English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

El desarrollo de la agricultura a nivel mundial empieza a girar de rumbo en la manera de realizar sus actividades diarias, con el aporte de internet de las cosas, se logró involucrar otros dispositivos que tributan información, dando vida a la Agricultura de Precisión, de tal manera que la incidencia de la tecnología es muy significativo y le permite al agricultor hacer uso de sensores, GPS, imágenes satelitales, big data y dispositivos que emiten información de la superficie terrestre para evaluar correctamente las condiciones atmosféricas a fin de tomar decisiones asociadas al cultivo de la zona de estudio.Los sensores en las plataformas en órbita, permiten capturar el comportamiento de la superficie terrestre, por ende el cálculo del Índice de Vegetación de Diferencia Normalizada NDVI, permitió obtener como resultado una imagen final cuyos patrones determinaron como en el área de estudio se requiere tomar decisiones que permitan mejorar la superficie terrestre a fin de distribuir adecuadamente los recursos asignados para los cultivos, minimizando gastos, logrando controlar y optimizar los ciclos de producción para desarrollar una agricultura sostenible.En este trabajo se pretende demostrar la importancia de la estimación del índice de vegetación normalizada como eje fundamental en la agricultura de precisión, y como esta información generada permitió identificar los niveles de productividad primaria en las zonas de estudio, para una correcta toma de decisiones por parte de los productores.

Uso de índices espectrales en la agricultura de precisión: caso de estudio campus de la Facultad Técnica de Machala