calidad de los pastos, la evaluaci\u00f3n del riesgo de incendios forestales y el an\u00e1lisis de la cobertura del suelo. Basados en el sat\u00e9lite Sentinel-2 de la Agencia Espacial Europea, estos productos est\u00e1n disponibles desde 2017. Esto permite a conocer tendencias en la producci\u00f3n de pasto de sus establecimientos.<\/p>\n\n\n\n GRASP – FORAGE<\/strong><\/p>\n\n\n Es un modelo que predice productividad a partir de lluvia, es un modelo de crecimiento de pasto para la regi\u00f3n de Queensland, norte de Australia. Predice la variabilidad anual y estima la capacidad de carga segura. El valor de ajuste para la estimaci\u00f3n de forraje en pie es muy bueno. El sistema en l\u00ednea FORAGE <\/strong>ofrece una combinaci\u00f3n \u00fanica de modelizaci\u00f3n de pastizales (con el modelo GRASP), teledetecci\u00f3n y previsiones clim\u00e1ticas para apoyar las decisiones sobre la gesti\u00f3n de las tierras de pastoreo y el medio ambiente.<\/p>\n\n\n\n INTELIGENCIA ARTIFICIAL Y SENSORES<\/strong><\/p>\n\n\n\n (BeefVantage \u2013 SENSORES REMOTOS \u2013 ALAMBRADO VIRTUAL)<\/em><\/p>\n\n\n\n BeefVantage<\/strong><\/p>\n\n\n Es un asistente de Inteligencia Artificial (IA) como ChatGPT. Es un sistema de apoyo a la toma de decisiones personalizado y basado en inteligencia artificial, dise\u00f1ado espec\u00edficamente para los productores de carne de vacuno de Queensland. BeefVantage utiliza t\u00e9cnicas avanzadas de procesamiento del lenguaje natural y modelos de lenguaje grandes (genera textos similar al humano) ajustados con precisi\u00f3n, inicialmente se entrenan con grandes cantidades de datos textuales y utilizan t\u00e9cnicas de aprendizaje autom\u00e1tico para aprender patrones ling\u00fc\u00edsticos y generar respuestas coherentes y contextualmente relevantes, centr\u00e1ndose en datos fiables espec\u00edficos del sector, enfoque garantiza una alta relevancia y precisi\u00f3n en sus recomendaciones.<\/p>\n\n\n\n SENSORES REMOTOS<\/strong><\/p>\n\n\n\n Se utilizaron la combinaci\u00f3n de datos generados por 3 sensores para monitoreo del comportamiento animal y desempe\u00f1o forrajero. Se empleo Aprendizaje autom\u00e1tico para 1) Predecir estimaciones diarias de la calidad del forraje; 2) Estimar la ganancia media diaria (GMD) utilizando sistemas de pesaje en pastos; y 3) Incorporar la calidad del forraje y las estimaciones de la GMD en modelos de nutrici\u00f3n animal.<\/p>\n\n\n Tres sensores: WelfareTag\u2122 HerdDogg, registra cambios m\u00ednimos de temperatura y movimiento que a menudo son invisibles para el ojo humano y proporcionando un sistema de alerta temprana para la salud y el celo. Collar GPS, monitorea actividad y genera informaci\u00f3n de consumo, rumia, descansos y el bolo ruminal SmaXtec\u00ae Classic Bolus, mide continuamente la temperatura corporal interna y los niveles de actividad de las vacas dentro del ret\u00edculo. En conclusi\u00f3n, los sensores colocados en los animales generan datos que alimentan algoritmos, para generar recomendaciones de manejo. La adopci\u00f3n de sensores para la monitorizaci\u00f3n continua mejora la gesti\u00f3n nutricional, del pastoreo y de la reproducci\u00f3n en pastizales extensos, lo que permite tomar mejores decisiones sobre la ingesta de suplementos y mejorar el comportamiento de pastoreo y la utilizaci\u00f3n del pasto.<\/p>\n\n\n\n ALAMBRADO VIRTUAL (AV)<\/strong><\/p>\n\n\n Es una tecnolog\u00eda en expansi\u00f3n. El sistema utiliza barreras invisibles establecidas por las coordenadas del Sistema Global de Navegaci\u00f3n por Sat\u00e9lite para influir en el movimiento del ganado sin necesidad de una cerca f\u00edsica. Los sistemas AV utilizan una combinaci\u00f3n de se\u00f1ales auditivas y el\u00e9ctricas (es decir, pitidos, descargas el\u00e9ctricas benignas) que se originan en un collar port\u00e1til. Esta tecnolog\u00eda emergente tiene el potencial de cambiar los sistemas de pastoreo al incidir en el control y la distribuci\u00f3n del ganado. Paralelamente, los collares tambi\u00e9n generan datos sobre la ubicaci\u00f3n del ganado, proporcionar informaci\u00f3n sobre el comportamiento de pastoreo y ayudar en la toma de decisiones. Los sistemas pueden ser complicados y costosos de implementar. Para abordar profundizar en esto, compartimos en el QR, una gu\u00eda que incluye informaci\u00f3n pr\u00e1ctica sobre la adopci\u00f3n del AV.<\/p>\n\n\n En s\u00edntesis, presentamos solo algunos de los productos, servicios y\/o sistemas. Para quienes ponderamos el valor de las herramientas para la toma de decisiones fue una excelente oportunidad de ver mucha informaci\u00f3n y diferentes enfoques. Algo positivo tambi\u00e9n fue que mucho de lo que vimos no es tan nuevo, ni tan lejano para el contexto ganadero de Uruguay. En lo que respecta a im\u00e1genes satelitales y herramientas digitales como bienes p\u00fablicos para la toma de decisiones en el Plan Agropecuario se tiene m\u00e1s de 20 a\u00f1os trabajando en desarrollos tecnol\u00f3gicos, MeGanE, iPasto, enPastoreo, Carpeta Verde, Educaci\u00f3n a Distancia, Buscador IA, Foros Digitales, son una muestra de eso.<\/p>\n\n\n\n Todo lo relacionado a Inteligencia artificial y Aprendizaje autom\u00e1tico a partir de grandes cantidades de datos o a partir de sensores en animales para predecir desempe\u00f1o o comportamiento, parecen ser de los temas con m\u00e1s potencial para la generaci\u00f3n de innovaci\u00f3n. Presenciar estos enfoques o alternativas nos da una apertura mayor para seguir apoyando y generando soluciones tecnol\u00f3gicas para la toma de decisiones en ganader\u00eda.<\/p>\n","protected":false},"excerpt":{"rendered":" Ing. Agr. Santiago Lombardo Chavasco Plan Agropecuario Desde el 2 al 6 de junio de…<\/p>\n","protected":false},"author":3,"featured_media":803,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[26],"tags":[27],"_links":{"self":[{"href":"https:\/\/revista.planagro.uy\/index.php\/wp-json\/wp\/v2\/posts\/793"}],"collection":[{"href":"https:\/\/revista.planagro.uy\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/revista.planagro.uy\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/revista.planagro.uy\/index.php\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/revista.planagro.uy\/index.php\/wp-json\/wp\/v2\/comments?post=793"}],"version-history":[{"count":1,"href":"https:\/\/revista.planagro.uy\/index.php\/wp-json\/wp\/v2\/posts\/793\/revisions"}],"predecessor-version":[{"id":804,"href":"https:\/\/revista.planagro.uy\/index.php\/wp-json\/wp\/v2\/posts\/793\/revisions\/804"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/revista.planagro.uy\/index.php\/wp-json\/wp\/v2\/media\/803"}],"wp:attachment":[{"href":"https:\/\/revista.planagro.uy\/index.php\/wp-json\/wp\/v2\/media?parent=793"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/revista.planagro.uy\/index.php\/wp-json\/wp\/v2\/categories?post=793"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/revista.planagro.uy\/index.php\/wp-json\/wp\/v2\/tags?post=793"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}![\"\"](\"https:\/\/revista.planagro.uy\/wp-content\/uploads\/2025\/08\/image.png\")
<\/figure><\/div>\n\n\n![\"\"](\"https:\/\/revista.planagro.uy\/wp-content\/uploads\/2025\/08\/image-1.png\")
<\/figure><\/div>\n\n\n![\"\"](\"https:\/\/revista.planagro.uy\/wp-content\/uploads\/2025\/08\/image-2.png\")
<\/figure><\/div>\n\n\n![\"\"](\"https:\/\/revista.planagro.uy\/wp-content\/uploads\/2025\/08\/image-3.png\")
<\/figure><\/div>\n\n\n![\"\"](\"https:\/\/revista.planagro.uy\/wp-content\/uploads\/2025\/08\/image-4.png\")
<\/figure><\/div>\n\n\n![\"\"](\"https:\/\/revista.planagro.uy\/wp-content\/uploads\/2025\/08\/image-5.png\")
<\/figure><\/div>\n\n\n![\"\"](\"https:\/\/revista.planagro.uy\/wp-content\/uploads\/2025\/08\/image-6.png\")
<\/figure><\/div>\n\n\n![\"\"](\"https:\/\/revista.planagro.uy\/wp-content\/uploads\/2025\/08\/05ea3bb3-b0fd-4091-8d13-1c2d0ca44551-2.jpg\")
<\/figure><\/div>\n\n\n