Palm oil has become one of the most consumed vegetable oils in the world, and it is a key element in profitable global value chains. In Costa Rica, oil palm cultivation is one of the three crops with the largest occupied agricultural area. The objective of this study was to explain and predict yield in safe time lags for production management by using free-access satellite images. To this end, machine learning methods were performed to a 20-year data set of an oil palm plantation located in the Central Pacific Region of Costa Rica and the corresponding vegetation indices obtained from LANDSAT satellite images. Since the best correlations corresponded to a one-year time lag, the predictive models Random Forest (RF), Least Absolute Shrinkage and Selection Operator (LASSO), Extreme Gradient Boosting (XGBoost), Recursive Partitioning and Regression Trees (RPART), and Neural Network (NN) were built for a Time-lag 1. These models were applied to all genetic material and to the predominant variety (AVROS) separately. While NN showed the best performance for multispecies information (r² = 0.8139, NSE = 0.8131, RMSE = 0.3437, MAE = 0.2605), RF showed a better fit for AVROS (r² = 0.8214, NSE = 0.8020, RMSE = 0.3452, MAE = 0.2669). The most relevant vegetation indices (NDMI, MSI) are related to water in the plant. The study also determined that data distribution must be considered for the prediction and evaluation of the oil palm yield in the area under study. The estimation methods of this study provide information on the identification of important variables (NDMI) to characterize palm oil yield. Additionally, it generates a scenario with acceptable uncertainties on the yield forecast one year in advance. This information is of direct interest to the oil palm industry.

Para el año 2050, se prevé que la población será un tercio mayor a la actual. Esto se convierte en un reto para la agricultura por aumentar su producción generando el menor impacto posible al ambiente. La labranza del suelo ha permitido aumentar áreas de siembra en detrimento de su capa arable, contribuyendo a degradar en forma progresiva la superficie del suelo y facilitando la erosión. La erosión por labranza se ve influida directamente por la compactación provocada por el paso de la maquinaria. Sistemas de tráfico agrícola controlado, agricultura de precisión y rodajes alternativos han sido utilizados para minimizar los efectos de los pases de los equipos sobre el campo. En Costa Rica, la adopción de nuevas tecnologías, la selección adecuada de equipos, el respeto a la legislación vigente e investigación sobre el impacto de la labranza en la degradación del suelo, constituyen un reto para las autoridades, los productores y la academia.

Climate change is a variation in the normal behavior of the climate. These variations and their effects will be seen in the coming years, the most imminent being anomalous fluctuations in atmospheric temperature and precipitation. This scenario is counterproductive for agricultural production. This study evaluated the effect of climate change on oil palm production for conditions in the Central Pacific of Costa Rica, in three simulation scenarios: the baseline between the years 2000 and 2019, a first climate change scenario from 2040 to 2059 (CCS1), and a second one from 2080 to 2099 (CCS2), using the modeling framework APSIM, and the necessary water requirements were established as an adaptive measure for the crop with the irrigation module. A decrease in annual precipitation of 5.55% and 7.86% and an increase in the average temperature of 1.73 °C and 3.31 °C were identified, generating a decrease in production yields of 7.86% and 37.86%, concerning the Baseline, in CCS1 and CCS2, respectively. Irrigation made it possible to adapt the available water conditions in the soil to maintain the baseline yields of the oil palm crop for the proposed climate change scenarios.

[Introduction:] In Costa Rica, horticultural producers till the soil every six months, using conventional systems that pulverize the arable layer and cause degradation. [Objectives:] The effect of different types of tillage was evaluated in order to recommend variations in the management of soil mechanization. [Methodology:] Tillage treatments were established for which zero (T1), conventional (T2) and reduced (T3) in a loamy-sandy soil (Fa). The organic matter content (MO), apparent density (Da), hydraulic conductivity (k), penetration resistance (RP) and moisture retention (RH) were determined before each treatment (T0) and after six months. Also, operation variables of the used tractor were measured. [Results:] The need to ballast the tractor to rotate the ground and have better efficiency was determined due to the skid of the front axle at T2 (-34.81%). T2 showed increases in MO (p <0.05), due to the short-term effect of the surface cut of the vegetation cover and Da increased (p <0.05) at 30-45 cm in T1, because there was no chisel plow pass. No treatment changed the condition of moderate k to 30 cm deep. T3, improved RP (p <0.05) up to 30 cm deep due to the chisel plow pass. HR did not change (p <0.05). [Conclusions:] Due to the inefficiency of operation and because there is no physical improvement of the soil in the short term, it is not necessary to till every six months, which would reduce the erosion rates of the area. [Introducción]: En Costa Rica, los productores hortícolas labran el suelo cada seis meses, usando sistemas convencionales que pulverizan la capa arable y provocan degradación. [Objetivo]: Se evaluó el efecto de diferentes tipos de labranza con el fin de recomendar variaciones en la gestión de la de mecanización de suelos. [Metodología]: Se establecieron tratamientos de labranza cero (T1), convencional (T2) y reducida (T3) en un suelo franco-arenoso (Fa). Se determinó el contenido de materia orgánica (MO), densidad aparente (Da), conductividad hidráulica (k), resistencia a la penetración (RP) y retención de humedad (RH), antes de cada tratamiento (T0) y después de seis meses. También, se midieron variables de operación del tractor usado. [Resultados]: Se determinó la necesidad de lastrar el tractor para rotar el suelo y tener mejor eficiencia, debido al derrape del eje delantero en T2 (-34.81 %). T2 mostró aumentos de MO (p<0.05), por efecto a corto plazo del corte superficial de la cobertura vegetal y Da aumentó (p<0.05) a los 30-45 cm en T1, debido a que no hubo pase de arado de cincel. Ninguno tratamiento cambió la condición de k moderada hasta los 30 cm de profundidad. T3, mejoró RP (p<0.05) hasta los 30 cm de profundidad debido al pase de arado de cincel. La RH no experimentó cambios (p<0.05). [Conclusiones]: Por la ineficiencia de operación y a que no hay mejora física del suelo en el corto plazo, no es necesario labrar cada seis meses, lo que reduciría las tasas de erosión de la zona. [Introdução]: Na Costa Rica, os produtores de hortaliças cultivam o solo a cada seis meses, usando sistemas convencionais que pulverizam a camada arável e causam degradação. [Objetivo]: O efeito de diferentes tipos de preparo do solo foi avaliado para recomendar variações no manejo da mecanização do solo. [Metodologia]: Tratamentos de plantio direto zero (T1), convencional (T2) e reduzido (T3) foram estabelecidos em solo arenoso (Fa). O conteúdo de matéria orgânica (MO), a densidade aparente (Da), a condutividade hidráulica (k), a resistência à penetração (RP) e a retenção de umidade (RH) foram determinados antes de cada tratamento (T0) e após seis meses . Além disso, as variáveis ​​de operação do trator usado foram medidas. [Resultados]: A necessidade de lastro do trator para girar o solo e ter melhor eficiência foi determinada devido à derrapagem do eixo dianteiro em T2 (-34,81%). T2 apresentou aumentos no MO (p <0,05), devido ao efeito de curto prazo do corte da superfície da cobertura vegetal e Da aumentou (p <0,05) de 30 a 45 cm em T1, porque não houve passagem de arado . Nenhum tratamento alterou a condição de k moderado para 30 cm de profundidade. T3, RP melhorada (p <0,05) até 30 cm de profundidade devido à passagem do arado do cinzel. A FC não mudou (p <0,05). [Conclusões]: Devido à ineficiência da operação e como não há melhoria física do solo no curto prazo, não é necessário lavrar a cada seis meses, o que reduziria as taxas de erosão na área.

Introducción: En Costa Rica, la emisión de gases de efecto invernadero de los vehículos agrícolas no suele medirse independientemente en los inventarios. Por lo general, se combinan con los datos del parque general de vehículos u otras emisiones. Objetivo: Determinar las emisiones y características específicas de los vehículos agrícolas en Costa Rica. Métodos: Las características básicas de la maquinaria agrícola en Costa Rica se obtuvieron a partir de información sobre el pago de impuestos a la circulación para el año 2016. La estimación de emisiones se basó en los parámetros establecidos por el Panel Intergubernamental de Cambio Climático y factores propios de Costa Rica. Resultados: La mayoría de la maquinaria agrícola tiene menos de 10 años (92%), utiliza combustible diésel (99%) y se concentra en un ámbito medio de potencia (categoría II ASAE S482, 82%). El total de emisiones de los equipos en estudio es equivalente a 467 650 toneladas de CO2, asociado principalmente a emisiones de CO2 (98%). Esto es equivalente a un 10% de las emisiones del sector Transporte y hasta un 6% en el Inventario de Gases de Efecto Invernadero. Conclusiones: En Costa Rica, las emisiones de los vehículos agrícolas no se segregan adecuadamente y posiblemente no se contabilizan correctamente. Esto debería mejorarse en el plan de descarbonización 2050 del país.

El Plan Nacional para el Mejoramiento de la Productividad y la Sostenibilidad del Sector Agrícola pretende ser aplicado de forma escalonada a todo el país, bajo el nombre de AGRINNOVACION 4.0 para impulsar la recuperación económica y la generación de empleo posterior a la pandemia del COVID-19. El objetivo del presente trabajo es analizar información geoespacial de los productores del programa AGRINNOVACIÓN 4.0 utilizando la plataforma gratuita Google Earth Engine (GEE), con el fin de establecer la base del catastro digital agrícola de la Zona Norte de Cartago y contar con un sistema de información geográfica para la aplicación de tecnologías de alta precisión, como base del modelo de identificación de zonas productivas con cultivos de ciclo corto desarrollado en la Zona Norte de Cartago. Se generó una metodología de adquisición de datos utilizando sistemas de información geográfica y técnicas de aprendizaje automático (Random Forest), con buenos resultados de ajuste. Para la zona en estudio, es imperante que se reduzca la información afectada por nubosidad para hacer la clasificación de tierras de uso hortícola lo mas precisa posible. La herramienta es replicable y constituye un apoyo en el éxito del plan para las etapas posteriores.