Artículo
original
Desarrollo de una estación IoT
para monitoreo de microclimas y condiciones de suelo para adaptación de
cultivos al cambio climático
Development
of an IoT station for monitoring microclimates and soil conditions to adapt
crops to climate change
William Eduardo Salgado
Villanueva[1]
https://orcid.org/0000-0002-1964-0230
Guido Edson Diego Bacigalupo
Chocano[2]
https://orcid.org/0009-0003-3876-4428
Fernando José Acostupa Godoy[3]
https://orcid.org/0009-0001-5319-7965
Tito Leoncio Córdova Miranda[4]
https://orcid.org/0000-0001-5060-0221
Hugo Javier Rivera Herrera[5]
https://orcid.org/0000-0002-9896-5008
Recibido:
06/02/2025
Aceptado:
01/04/2025
Publicado:
15/04/2025
Resumen
El cambio climático afecta directamente a los
cultivos a nivel mundial, representando una amenaza creciente para la
producción agrícola y la seguridad alimentaria. Este estudio tuvo como objetivo
diseñar una estación basada en Internet de las Cosas (IoT) para monitorear
microclimas y condiciones del suelo. Se implementó un sistema compuesto por
nodos centrales (ESP32 LILYGO T-SIM7000G con el módulo RF nRF24L01) y nodos
secundarios (NodeMCU-32, basado en el microcontrolador ESP32), equipados con
sensores para medir variables ambientales y del suelo, como humedad,
temperatura, presión, radiación UV, velocidad del viento, así como
conductividad, nitrógeno, fósforo y potasio. Los dispositivos utilizados
incluyeron un pluviómetro digital MS-WH-SP-RG, un sensor BME 280, un sensor de
suelo NPK JXBS-3001-NPK-RS, un sensor UV CJMCU-GUVA-S12SD, un anemómetro JL-FS2
y una veleta B08N52YR8Z. Los datos recolectados fueron transmitidos a través de
la plataforma en la nube ThingSpeak y se desarrolló una interfaz web para su
visualización. Los resultados indicaron que el sistema IoT recopiló datos con
alta precisión y fiabilidad, mostrando una concordancia significativa con los
datos de un equipo profesional de referencia. La integración de tecnologías IoT
en la agricultura ofrece soluciones efectivas para enfrentar los desafíos del
cambio climático, mejorando la capacidad de adaptación y la eficiencia en la
gestión de cultivos.
Palabras
clave: adaptación de cultivos; cambio climático; estación meteorológica;
IoT; sensores.
Abstract
Climate change directly affects crops worldwide,
posing an increasing threat to agricultural production and food security. The
aim of this study was to design an Internet of Things (IoT) station to monitor
microclimates and soil conditions. A system was implemented consisting of
central nodes (ESP32 LILYGO T-SIM7000G with the RF module nRF24L01) and
secondary nodes (NodeMCU-32, based on the ESP32 microcontroller), equipped with
sensors to measure environmental and soil variables such as humidity, temperature,
pressure, UV radiation, wind speed, as well as conductivity, nitrogen,
phosphorus, and potassium. The devices used included a digital rain gauge
MS-WH-SP-RG, a BME 280 sensor, an NPK soil sensor JXBS-3001-NPK-RS, a UV sensor
CJMCU-GUVA-S12SD, an anemometer JL-FS2, and a weather vane B08N52YR8Z. The
collected data was transmitted via the cloud platform ThingSpeak, and a web
interface was developed for visualization. The results indicated that the IoT
system collected data with high accuracy and reliability, showing significant
agreement with data from a professional reference device. The integration of
IoT technologies in agriculture provides effective solutions to address the
challenges of climate change, improving adaptation capacity and efficiency in crop
management.
Keywords: crop
adaptation; climate change; weather station; IoT; sensors.
1. Introducción
El cambio climático es una realidad que afecta directamente la
producción de alimentos, lo que representa un desafío para satisfacer las necesidades
de una población mundial en constante crecimiento. Se espera que para 2050 la
población supere los 9700 millones, aumentando la presión sobre los recursos
agrícolas, que disminuyen debido a la urbanización (Organización de las
Naciones Unidas [ONU], 2019). A esto se suma la creciente demanda de alimentos
de mayor calidad nutricional debido al aumento de la clase media. Sin embargo,
el cambio climático, manifestado en temperaturas más altas, sequías y fenómenos
extremos, está impactando negativamente en la productividad y calidad de los
cultivos básicos en todas las regiones. Además, los sistemas alimentarios,
incluyendo la biodiversidad y los servicios ecosistémicos, se ven afectados por
eventos climáticos extremos. Esto resulta en una mayor vulnerabilidad a la
inseguridad alimentaria y nutricional, especialmente en las comunidades rurales
(Food and Agriculture Organization of the United Nations [FAO], 2015). Además,
las tensiones bióticas exacerbadas por el cambio climático, como las plagas y
enfermedades, también afectan la producción de alimentos (Kumar et al., 2022).
Dado que las zonas agrícolas requieren supervisión y gestión
constantes, estas son candidatas ideales para la implementación de sistemas de
Internet de las Cosas (IoT). Paradigmas como la computación en la nube, redes
de sensores inalámbricos (WSN), actuadores, sistemas de geoposicionamiento, Big
Data, aprendizaje automático, drones y robótica tienen un gran potencial para
mejorar la productividad agrícola (Čolaković & Hadžialić, 2018). El IoT
puede ser utilizado en toda la cadena de producción agrícola para evaluar el
estado de los cultivos, monitorear plagas y enfermedades, medir parámetros
meteorológicos como temperatura y humedad, y evaluar variables de campo como el
estado del suelo. Además, puede enviar mensajes de recomendación o activar
alertas (Muangprathub et al., 2019).
La vulnerabilidad de Perú a las variaciones climáticas es evidente por
los daños económicos provocados por fenómenos como El Niño. En un escenario
pasivo, los efectos del cambio climático podrían ser aún más severos, afectando
la biodiversidad, la salud humana, la productividad agrícola y pesquera, y los
recursos hídricos (Sánchez, 2016). En comparación con otras naciones de América
Latina y del mundo, la producción agrícola en Perú es limitada en comparación
con otras naciones de América Latina y del mundo, debido a numerosas
restricciones y deficiencias del sector. Aumentar el grado de supervisión y
gestión de los factores de producción de cultivos agrícolas es una estrategia
clave para apoyar el crecimiento competitivo del sector (Aguilar, 2020). Entre
las diversas tecnologías de información y comunicación disponibles, el
microcontrolador ESP32 permite el diseño de sistemas de riego habilitados para
IoT que automatizan el proceso de riego mediante la recopilación de datos,
activación y desactivación del riego automático, y comunicación con
aplicaciones móviles (Pereira et al., 2023). La incorporación de redes
inalámbricas de sensores (WSN) en la agricultura ha demostrado ser efectiva,
permitiendo enfoques novedosos y organizados para aumentar el rendimiento de
los cultivos mediante el monitoreo de la composición de macronutrientes de las
plantas y la migración de cultivos en respuesta al cambio climático (Musa et
al., 2023).
La agricultura es un componente esencial del crecimiento económico de
nuestra nación. Los principales determinantes de la producción agrícola son la
fertilidad y el contenido de humedad del suelo. Las recomendaciones sobre
fertilización se basan en los nutrientes presentes en el suelo, obtenidos tras
un análisis que generalmente se realiza en un laboratorio. Sin embargo, medir
manualmente los nutrientes del suelo es un proceso que lleva mucho tiempo. Como
resultado, muchos agricultores no analizan su suelo en un laboratorio y
continúan cultivando lo mismo durante todo el año, lo que reduce la fertilidad
del suelo. Para abordar este problema, se ha desarrollado un sistema que
utiliza redes de sensores inalámbricos para aplicar la agricultura de
precisión, permitiendo el control remoto de la fertilidad del suelo y otros
parámetros como la temperatura, el pH y el contenido de humedad del suelo. Esta
solución de software basada en IoT es lo suficientemente inteligente como para
sugerir la cantidad adecuada de agua y fertilizante necesarios para mejorar la
calidad del suelo y garantizar el mejor desarrollo posible de los cultivos.
Por lo tanto, el
objetivo de la investigación fue diseñar una estación IoT para monitorear
microclimas y condiciones del suelo, con el fin de mejorar la adaptación de
cultivos frente al cambio climático.
2. Metodología
2.1. Lugar de estudio
El área de estudio estuvo constituida por la zona de del distrito de
Pachía, ubicada en la ciudad de Tacna, con coordenadas de Latitud -
17°53'31.5"S y Longitud 70°09'01.5"W. En la ruta que une la provincia
de Tacna con el distrito de Pachía, se contó con cobertura 4G de un operador
nacional. En la Figura 1, se visualizan el mapa de la ubicación geográfica y la
ubicación del nodo central y el nodo secundario, respectivamente.
|
Ubicación geográfica del diseño y de los
nodos |
|
|
2.2. Arquitectura del
sistema
El sistema se compuso de un nodo central y un nodo secundario, como se
describe en la Figura 2. El microcontrolador del nodo secundario se comunicó
con el microcontrolador del nodo central para recibir los datos de los
sensores. El nivel físico, el nivel de red y el nivel de aplicación de los
sistemas del Internet de las Cosas (IoT) constituyeron la base de la
arquitectura del sistema.
|
Figura 2 Arquitectura
del sistema |
|
|
El nivel físico estuvo formado por sensores
que permitieron recoger datos pertinentes para el seguimiento de las condiciones
ambientales, como la medición de la humedad y la temperatura ambiente, el nivel
de humedad y macronutrientes del suelo, la intensidad de las precipitaciones y
el nivel de radiación solar.
El nivel de red hizo posible conectar dispositivos inteligentes a
servidores u otros dispositivos inteligentes. El protocolo de comunicación RF
facilitó la comunicación entre el nodo central y el nodo secundario. El nodo
central utilizó el protocolo GPRS para conectarse a la base de datos alojada en
la nube. Una vez que el nodo central recibió los datos, los presentó al usuario
a través de una interfaz a nivel de aplicación para su supervisión.
2.3. Implementación del
sistema
a. Diseño de hardware
El sensor del nodo secundario recogió
información sobre las condiciones ambientales y del suelo, enviándola al nodo
central. Todos los datos fueron recibidos por el nodo central, que los evaluó y
formateó para almacenarlos en su registro diario. Para permitir el seguimiento
de las condiciones ambientales y del suelo, el nodo central transmitió
simultáneamente los datos obtenidos a una base de datos IoT situada en la nube.
Los dispositivos empleados se presentan
simultáneamente en la Tabla 1. El sensor de humedad, temperatura y presión
constó de una Placa de Circuito Impreso (PCB) de temperatura, humedad y presión
BME280, que contenía un sensor Bosch BME280 y componentes electrónicos
adicionales montados en una sola PCB. El sensor BME280 utilizó un protocolo de
comunicación I2C de dos cables para comunicarse con el microcontrolador; el
microcontrolador envió comandos al sensor para medir los tres parámetros
meteorológicos y luego tomó las lecturas del sensor (Fisher, et al., 2018; Đorđević
et al., 2020). Por otro lado, para medir la humedad del suelo se utilizó el
sensor NPK JXBS-3001-NPK-RS, que permitió medir la fertilidad del suelo, así
como otros parámetros como la temperatura, el pH, y macronutrientes como
nitrógeno, fósforo y potasio, además del contenido de humedad del suelo
(Cheruvu et al., 2023).
Además, los sensores UV CJMCU-GUVA-S12SD
fueron fundamentales en la detección y medición de la radiación ultravioleta.
Su capacidad para evaluar la intensidad de la radiación UV es esencial para
comprender los efectos potenciales en la salud humana, así como para evaluar su
impacto en el medio ambiente. Esto se debe a que los sensores UV pueden
detectar la luz ultravioleta, y el efecto de las nubes puede aumentar la
radiación UV cuando está nublado (Jamroen et al., 2021). Para el estudio de la
vigilancia de las precipitaciones se utilizó un pluviómetro digital, cuya
función fue medir la cantidad de precipitación caída en un periodo determinado.
|
Distribución de
dispositivos en cada nodo |
|||||
|
Dispositivo |
Modelo |
Nodo central |
Nodo secundario |
|
|
|
Sensor de suelo |
JXBS-3001-NPK-RS |
|
X |
√ |
|
|
Sensor de intensidad de
lluvia |
MS-WH-SP-RG |
√ |
X |
|
|
|
Sensor de velocidad de
viento |
JL-FS2 |
√ |
X |
|
|
|
Sensor de dirección de
viento |
B08N52YR8Z |
√ |
X |
|
|
|
Sensor de radiación UV |
CJMCU-GUVA-S12SD |
√ |
X |
|
|
|
Sensor de humedad,
temperatura y presión |
BME280 |
√ |
X |
|
|
|
Tarjeta de desarrollo
/Microcontrolador |
NodeMCU ESP32 |
X |
√ |
|
|
|
Módulo de comunicación
GPRS |
LILYGO T-SIM7000G |
|
√ |
X |
|
|
Módulo de comunicación
inalámbrica |
nRF24L01 |
√ |
√ |
|
|
|
Módulo de alimentación
de energía |
Adaptador de voltaje/
Panel solar mini/ Batería de Litio |
√ |
√ |
|
|
Por otra parte, para medir la velocidad del
viento se utilizó el anemómetro MS-WH-SP-RG (Almada, 2020), mientras que una veleta
JL-FS2, dispositivo colocado sobre un eje vertical que gira libremente para
moverse a medida que el viento cambia de dirección, se utilizó para medir la
dirección del viento. Normalmente, el movimiento de la veleta se amortigua para
evitar cambios bruscos en la dirección del viento (Almarcha, 2023).
En cuanto a la tarjeta de desarrollo y
microcontrolador, para el diseño de la estación se utilizó el microcontrolador
NodeMCU ESP32, fabricado por Espressif Systems. Este microcontrolador es muy
flexible y combina funciones Bluetooth y Wi-Fi en un solo chip. Gracias a su
adaptabilidad y bajo consumo, es perfecto para aplicaciones de Internet de las
Cosas (IoT), lo que permite a los desarrolladores crear una amplia gama de
dispositivos conectados y soluciones creativas. También se utilizó el módulo
LILYGO T-SIM7000G, perfecto para aplicaciones de IoT que requieren conectividad
celular, ya que combina un microcontrolador de la familia ESP32 con una
SIM7000G contemporánea para la conexión a redes celulares, permitiendo la
comunicación a través de GSM (2 G), GPRS (2,5 G) y NB-IoT (Narrowband IoT)
(Petracci et al., 2024).
Por último, en cuanto al módulo de
alimentación de energía, un adaptador de voltaje de 12 voltios transformó la
corriente eléctrica de una toma convencional (a menudo de 120 o 220 voltios) en
una corriente de salida de 12 voltios, que puede alimentar una gran variedad de
dispositivos electrónicos. A pesar de su sencillo diseño, el adaptador de
voltaje de 12 V sirve de enlace entre el potencial eléctrico y el rendimiento
preciso. Utilizando la tecnología de iones de litio, la batería de iones de
litio de 3,7 voltios es una fuente de energía recargable que puede almacenar
energía y alimentar una serie de aparatos electrónicos. Los paneles solares
modestos son dispositivos ligeros que utilizan la radiación solar para producir
cantidades modestas de energía, perfectos para aplicaciones que requieren poca
energía o portabilidad.
Para el diseño del modelo de la placa de
circuito, se utilizó FLUX.AI, un software basado en Internet. En la Figura 3a
se muestra el diseño de la placa impresa para el nodo central, mientras que en
la Figura 3b se presenta el diseño correspondiente al nodo secundario.
|
Figura 3 Modelo de placa impresa |
|
|
La ventaja ofrecida por el programa FLUX.AI
fue la capacidad de proporcionar una vista en 3D de cómo quedaría el diseño de
la placa impresa. En la Figura 4a, se visualiza la placa en formato 3D
correspondiente al nodo central, mientras que en la Figura 4b, se muestra la
placa en formato 3D del nodo secundario.
|
Figura 4 Vista 3D de la placa |
|
|
b. Diseño de software
La programación se llevó a cabo en el
entorno de desarrollo integrado (IDE) Arduino. Para el nodo central, se
implementó el algoritmo descrito en la Tabla 2.
|
Tabla 2 Algoritmo
representativo del nodo central |
|
|
Nodo
central |
|
|
Paso 1. |
Declara librerías |
|
Paso 2. |
Declara variables |
|
Paso 3. |
Configura
transmisión/recepción |
|
Inicio
bucle |
|
|
Paso 4. |
Recepción de la señal
RF |
|
Paso 5. |
Recibe los datos del
sensor provenientes del nodo secundario |
|
Paso 6. |
Selecciona los datos
del nodo de donde proviene |
|
Paso 7. |
Muestra los datos en el
monitor serial |
|
Paso 8. |
Se actualiza los datos
recibidos del sensor |
|
Paso 9. |
Publica datos en la
nube para su monitoreo por el usuario de forma remota |
|
Paso 10. |
Se crea un formato XLXS
para almacenar los datos registrados en el día |
|
Fin
bucle |
|
El nodo secundario opera de manera similar,
por lo que se siguió el mismo algoritmo, tal como se muestra en la Tabla 3.
|
Tabla 3 Algoritmo
representativo del nodo secundario |
|
|
Nodo
secundario |
|
|
Paso 1. |
Declara librerías |
|
Paso 2. |
Declara variables |
|
Inicio
bucle |
|
|
Paso 3. |
Recibe datos de los
sensores |
|
Paso 4. |
Realiza el
procesamiento de datos |
|
Paso 5. |
Modulación y
transmisión de la señal RF |
|
Paso 6. |
Se transforma en
paquetes de datos |
|
Paso 7. |
Se envían los datos al
nodo central |
|
Paso 8. |
Registra los datos provenientes
de los sensores |
|
Paso 9. |
Se guarda los datos a
la nube |
|
Fin
bucle |
|
|
Tabla 4 Distribución de
la programación realizada en Visual Studio Code |
|
|
Aspecto |
Descripción |
|
Estación meteorológica |
Configuración
y uso de una estación meteorológica que proporciona datos en tiempo real. Utilización
de un servicio web (en este caso, ThingSpeak) para acceder a los datos de la
estación meteorológica a través de su API. |
|
React components |
Creación
de componentes de React para visualizar información específica de la estación
meteorológica, como la dirección del viento, la última fecha de
actualización, y gráficas de datos meteorológicos. |
|
Visualización de datos |
Implementación
de gráficas de datos meteorológicos utilizando bibliotecas de visualización
como Nivo para representar de manera efectiva la información sobre
temperatura, humedad, velocidad del viento, etc. |
|
Mapa de Google |
Integración
de un mapa de Google en el dashboard para mostrar la ubicación de nodos o
estaciones meteorológicas. |
|
Dashboard |
Configuración
de un dashboard que muestra de manera organizada y estilizada la información
recopilada de la estación meteorológica. |
|
Styling y diseño |
Utilización
de MUI (Material-UI) para el diseño y estilización de componentes, gráficos y
el dashboard en general. |
|
Modo oscuro/Modo claro |
Implementación
de un sistema de cambio de modo entre oscuro y claro para mejorar la
experiencia del usuario. |
|
Configuración de rutas en react |
Uso de
React Router para gestionar las rutas de la aplicación y navegar entre diferentes
secciones o páginas. |
|
Estado y efectos en react |
Utilización
de estados y efectos en React para gestionar el flujo de datos, actualizar la
interfaz de usuario y realizar llamadas a la API. |
|
Resolución de problemas |
Abordamos
varios problemas comunes durante el desarrollo, como errores de sintaxis,
manejo de errores en las llamadas a la API, y ajustes en la disposición de
los elementos en el dashboard. |
Por último, se desarrolló una interfaz web
para visualizar el monitoreo de los sensores de manera más analítica y
accesible. Esto implicó la elaboración de varios códigos en diferentes
lenguajes de programación, como HTML, Python, CSS y JSON, utilizando el
software Visual Studio Code. Estos códigos permitieron que los datos
presentados en ThingSpeak se reflejaran en una página web. En la Tabla 4 se
resume los diversos aspectos involucrados en la programación realizada en
Visual Studio Code para configurar la estación meteorológica y las diferentes
funcionalidades implementadas.
c. Montaje de los nodos IoT
Los
módulos de control, de comunicación y de alimentación, fueron colocados y
ensamblados juntos en un recipiente de almacenamiento fabricado en polímero termoplástico,
para evitar alguna alteración de los mismos por condiciones del ambiente.
Mientras que los sensores correspondientes de cada nodo fueron conectados
mediante cables extensores al módulo de control, a excepción del sensor de
radiación UV, que también requirió un recipiente de almacenamiento fabricado en
polímero termoplástico.
d. Pruebas de campo
El nodo principal fue instalado a las afueras
de la edificación principal de la chacra donde se realizaron las pruebas,
contando con acceso a la red eléctrica de la misma pero ubicada en el exterior
para captar los datos del ambiente; el nodo secundario fue instalado en medio
de uno de los campos de cultivo para poder obtener datos del campo. Ambos nodos
fueron instalados con una estructura de apoyo para sostener los sensores,
controladores y fuente de alimentación de los nodos tal como se muestra en la
Figura 5.
|
Figura 5 Instalación y
montaje in situ |
|
|
Después
de instalarlos se realizaron pruebas por un periodo de 4 horas, durante el cual
se recolectaron datos de forma continua con una frecuencia de cada 10 minutos. Dichos
datos se cotejaron con un equipo profesional Davis Vantage Pro2 donde se
observó una gran similitud en las mediciones tomadas por ambos sistemas,
conforme se muestra en la Figura 6.
|
Figura 6 Gráficos estadísticos de comparativa entre el nodo
principal y la estación de Davis |
|
|
|
Figura 7 Diseño de la interfaz del nodo principal y la
estación de Davis |
|
|
Luego, se
desarrolló una Interfaz Humano-Maquina (HMI, Human-Machine Interface); siendo
esta interfaz una página web que permite visualizar a distancia el
comportamiento de los sensores a través de los datos registrados en el servidor
de ThingSpeak. Para verificar la recepción de los datos recogidos a distancia
por los sensores en el nodo central, la ubicación del nodo secundario se dejó
encendido por dos horas durante las pruebas operativas. Los sensores de
intensidad de la lluvia, de temperatura y humedad, de velocidad de viento, de
dirección de viento y de radiación UV, obtuvieron resultados factibles. El
sensor BME280 ubicado en el nodo central registró niveles elevados de
temperatura y humedad ambiente. Para el sensor UV, se observó que el sensor
registró un pico menor después de una exposición al ocaso. Simultáneamente, en
la ubicación del nodo central, se registraron ráfagas de viento significativas,
siendo estos datos evidenciados por el sensor de velocidad y dirección del
viento que se mostró en la página web (Figura 7a). En cuanto al nodo
secundario, las mediciones obtenidas con el sensor NPK fueron comparativamente
uniformes entre sí. Esto se atribuye a la colocación del sensor en el suelo de
cultivo, que se caracteriza por su humedad, y a la coherencia entre el pH del
suelo y los macronutrientes presentes en el mismo (Figura 7b).
|
Figura 8 Gráfico estadístico del nodo principal |
|
|
Estas mediciones se
almacenaron en una base de datos en formato XLXS, lo que permitió su posterior visualización
y descarga para obtener un reporte o la información completa. Es importante
destacar que la página web fue diseñada para mostrar los datos de los sensores
de los nodos central y secundario, además de permitir la supervisión remota de
las mediciones realizadas en estos nodos.
|
Figura 9 Gráfico estadístico del nodo secundario |
|
|
La Figura 9 muestra
las mediciones de temperatura, humedad, conductividad eléctrica, pH, nitrógeno,
fósforo y potasio obtenidas del sensor de suelo JXBS-3001-NPK-RS del nodo
secundario. Los datos indican una mínima variación en todas las variables
medidas. Durante las 2 horas de monitoreo, la temperatura del suelo fluctuó
solo 0,3 °C, la humedad varió entre el 62 % y 67 %, y la conductividad
eléctrica mostró una diferencia de 3 µS/cm entre el inicio y el final. El pH
permaneció constante a lo largo del período de medición, mientras que las
concentraciones de nitrógeno, fósforo y potasio mostraron variaciones mínimas.
El análisis comparativo de
las variables meteorológicas registradas tanto en el "Nodo Principal"
como en la "Estación Davis" revela diferencias clave en las
mediciones, como las variaciones en la temperatura y humedad del 11 % y 25 % respectivamente,
que pueden atribuirse a diferencias en la ubicación de los sensores o sus
calibraciones específicas, esto también se puede observar en los valores
obtenidos en dirección y velocidad del viento con una variación del 4 % y 36 %.
Estas discrepancias subrayan la importancia de la precisión en la colocación y
mantenimiento de los equipos meteorológicos para obtener datos fiables. Por
otro lado, la consistencia en los valores de presión atmosférica entre ambas
estaciones es indicativa de una buena calibración y puede servir para validar
la precisión de otros sensores menos consistentes.
Al comparar el prototipo implementado con los
propuestos por Palaguachi (2018), se observa que el primero utiliza diferentes
sensores para medir presión atmosférica, temperatura y humedad, mientras que la
estación implementada emplea un solo sensor para recopilar todos estos datos.
Por otro lado, Iftikhar et al.
(2023) describen una red de sensores que miden principalmente
temperatura y presión atmosférica, con el nodo principal equipado con sensores
de viento (dirección y velocidad), pero sin un pluviómetro para registrar
precipitaciones. Finalmente, Küçükdermenci (2024) presentó una simulación
de una estación meteorológica que utiliza sensores similares a los mencionados;
sin embargo, a diferencia de las demás, esta estación no posee nodos ni
conexión a internet, y en su lugar, cuenta con una pantalla LCD como interfaz hombre-máquina
(HMI) para visualizar los datos recolectados.
En
cuanto al nodo secundario equipado con un sensor NPK de suelo 7 en 1, Pratama
et al. (2021) presentaron un sistema IoT para el monitoreo de nutrientes del
suelo (N, P y K), similar al desarrollado por Gottemukkala et al. (2023). Por
su parte, Balamurugan
et al. (2021) implementaron un sistema IoT automatizado para riego y
fertilización, utilizando el mismo tipo de sensor NPK junto con sensores de
humedad del suelo, temperatura y los actuadores necesarios. En comparación con
estos diseños, el sensor NPK utilizado en el presente estudio es una versión
más avanzada para el monitoreo de zonas agrícolas. Sin embargo, la información
obtenida por el sensor NPK 7 en 1 no fue validada debido a la falta de un
equipo especializado para contrastar los resultados, a diferencia de lo
realizado con la estación meteorológica, que sí pudo compararse con la estación
profesional de la marca Davis.
5. Conclusiones
La implementación de una
estación IoT para monitorear microclimas y condiciones del suelo es esencial
para adaptar las estrategias agrícolas frente al cambio climático, mejorando la
precisión y eficiencia, como destacan estudios previos. La recopilación
continua de datos en tiempo real permite ajustar prácticas como la selección de
cultivos, el riego y la aplicación de nutrientes, optimizando así el
rendimiento y la calidad. Además, la tecnología IoT facilita la evaluación de
la resistencia y adaptabilidad de los cultivos ante condiciones climáticas
variables, lo que permite una toma de decisiones más rápida e informada.
A futuro, se planea expandir la capacidad de la red de
sensores para incluir la detección de gases nocivos y mejorar la interfaz de
usuario para proporcionar recomendaciones automatizadas basadas en los datos
recogidos. Este avance permitirá no solo mejorar la precisión en la aplicación
de agua y nutrientes, sino también contribuir significativamente a la
minimización de impactos ambientales adversos, como la emisión de gases de
efecto invernadero desde prácticas agrícolas.
También se prevén pruebas
de escalabilidad en diferentes regiones para validar la universalidad del
sistema y ajustar algoritmos predictivos con inteligencia artificial. Estos
desarrollos no solo optimizarán las prácticas agrícolas y reducirán los
impactos ambientales negativos, sino que también posicionarán la tecnología IoT
como una herramienta clave en la lucha contra el cambio climático y en la
mejora de la seguridad alimentaria global.
W. E. Salgado: Análisis
formal, investigación, metodología, administración del proyecto, software, validación
y redacción – revisión y edición. G. E. D. Bacigalupo: Conceptualización, Curación
de datos, análisis formal, investigación, metodología, administración del
proyecto, software, visualización y redacción del borrador original. F. J. Acostupa: Conceptualización, curación de datos, análisis
formal, investigación, metodología, administración del proyecto, software, visualización y redacción del borrador original. T. L. Córdova:
Conceptualización, adquisición de fondos, metodología, administración del
proyecto, provisión de recursos, supervisión, validación y redacción – revisión
y edición. H. J. Rivera: Conceptualización, adquisición de fondos, metodología,
administración del proyecto, provisión de recursos, supervisión, validación y
redacción – revisión y edición del manuscrito.
Agradecimientos
Los autores agradecen a la Facultad de Ingeniería de
la Universidad Privada de Tacna, por el financiamiento otorgado mediante la
modalidad Círculos de Investigación a través de la resolución N°.
049-CF-2023-FAING/UPT.
Conflictos de interés
Los autores declaran
que no existen conflictos de interés.
6. Referencias Bibliográficas
Aguilar, S. (2020). Diseño
de una solución basada en el internet de las cosas (IoT) empleando Lorawan para
el monitoreo de cultivos agrícolas en Perú [Tesis de pregrado, Universidad
Tecnológica del Perú]. https://repositorio.utp.edu.pe/handle/20.500.12867/2946
Almada, A. H. (2020). Estación meteorológica
Anemómetro y Pluviómetro [Proyecto final de grado, Universidad Nacional de
Mar del Plata]. https://rinfi.fi.mdp.edu.ar/handle/123456789/469
Almarcha, M. (2023, 11 de octubre). Previsión de
lluvias en el Puente del Pilar 2023: ¿Cuándo va a llover? Eltiempo.es. https://www.eltiempo.es/noticias/ultima-hora-puente-del-pilar-2023-todo-sobre-el-cambio-de-tiempo
Balamurugan R., Dineshkumar T., Malarvizhi C.,
Yogeshwaran A., Kaarthik K. & Sagayaraj R. (2021). IoT Based Farm Housing Using NPK Sensors. Annals of The Romaian
Society for Cell Biology, 25 (6), 581-590. http://annalsofrscb.ro/index.php/journal/article/view/5467
Cheruvu,
B., Latha, S. B., Nikhil, M., Mahajan, H., & Prashanth, K. (2023, del 17 al
18 de marzo). Smart Farming System
using NPK Sensor [Conferencia]. 2023 9th International Conference on
Advanced Computing and Communication Systems (ICACCS), Coimbatore, India. https://ieeexplore.ieee.org/document/10112795
Čolaković, A., & Hadžialić, M. (2018). Internet of
Things (IoT): A review of enabling technologies, challenges, and open research
issues. Computer Networks, 144, 17–39. https://doi.org/10.1016/j.comnet.2018.07.017
Đorđević, M., Paunović, V., Danković, D., & Jovičić, B. (2020).
Smart autonomous agricultural system for improving yields in greenhouse based
on sensor and IoT technology. Istrazivanja i Projektovanja Za Privredu, 18(4),
606–613. https://doi.org/10.5937/jaes0-26722
Fisher, D., Woodruff, L., Anapalli, S., &
Pinnamaneni, S. (2018). Open-source wireless cloud-connected agricultural
sensor network. Journal of Sensor and Actuator Networks, 7(4),
1-13. https://doi.org/10.3390/jsan7040047
Flores,
L. M., Dell’Aquila, C., Santalucía, J. R., & Sistema, C. A. (2015, del 28
al 30 de octubre). Wireless sensor
network for seismic monitoring with Internet Access [Conferencia]. 2015
CHILEAN Conference on Electrical, Electronics Engineering, Information and
Communication Technologies (CHILECON), Santiago, Chile. https://ieeexplore.ieee.org/document/7400348
Food and Agriculture Organization of the
United Nations [FAO]. (2015). Climate change and food security: risks and responses. https://goo.su/CUBq00J
Gottemukkala, L., Jajala, S. T. R., Thalari,
A., Vootkuri, S. R., Kumar, V., & Naidu, G. M. (2023). Sustainable crop
recommendation system using soil NPK sensor. E3S web of conferences, 430,
01100. https://doi.org/10.1051/e3sconf/202343001100
Iftikhar, T., Ahmad, S. Z.,
Iqbal, M. W., Arif, S., Hamid, K., & Nazir, M. A. (2023). Cost-effective
IoT-based weather monitoring system development and improving average crop
production. Jilin Daxue Xuebao (Gongxueban)/Journal of Jilin University
(Engineering and Technology Edition), 42(2). https://doi.org/10.17605/OSF.IO/TKAH8
Jamroen, C., Fongkerd, C., Krongpha, W., Komkum, P.,
Pirayawaraporn, A., & Chindakham, N. (2021). A novel UV sensor-based
dual-axis solar tracking system: Implementation and performance analysis. Applied
Energy, 299(117295), 117295. https://doi.org/10.1016/j.apenergy.2021.117295
Küçükdermenci
S. (2024, 18 al 19 de abril). Design of A
Cost-Effective Weather Station with Rain Forecast [Conferencia]. 2nd
International Conference on Scientific and Innovative Studies, Konya,
Turkey. 909–916. https://goo.su/ZiwVz
Kumar, L., Chhogyel, N., Gopalakrishnan, T., Hasan, M.
K., Jayasinghe, S. L., Kariyawasam, C. S., Kogo, B. K., & Ratnayake, S.
(2022). Climate change and future of agri-food
production. En Future Foods (pp. 49–79). Elsevier.
Muangprathub, J., Boonnam, N., Kajornkasirat, S., Lekbangpong, N.,
Wanichsombat, A., & Nillaor, P. (2019). IoT and agriculture data analysis for smart farm. Computers
and Electronics in Agriculture, 156, 467–474. https://doi.org/10.1016/j.compag.2018.12.011
Musa,
P., Sugeru, H., & Wibowo, E. P. (2023). Wireless Sensor Networks for precision agriculture: A
review of NPK sensor implementations. Sensors
(Basel, Switzerland), 24(1), 51. https://doi.org/10.3390/s24010051
Organización
de las Naciones Unidas [ONU]. (2019). Desafíos globales: población. https://www.un.org/es/global-issues/population
Palaguachi, S. I. (2018). Diseño, desarrollo e
implementación de una estación meteorológica basada en una red jerárquica de
sensores, software libre y sistemas embebidos para la Empresa ELECAUSTRO en la
Minicentral Gualaceo utilizando comunicación MQTT y MODBUS [Trabajo de
grado, Universidad Politécnica Salesiana sede Cuenca]. https://dspace.ups.edu.ec/handle/123456789/16056
Pereira,
G. P., Chaari, M. Z., & Daroge, F. (2023). IoT-enabled smart drip irrigation system using
ESP32. Internet of Things, 4(3), 221–243. https://doi.org/10.3390/iot4030012
Petracci, R., Culmone, R., & Mostarda, L. (2024).
Blockchain Application for Fish Origin Certification. En Barolli, L. (Ed.). Advances on Broad-Band and
Wireless Computing, Communication and Applications (pp. 149–158).
Springer Nature Switzerland. https://doi.org/10.1007/978-3-031-46784-4_13
Pratama, H., Yunan, A., & Arif Candra, R. (2021).
Design and build a soil nutrient measurement tool for citrus plants using NPK
soil sensors based on the internet of things. Brilliance: Research of Artificial Intelligence, 1(2), 67–74. https://doi.org/10.47709/brilliance.v1i2.1300
Sánchez,
C. A. (2016). Evolución del concepto de cambio climático y su impacto en la
salud pública del Perú. Revista peruana de medicina experimental y
salud pública, 33(1), 128. https://doi.org/10.17843/rpmesp.2016.331.2014