7 Aliados
4 agrónomos, 2 universidades, 1 socio tecnológico y 60 agricultores.
PRÁCTICA, CIENCIA Y TECNOLOGÍA
Diferentes áreas de experiencia. Un solo desafío agronómico.
Entender la salud del suelo y de los cultivos requiere más de una disciplina. El proyecto reúne la práctica agronómica, la agricultura regenerativa, la biología del suelo, la tecnología digital y la inteligencia artificial.
Datos, plataforma y tecnología agronómica
SoilBeat
SoilBeat proporciona la base digital del proyecto. La plataforma conecta la información del suelo y del cultivo, integra los resultados de la investigación y ayuda a transformar mediciones complejas en un contexto agronómico estructurado.
Plataforma · integración de datos · inteligencia agronómica
Visitar sitio web
Biología del suelo y ecología microbiana
Universidad de Groninga
La Universidad de Groninga investiga si la actividad enzimática de los microorganismos del suelo puede contribuir a comprender mejor el funcionamiento y la calidad del suelo.
Investigación de suelos · bioindicadores · validación científica
Inteligencia artificial y aprendizaje automático
Vrije Universiteit Amsterdam
Vrije Universiteit Amsterdam aporta su experiencia en inteligencia artificial, aprendizaje automático y análisis de datos para investigar patrones en conjuntos de datos combinados de suelo y cultivos.
IA · aprendizaje automático · desarrollo de modelos
Agricultura regenerativa y asesoría para agricultores
CO2L Farming
CO2L Farming conecta la investigación y la tecnología del proyecto con la práctica agrícola regenerativa, y apoya la participación, el aprendizaje y la implementación por parte de los agricultores.
Agricultura regenerativa · capacitación · asesoría a agricultores
Agronomía e interpretación práctica
GroeiBalans
GroeiBalans aporta experiencia agronómica práctica en el manejo del suelo y los cultivos, y ayuda a los agricultores participantes a interpretar las mediciones dentro del contexto de sus propios cultivos y lotes.
Agronomía · interpretación de savia vegetal · asesoramiento a productores
Salud del suelo y agronomía práctica
Mulder Agro
Mulder Agro aporta experiencia práctica en salud del suelo, principios regenerativos y asesoría en campo para la interpretación y validación de las mediciones.
Salud del suelo · asesoría agronómica · validación práctica
Resiliencia de los cultivos y agronomía de campo
Cultivo resiliente
WeerBaar Telen aporta conocimientos prácticos sobre la producción de cultivos resilientes y ayuda a relacionar las mediciones con el desarrollo del cultivo y las observaciones de campo.
Resiliencia de los cultivos · interpretación de savia vegetal · agronomía
DE LA INVESTIGACIÓN A LA PRÁCTICA
Lo que el proyecto está construyendo, probando y aprendiendo.
El proyecto es deliberadamente más amplio que el desarrollo de software. Las nuevas mediciones solo se vuelven útiles cuando la ciencia es sólida, los datos se pueden interpretar y los agricultores pueden aplicar en la práctica el conocimiento resultante.
01
Plataforma
Una plataforma SoilBeat más desarrollada
Una nueva funcionalidad conecta las mediciones del suelo y del cultivo con el conocimiento agronómico, incluyendo microaprendizajes contextuales, interpretación estructurada e integraciones de datos relevantes.
02
IA y datos
Modelos de IA y aprendizaje automático
Los conjuntos de datos combinados a partir de mediciones de suelo, análisis de savia y parámetros biológicos se preparan, analizan y utilizan para desarrollar y validar modelos de aprendizaje automático.
03
Investigación
Investigación sobre bioindicadores del suelo
La Universidad de Groninga investiga la actividad enzimática de los microorganismos del suelo y su valor potencial como indicador del funcionamiento y la calidad del suelo.
04
Validación en campo
Un piloto práctico con agricultores participantes
Los agricultores utilizan las mediciones, SoilBeat y los principios regenerativos en entornos reales de producción, generando retroalimentación y validación práctica a lo largo de múltiples temporadas de cultivo.
05
Agronomía
Mediciones más asesoría agronómica
Las mediciones de savia de la planta, del suelo y biológicas se combinan con asesoramiento agronómico para que cada valor pueda interpretarse en el contexto del cultivo, del lote y del manejo.
06
Aprendizaje
Aprendizaje continuo a lo largo del proyecto
Los aprendizajes de la investigación y la experiencia en campo se incorporan a la plataforma y a su capa de conocimiento de forma continua, en lugar de esperar hasta el final del proyecto.
07
Intercambio de conocimientos
Compartir los aprendizajes del proyecto
El conocimiento del proyecto se comparte con agricultores, asesores, el sector educativo, organizaciones agrícolas y un público más amplio mediante demostraciones, eventos, publicaciones y otras actividades de difusión del conocimiento.
DE LA PREGUNTA DE INVESTIGACIÓN A LA VALIDACIÓN EN CAMPO
Un proyecto construido a través de ciclos repetidos de medición, aprendizaje y mejora.
El desarrollo de la plataforma, la investigación científica y la validación práctica en campo se ejecutan en paralelo. Esto permite que la nueva evidencia de las fincas y de la investigación se integre continuamente en SoilBeat a lo largo del proyecto, y no solo al final.
2023
Inicio de preparación y desarrollo del proyecto
El consorcio establece las bases prácticas, técnicas y de investigación del proyecto, incluyendo el desarrollo de la plataforma, los protocolos de medición y la preparación para la participación en campo.
Bases del proyecto
2024
Inicia la validación en campo
Las fincas participantes comienzan a utilizar los métodos de medición y SoilBeat en la práctica. Los análisis de savia, suelo y mediciones biológicas empiezan a generar una base de evidencia compartida en todo el proyecto.
Primer ciclo de campo
2024–2025
Desarrollo de investigación y modelos de datos
Se analizan la investigación del suelo, las mediciones prácticas y los conjuntos de datos combinados, mientras se desarrollan y prueban modelos de IA y aprendizaje automático frente a una base de evidencia en constante crecimiento.
Investigación + desarrollo de modelos
2025
Las mediciones repetidas aportan contexto
Ciclos de medición adicionales permiten comparar patrones a lo largo del tiempo, en lugar de tratar cada resultado de laboratorio como una instantánea aislada.
Aprendizaje longitudinal
2026
Del aprendizaje del proyecto a una aplicación más amplia
El conocimiento del proyecto, la experiencia agronómica, los resultados de investigación y la tecnología se integran para que los aprendizajes puedan transformarse en herramientas prácticas, interpretación y una mayor difusión del conocimiento.
El conocimiento llevado a la práctica
PARA AGRICULTORES
Transforme sus mediciones en mejores decisiones en el campo.
Cada lote cuenta una historia, pero a menudo está dispersa entre análisis de suelo, resultados de savia, observaciones del cultivo, el clima, las aplicaciones y años de experiencia. Al participar en el proyecto SoilBeat SNN, ustedes nos ayudan a unir esas piezas, al tiempo que obtienen una visión más clara de lo que está sucediendo en su propio suelo y cultivo.
01
Vea lo que está sucediendo dentro del cultivo
El análisis de savia vegetal proporciona una visión actual de la absorción de nutrientes y del estado de la planta. Las mediciones continuas le ayudan a seguir la respuesta del cultivo durante la temporada, en lugar de depender de un solo resultado aislado.
02
Mire más allá de una sola medición
Las mediciones de suelo, los resultados de savia, los indicadores biológicos y las observaciones de campo se integran en SoilBeat para que puedan ver las relaciones y tendencias en contexto.
03
Analice los resultados con agrónomos
Las mediciones son más útiles cuando conducen a mejores preguntas. Los agricultores participantes reciben apoyo para interpretar los resultados e identificar qué se debe verificar antes de realizar cambios en el campo.
04
Aprenda a lo largo de varias temporadas
Las mediciones repetidas permiten comparar cultivos, temporadas y decisiones de manejo. Cada nueva medición aporta contexto a la siguiente.
¿Qué les pediremos?
La participación está diseñada para adaptarse al manejo habitual de su finca. No es necesario que se conviertan en científicos de datos; el propósito del proyecto es hacer que la información agronómica compleja sea más práctica de usar.
- Tomen o proporcionen muestras de suelo y plantas en los momentos acordados.
- Registre las actividades relevantes del cultivo, la fertilización y el campo.
- Analice los resultados con los agrónomos participantes.
- Use SoilBeat para mantener conectadas las mediciones y el contexto de su finca.
- Compartan comentarios prácticos sobre lo que es —y lo que no es— útil en la finca.
Por qué es importante su participación
La investigación puede demostrar qué es científicamente posible. Los agricultores ayudan a determinar qué es prácticamente útil. Al participar, ustedes nos ayudan a evaluar si las nuevas mediciones, la interpretación agronómica y las herramientas digitales realmente mejoran la toma de decisiones en condiciones reales de campo.
¿Qué mediciones proporcionan señales tempranas útiles?
¿Qué patrones se repiten de una temporada a otra?
¿Qué información ayuda antes de tomar una decisión sobre insumos?
¿Cómo se deben presentar los resultados complejos de laboratorio para que sean útiles en la práctica?
las inscripciones ya están cerradas
La inscripción para este proyecto está cerrada.
DE LA MEDICIÓN A LA INTERPRETACIÓN AGRONÓMICA
El valor del análisis de savia le indica qué se midió. SoilBeat le ayuda a entender qué significa.
Un análisis de savia vegetal contiene información valiosa, pero un solo valor rara vez cuenta toda la historia agronómica. Un valor bajo en hojas jóvenes puede significar algo diferente al mismo valor en hojas viejas. Un cambio a lo largo del tiempo puede parecer importante, pero solo si las muestras son realmente comparables. Y un valor anormal de nutrientes puede estar relacionado con la absorción, la actividad radicular, el desarrollo del cultivo, la disponibilidad de agua, la salinidad o las interacciones con otros nutrientes.
Por eso, SoilBeat interpreta el análisis de savia como un patrón agronómico, no como una colección de números aislados.
LA LÓGICA DE INTERPRETACIÓN
Del resultado de laboratorio a la interpretación agronómica.
SoilBeat construye la interpretación por capas. Cada paso añade contexto antes de llegar a una conclusión.
SoilBeat no comienza con la relación entre las hojas. Cada valor medido se evalúa primero de forma independiente frente al rango de referencia relevante del laboratorio o del cultivo. Esto permite que el estado de la hoja joven, el estado de la hoja vieja y la dirección de ambas señales se mantengan claramente visibles antes de interpretar su relación.
Una relación equilibrada entre las hojas jóvenes y las viejas no significa automáticamente que el estado nutricional sea suficiente. Ambos valores aún podrían ser bajos.
No todos los nutrientes se mueven a través de la planta de la misma manera.
La movilidad de un elemento influye en la importancia que se le da a las hojas jóvenes, a las hojas viejas y a su distribución en la interpretación. Por ello, SoilBeat utiliza diferentes grupos de interpretación.
Móvil
N · NO₃-N · NH₄-N · P · K · Mg
Tanto las hojas jóvenes como las viejas proporcionan información útil. Su distribución puede aportar contexto sobre la redistribución, el agotamiento de reservas o la acumulación relativa en los tejidos más viejos.
Movilidad limitada
S · Fe · Mn · Zn · Cu · Mo
Las hojas jóvenes generalmente tienen mayor peso al evaluar el estado actual, mientras que las hojas viejas siguen siendo un contexto fisiológico importante.
Hoja joven principal
Ca · B
El estado actual en el tejido joven es determinante. Un valor alto en hojas viejas no compensa automáticamente un valor bajo en hojas jóvenes.
Interpretación específica
Cl · Na · Si · Al
Estos elementos requieren una interpretación más específica según el elemento, el cultivo, el laboratorio o el contexto, en lugar de una regla de movilidad genérica.
El lugar donde se encuentra un nutriente puede ser tan informativo como la cantidad presente.
La distribución entre hojas jóvenes y viejas puede aportar información sobre la redistribución, el agotamiento de reservas, la acumulación relativa o patrones inusuales. SoilBeat siempre combina esa señal con los valores absolutos, el cultivo, la etapa de desarrollo y demás contexto disponible.
Los nutrientes funcionan como un sistema, no como controles independientes.
Cuando las combinaciones de mediciones sugieren una posible interacción, SoilBeat puede destacar ese patrón para una investigación más profunda. La señal se trata como una hipótesis y un punto de verificación, no como una prueba de causalidad.
K ↔ Ca / Mg
Un nivel alto de K junto con niveles bajos de Ca o Mg puede ameritar que investiguen una posible competencia entre cationes y el contexto más amplio de la zona radicular.
P ↔ Zn
Un nivel alto de P junto con un nivel bajo de Zn puede justificar la investigación de una posible interacción P–Zn.
NH₄-N ↔ K / Ca / Mg
Un nivel alto de amonio combinado con valores bajos de cationes puede justificar la verificación de competencia en la absorción u otras limitaciones.
Cl ↔ NO₃-N
Un nivel alto de cloruro combinado con un nivel bajo de nitrato puede ser motivo para revisar con más detalle la salinidad, el agua de riego y una posible competencia.
NO₃-N ↔ S / Fe / Mo
Cuando el nitrato está alto, otros elementos involucrados en el metabolismo del nitrógeno pueden aportar un contexto adicional útil.
Na ↔ K / Ca
Un nivel alto de sodio junto con niveles bajos de K o Ca puede ser consistente con un problema más amplio de salinidad o de desbalance iónico.
De la señal al punto de verificación, no directamente a la causa.
SoilBeat no concluye de forma automática que un nivel alto de potasio haya causado un problema de calcio. En su lugar, la interpretación puede indicar que el patrón coincide con una posible competencia entre K, Ca y Mg, y recomendar revisar las condiciones de la zona radicular, el riego, la CE, las aplicaciones recientes y demás información disponible.
LÍMITES AGRONÓMICOS
La interpretación no se detiene en «bajo» o «alto».
Para un software es fácil señalar un valor cuando cae fuera de un rango de referencia. La interpretación agronómica requiere más. Por eso, SoilBeat utiliza parámetros de control diseñados para evitar que un solo dato se traduzca con demasiada rapidez en una intervención.
Un valor anormal no es automáticamente una recomendación de producto.
Un nivel bajo de nutrientes no significa necesariamente que deba aplicar más de ese nutriente de inmediato. Primero puede ser necesario revisar la actividad radicular, el agua, el oxígeno, la CE, el pH, la competencia de nutrientes, la tasa de crecimiento y las aplicaciones recientes.
Una relación nunca reemplaza a las mediciones subyacentes.
Aun cuando ambos valores sean demasiado bajos, puede presentarse una relación favorable entre las hojas jóvenes y las viejas. Por lo tanto, el estado individual de las hojas sigue formando parte de la interpretación.
El tejido joven sigue siendo determinante allí donde la fisiología lo requiere.
En el caso de nutrientes como el calcio y el boro, el nutriente almacenado en los tejidos más viejos no puede considerarse automáticamente disponible para los tejidos en desarrollo.
Una interacción es una hipótesis, no una causalidad comprobada.
SoilBeat utiliza expresiones como «puede ser consistente con», «podría indicar» y «verificar» cuando los datos disponibles no permiten comprobar una causa específica.
Las tendencias requieren mediciones comparables.
Un laboratorio diferente, el método de muestreo, la etapa del cultivo o la posición de la hoja pueden generar una tendencia aparente que no refleja un cambio fisiológico real.
El contexto va antes de la corrección.
La secuencia recomendada es detectar, investigar, verificar, actuar cuando esté agronómicamente justificado y luego monitorear el resultado con nueva evidencia.
No todas las interpretaciones tienen el mismo nivel de evidencia.
SoilBeat puede indicar qué tan sólidamente respaldan los datos y el contexto disponibles una interpretación. El nivel de confianza se relaciona con la calidad de la interpretación, no con la certeza de que se haya demostrado una causa raíz específica.
Mayor confianza
La muestra es utilizable, el patrón es claro, las señales relevantes se respaldan entre sí y hay pocas contradicciones importantes.
Confianza moderada
La interpretación es plausible, pero falta cierto contexto relevante o aún existen explicaciones alternativas creíbles.
Menor confianza
Existe una incertidumbre importante en torno al muestreo, la comparabilidad, la falta de contexto o las señales fisiológicas marcadamente contradictorias.
Por lo tanto, la falta de contexto o la presencia de información contradictoria puede llevar a una conclusión más cautelosa, incluso cuando la medición del laboratorio sea válida.
Del informe de laboratorio al razonamiento agronómico.
SoilBeat ayuda a agricultores y agrónomos a hacerse las mismas preguntas clave de forma constante antes de decidir qué paso dar a continuación.
¿Qué estamos observando? ¿Qué nos indican las hojas jóvenes y las hojas viejas? ¿Cómo se comporta este nutriente dentro de la planta? ¿Tiene sentido el patrón para este cultivo y etapa de desarrollo? ¿Estamos ante una tendencia real? ¿Qué interacciones o explicaciones alternativas son relevantes? ¿Qué se necesita verificar en el cultivo, la zona radicular, el suelo, el sustrato o el agua? ¿Con qué nivel de certeza la evidencia disponible respalda la conclusión?
Número máximo de participantes: 125 fincas
Público objetivo: Ganaderos, agricultores de cultivos transitorios y horticultores enfocados en la salud del suelo y el crecimiento de los cultivos.
Duración: 2024, 2025 y 2026
Incluye: Uso de SoilBeat para la organización de datos, diagnóstico inicial personalizado con un asesor, múltiples análisis de savia vegetal con interpretación y recomendaciones.
las inscripciones ya están cerradas