Basic concepts

When talking about the characteristics and functionalities of GIS, it is important to be clear in advance about some basic concepts about the characteristics of the information that they manipulate. Geographic type information can be classified into two categories, depending on whether it represents characteristics of the geographic space (attributes referring to the geographic space) or, on the contrary, it represents properties of the managed objects (attributes referring to the objects).

Basic Concepts Related to Geographic Space

Geographic space is defined as the coordinate space (usually R2) in which geographic data are represented, which is usually either Cartesian (in case the GIS uses a flat world model) or geodetic. About this geographic space, certain information can be stored, consisting of alphanumeric attributes of which a value of its domain is associated with each point in space (Brisaboa et al., 2000BRISABOA, N.R.; LEMA, J.A.C.; FARIÑA, A.; LUACES, M.R.; VIQUEIRA, J.R.: “Sistemas de Información Geográfica: Revisión de su Estado Actual”, Laboratorio de Bases de Datos, Universidad de Coruña, : 77-94, 2000.).

Other authors such as Santos (1998)SANTOS, M.: “De la totalidad al lugar”, Estudios Geográficos, 59: 135, 1998. define it as an inseparable set in which, on the one hand, a certain combination of geographical objects, natural objects and social objects participate, and on the other, the life that fills and animates it, that is, society in motion. The content (society) is not independent of the form (geographical objects), and each form contains a fraction of content. Space, therefore, is a set of forms, each of which contains fractions of society in motion.

This information that is stored about the geographic space is called geographic space attributes (hereinafter AEG). An AEG can be continuous (if the value associated to the space points can vary gradually throughout the geographic space) or discrete (if the set of values that the attribute associated with the geographic space can take is discrete). An example of a discrete AEG is crop type, while an example of a continuous attribute would be soil salinity, temperature, or atmospheric pressure.

Basic Concepts Related to Objects

According to Brisaboa et al. (2000)BRISABOA, N.R.; LEMA, J.A.C.; FARIÑA, A.; LUACES, M.R.; VIQUEIRA, J.R.: “Sistemas de Información Geográfica: Revisión de su Estado Actual”, Laboratorio de Bases de Datos, Universidad de Coruña, : 77-94, 2000. on the geographic space, the geographic objects are represented, which are objects that the GIS must handle and represent graphically. This is how they are:

An example of the above can be seen in Figure 1 where the geographic attributes corresponding to various geographic objects at two different scales can be seen, as well as the representation of two attributes of geographic space. More specifically, it is observed how to scale. E1 the geographic object "c" (representing a city) is represented by its geographic attribute "Location of a School", of point type, while the geographic object "r" is represented by a geographic attribute of line type. At the E2 scale, the object "c" starts to be represented by its geographic attribute "area", of region type, while "r" continues to be represented by the same attribute of line type (although by using a larger scale in the presentation it can be viewed in more detail). At this E2 scale, the discrete geographic space attribute (AEG) "soil type" can also be seen, which divides the space into four regions with values ts1, ts2, ts3 and ts4, respectively, and the continuous AEG "salinity" (colors plus the dark ones represent lower soil salinity values.) In the case of Figure 2, something similar can be seen, a point-type geographic object that represents a property and as the scale increases, the object becomes a point to an area. In this figure, a new type of map on a satellite image can be seen.

In GIS software, geographic features that have the same geometric and attribute representation are often grouped into so-called "layers" to simplify data management tasks. For example, all buildings that are represented by polygons and have information about the owner and the year of construction are grouped in a "buildings" layer (Steiniger et al., 2010aSTEINIGER, S.; WEIBEL, R.; WARF, B.: “GIS software: a description in 1000 words”, En: Encyclopedia of geography, London, GB, 2010a, ISBN: 978-1-4129-5697-0.).

A GIS can be made up of several data layers that allow complementing the terrain map. These layers contain the coordinates of the area they occupy and allow more data to be added for information sampling and decision making. Figure 3 shows the extrapolation of several data layers on a map; in this case, data for streets, buildings and vegetation are represented. When carrying out analysis, the more information about the terrain is obtained, the more accurate the result will be.

Data Representation in a GIS

The representation of spatial data (which represents the locations in a database) can be done in two basic formats: i) Vector format and ii) Raster format. The vector format is represented as points, lines, and areas, and the raster format is represented as a grid of cells/pixels. The vector format is based on views of discrete objects of reality (analog maps) and the raster format is based on a network made up of cells or grids (photographs, images, etc.), in which each grid (pixel) presents a quality or spatial property (color, altitude, among others). The main difference with respect to a vector file is that pixels are stored in the raster file while in the vector file the coordinates of the vertices of each geometric element are stored.

In principle, any situation in the real world can be represented digitally in both raster and vector formats. Raster-based GIS represent data with points (bits) on a map (Figure 4). The locations are represented in a grid of cells. In the figure, the surface of a lake is mapped to a GIS raster, resulting in the blue group of cells on the right. The cells do not exactly match the contours of the lake. The "squaring" of the edges is called aliasing and is caused by imperfect sampling of smooth curves. Taking more samples (i.e. using smaller grids with more bits per unit area) results in less aliasing and a better representation of physical reality. This is called higher resolution and is a term used throughout the space technology domain to measure error. Better resolution means fewer errors, but is more expensive to acquire. The accuracy of GIS maps depends on how many data samples are taken per unit area. Vector-based GIS represent physical features in nature as points, lines or polygons (Figure 5). It should be noted that there is also overlap in vector GIS. In this case, the curvilinear boundaries of features such as lakes or roads are measured with straight line pieces. The more small lines that are used, the better the true nature of the function will be captured (Macarthur, 2002MACARTHUR, R.: “Chapter 6 - GEOGRAPHIC INFORMATION SYSTEMS AND THEIR USE FOR ENVIRONMENTAL MONITORING”, [en línea], En: Artiola, J.F.; Pepper, I.L. y Brusseau, M.L. (eds.), Environmental Monitoring and Characterization, Ed. Academic Press, Burlington, pp. 85-100, 1 de enero de 2002, DOI: 10.1016/B978-012064477-3/50008-4, ISBN: 978-0-12-064477-3, Disponible en:http://www.sciencedirect.com/science/article/pii/B9780120644773500084, [Consulta: 18 de enero de 2021].).

In their works Matellanes-Ferreras (2017)MATELLANES FERRERAS, R.: “Modelo vectorial y raster: ventajas y desventajas - Blog Geoinnova”, Territorio Geoinnova - SIG y Medio Ambiente, 23 de mayo de 2017, Disponible en:https://geoinnova.org/blog-territorio/modelo-vectorial-y-modelo-raster/, [Consulta: 16 de febrero de 2020]. and GEOINFORMATION (2020)GEOINFORMATION: “Advantages and Disadvantages of Raster and Vector data model”, GEOINFORMATION, 15 de diciembre de 2020, Disponible en:https://www.geoinformations.com/2020/08/advantages-and-disadvantages-of-raster.html, [Consulta: 15 de diciembre de 2020]. establish a comparison between raster and vector data according to several significant aspects, where the main differences between the two can be appreciated. Table 1 shows a summary of this comparison:

GIS and Spatial Databases (BDE)

GIS data are stored in spatial databases, allowing users to manipulate information in relation to other information seamlessly. Objects from the real world (roads, land use, altitudes) can be represented grouped into two abstractions: discrete objects (a house) and continuous objects (amount of rainfall, an elevation) (Boria et al., 2020BORIA, E.S.; BADHRUDEEN, M.; FONTEIX, G.; DERRIBLE, S.; SICILIANO, M.: “A Protocol to Convert Infrastructure Data from Computer-Aided Design (CAD) to Geographic Information Systems (GIS)”, arXiv preprint arXiv:2006.14112, 2020.).

BDEs are an integral part of GIS by providing capabilities to represent, store and access data, in addition to solving the problems of concurrency control, transaction management, backup and failover (Vitturini et al., 2003VITTURINI, M.; FILLOTTRANI, P.R.; CASTRO, S.M.: “Modelos de datos para datos espaciales”, En: V Workshop de Investigadores en Ciencias de la Computación, 2003.). They allow the storage of the geometries of a cartographic file in a database.

BDEs offer capabilities for the proper handling of spatial data, including models for the representation of spatial objects, fast retrieval methods and specific query languages. Spatial data are made up of spatial objects constructed from points, lines, regions, rectangles, surfaces, volumes and even higher-dimensional objects that may include temporal constraints. Examples of spatial data include cities, rivers, routes, mountainous areas, among others (Vitturini et al., 2003VITTURINI, M.; FILLOTTRANI, P.R.; CASTRO, S.M.: “Modelos de datos para datos espaciales”, En: V Workshop de Investigadores en Ciencias de la Computación, 2003.).

On the other hand Hamid et al. (2020)HAMID, A.M.; SAMEER, M.K.; MAGEED, N.N.: “Geo-database production of digital land use map using remote sensing and GIS techniques”, [en línea], En: AIP Conference Proceedings, Ed. American Institute of Physics, vol. 2213, p. 020024, 25 de marzo de 2020, DOI: 10.1063/5.0000099, Disponible en:https://aip.scitation.org/doi/abs/10.1063/5.0000099, [Consulta: 16 de enero de 2021]., affirm that the main component of a GIS is its information database. This database is sophisticated by taking information from various sources such as topographic maps, thematic maps and cadastral maps, equivalently, remotely detected images in digital form, among others. Whatever the basis of the information is, it is essential to combine them in a common projection and recording.

There are several BDE alternatives that make it possible to store and process georeferenced information. Table 2 shows a summary of some software.

Choosing the right spatial database is extremely important. Each system has its own advantages and disadvantages that depend on the type of data ingested and the expected result of the analysis. Making the right decision becomes increasingly difficult as BDEs add spatial modules or extensions for use with geospatial data (Deprizio, 2020DEPRIZIO, J.: Comparative Analysis of Database Spatial Technologies (CADST), [en línea], George Mason University, Thesis, Fairfax, USA, 103 p., Accepted: 2020-01-29T18:16:37Z, 29 de enero de 2020, Disponible en:http://mars.gmu.edu/handle/1920/11656, [Consulta: 16 de enero de 2021].).

In their work, Agarwal & Rajan (2016)AGARWAL, S.; RAJAN, K.S.: “Performance analysis of MongoDB versus PostGIS/PostGreSQL databases for line intersection and point containment spatial queries”, Spatial Information Research, 24(6): 671-677, 2016. make a comparison between PostreSQL (PostGIS) and MongoDB where the advantages and disadvantages of using a spatial database system using relational and non-relational databases are analyzed. The authors reflect in this document the utility of PostgreSQL as one of the best open source alternatives for spatial data storage.

They also conclude that MongoDB performs better as data size increases in indexed and non-indexed operations for both the line intersection and the point contention problem; NoSQL databases may be better defined for multi-user simultaneous query systems, including Web-GIS and mobile-GIS; non-relational databases are better suited for multi-user query systems and have the potential to be deployed on servers with limited computing power.

On the other hand, they state that there are still some limitations in the use of NoSQL databases over SQL databases. There aren't as many spatial functions in NoSQL as there are in SQL. Currently implemented geographic functions only support very basic operations. Relational databases are still far superior if the user needs to compute geographic information at the database level.

In his article Deprizio (2020)DEPRIZIO, J.: Comparative Analysis of Database Spatial Technologies (CADST), [en línea], George Mason University, Thesis, Fairfax, USA, 103 p., Accepted: 2020-01-29T18:16:37Z, 29 de enero de 2020, Disponible en:http://mars.gmu.edu/handle/1920/11656, [Consulta: 16 de enero de 2021]. presents a comparison of the main BDEs currently most used. MySQL, MongoDB, MarkLogic, Neo4j and PostgreSQL (using PostGIS) are discussed. The research analyzes the processing of a set of spatial operations in each of these BDEs. PostgreSQL stands out for data insertion, while MarkLogic is the fastest for querying.

PostgreSQL and its PostGIS extension are, in both cases, a common denominator among the BDEs analyzed. Among the most relevant characteristics, according to Agarwal & Rajan (2016)AGARWAL, S.; RAJAN, K.S.: “Performance analysis of MongoDB versus PostGIS/PostGreSQL databases for line intersection and point containment spatial queries”, Spatial Information Research, 24(6): 671-677, 2016. are:

GIS Development Tools

There are several companies and organizations that develop new GIS tools. Steiniger et al. (2010)STEINIGER, S.; WEIBEL, R.; WARF, B.: “GIS software: a description in 1000 words”, [en línea], En: Encyclopedia of geography, Ed. Sage, London, GB, p. online, 2010b, DOI: 10.5167/uzh-41354, ISBN: 978-1-4129-5697-0, Disponible en:http://www.sagepub.com/booksProdDesc.nav?prodId=Book230922, [Consulta: 16 de enero de 2021]. classify them according to their functionality into seven types: (i) Desktop GIS, (ii) Spatial Database Management System (SDBMS), (iii) Web Map Server, (iv) GIS Server, (v ) GIS web client, (vi) mobile GIS and (vii) Libraries and extensions (Figure 6).

In Steiniger & Hunter (2013)STEINIGER, S.; HUNTER, A.J.S.: “The 2012 free and open source GIS software map - A guide to facilitate research, development, and adoption”, Computers, Environment and Urban Systems, 39: 136-150, 1 de mayo de 2013, ISSN: 0198-9715, DOI: 10.1016/j.compenvurbsys.2012.10.003. each of these types of GIS and their functionalities are defined. They explain that the selection process, whether for companies, research or teaching, must be based on a rigorous software evaluation process. They maintain that among the criteria that must be applied during the evaluation of the process are, for example: software functionality, software stability, platform support, market share, credibility (brand) of the software manufacturer, as well as the size of the support and distribution network. While these criteria are common to the selection of proprietary software, with respect to free and open source software, other criteria are also important. In particular, the project that created the software should be considered, as the status of the project will influence the support, evolution (in terms of functionality and domain of use) and longevity of the software.

Different investigations make comparisons between various GIS. Ruiz (2016)RUIZ FERNÁNDEZ, E.: Comparativa de software para la Realización de Simbolización Cartográfica, Universidad de Oviedo, Asturias, España, 102 p., 2016. analyzes QGIS, gvSIG and ArcGIS in terms of tools that they provide for the creation of vector symbology and labeling, existing compatibility for exporting and importing styles and symbologies, in addition, the capabilities for making map series are also examined automatically. The investigation is concluded by stating that ArcGIS and QGIS for the elaboration of vector symbology present great similarities, while gvSIG has great limitations in this aspect; the QGIS interface for the design of the different cartographic symbols is simpler and more intuitive for the user, presenting all the tools in the same window; but the capabilities of the GIS for the placement of the labels on a map still have a lot to improve, since a good labeling requires numerous decisions that the software at the time of the investigation is not capable of adopting; ArcGIS introduces an advanced type of labeling that, along with the utility of its annotation layers, makes label placement much easier for the user, well beyond the capabilities of the other two programs.

On the other hand, Olivo-Bermeo (2019)OLIVO BERMEO, M.J.: Comparativas de software sig libre y comercial para estudios Ambientales., [en línea], Pontifica Universidad Católica de Ecuador, Thesis, Ecuador, 81 p., Accepted: 2019-10-02T20:53:20Z, 24 de septiembre de 2019, Disponible en:http://localhost/xmlui/handle/123456789/1974, [Consulta: 16 de enero de 2021]. compares the GIS applied in environmental case studies, where the key comparison factor is the system license (free or commercial software). Several factors are analyzed for both groups such as layer management, application method, general configuration, interface, image treatment, among others. A weight is assigned to the determinant factors in the author's opinion that allow them to be compared. Table 3 shows the final result of the study carried out.

The investigation concludes by highlighting that commercial software presents greater reliability and profitability, based on the software evaluation parameters, presenting greater interoperability, map generation, functionality, capacity and analysis in terms of the characteristics of its tools. Although GIS must also be valued for its applicability and the functionalities that are required, since in certain environmental studies a GIS has better characteristics than others.

Using one GIS or another depends a lot on the needs of the user, the characteristics of what is wanted to be done and the budget available. It is necessary to analyze if the budget available and the use of paid software can be balanced. Several users place ArcGIS as the most complete GIS and the one with the most functionalities, but nevertheless QGIS has become in recent years a reliable free alternative that meets most of the community's requirements.

GIS Applications in Agriculture

Many challenges are adding pressure on today's agricultural supply chains including shrinking land size, increasing demand for natural resources and environmental concerns. Farming systems need a major transformation from traditional practices to precision farming or smart farming practices to overcome these challenges. GIS is one such technologies driving current methods towards precision agriculture (Sharma et al., 2018SHARMA, R.; KAMBLE, S.S.; GUNASEKARAN, A.: “Big GIS analytics framework for agriculture supply chains: A literature review identifying the current trends and future perspectives”, Computers and Electronics in Agriculture, 155: 103-120, 1 de diciembre de 2018, ISSN: 0168-1699, DOI: 10.1016/j.compag.2018.10.001.). According to the United Nations Organization, the world population in July 2022 was 7.9 billion people. It is estimated that in 2030 it will be 8.5 and by 2100 11.2 billion people. This growth imposes the challenge for food production, coupled with the promotion of socioeconomic growth, the adoption of sustainable production systems and adaptation to climate change. Given the socio-environmental impact of agriculture, the World Food and Agriculture Organization recommends five principles to make it sustainable. They are: improving efficiency in the use of resources; carrying out direct activities to conserve, protect and improve natural resources; protecting and enhancing rural livelihoods, equity and social well-being; strengthening the resilience of people, communities and ecosystems and implementing responsible and effective public policies that ensure the sustainability of agriculture and food (Ocampo & Santa Catarina, 2018OCAMPO, M.; SANTA CATARINA, C.: “Agricultura de Precisión”, En: Oficina de Información Científica y Tecnológica para el congreso de la Union (INCyTU), p. 15, 2018.).

Today, the application of GIS has penetrated all aspects of society, involving all relevant spatial information fields, such as agriculture, forestry, water conservation, land, resources, and the environment. Specific applications include natural resource management, agricultural and commercial design, political and economic analysis, urban land planning, engineering design management, science, education, culture and physical training, technology national defense, financial transportation, public facilities and other fields (Zhang & Cao, 2019ZHANG, F.; CAO, N.: “Application and Research Progress of Geographic Information System (GIS) in Agriculture”, [en línea], En: 2019 8th International Conference on Agro-Geoinformatics (Agro-Geoinformatics), Ed. IEEE, Istanbul, Turkey, pp. 1-5, julio de 2019, DOI: 10.1109/Agro-Geoinformatics.2019.8820476, ISBN: 978-1-72812-116-1, Disponible en:https://ieeexplore.ieee.org/document/8820476/, [Consulta: 24 de julio de 2022].).

GIS plays a key role in today's agriculture. Its use enables, among other things, the classification, mapping and cartography of crops with georeferenced information. Also the identification of phenological stages of plants, irrigation monitoring and yield prediction. All this is based, fundamentally, on sources of information such as satellite images, aerial photogrammetry and harvest data from agricultural machinery (Pérez-García et al., 2019PÉREZ-GARCÍA, C.A.; PÉREZ-ATRAY, J.J.; HERNÁNDEZ -SANTANA, L.; GUSTABELLO-COGLE, R.; BECERRA-DE ARMAS, E.: “Sistema de Información Geográfica para la agricultura cañera en la provincia de Villa Clara”, Revista Cubana de Ciencias Informáticas, 13(2): 30-46, junio de 2019, ISSN: 2227-1899.).

According to Zhang and Cao (2019)ZHANG, F.; CAO, N.: “Application and Research Progress of Geographic Information System (GIS) in Agriculture”, [en línea], En: 2019 8th International Conference on Agro-Geoinformatics (Agro-Geoinformatics), Ed. IEEE, Istanbul, Turkey, pp. 1-5, julio de 2019, DOI: 10.1109/Agro-Geoinformatics.2019.8820476, ISBN: 978-1-72812-116-1, Disponible en:https://ieeexplore.ieee.org/document/8820476/, [Consulta: 24 de julio de 2022]. some of the specific uses of GIS in agriculture are to carry out:

Monitoring market trends, improving yields and predicting the weather are among the many responsibilities required to reduce the risk of loss and increase the profitability of producing fields. Using geospatial analysis and predictive modeling, farmers have the ability to visualize their land, crops and management practices. Accessing spatial data has become an essential agricultural practice. Government agencies such as the US Department of Agriculture (USDA) and the European Union host websites that provide valuable information to help farmers in a better understanding of their land and making decisions that are more informed. This data can be accessed on the internet and used to create smart maps for better agricultural business practices (Reza & Mohammad, 2015REZA, M.; MOHAMMAD, A.: “Application of Gis and Gps in Precision Agriculture (a Review)”, International Journal of Advanced Biological and Biomedical Research, : 9, 2015, ISSN: 2322-4827.).

In recent years, work in agricultural remote sensing has focused more on the characterization of the biophysical properties of plants. Remote sensing has been used for a long time in the monitoring and analysis of agricultural activities. Remote sensing of agricultural canopies has provided valuable information on various agronomic parameters. The advantage of remote sensing is its ability to provide repeatable information without destructive crop sampling, which can be used to provide valuable information for precision farming applications. Remote sensing offers an inexpensive alternative for data acquisition over large geographic areas (Palanisamy et al., 2019PALANISAMY, S.; SELVARAJ, R.; RAMESH, T.; PONNUSAMY, J.: “Applications of Remote Sensing in Agriculture - A Review”, International Journal of Current Microbiology and Applied Sciences, 8: 2270-2283, 20 de enero de 2019, DOI: 10.20546/ijcmas.2019.801.238.).

In their work Budiharto et al. (2019)BUDIHARTO, W.; CHOWANDA, A.; GUNAWAN, A.A.S.; IRWANSYAH, E.; SUROSO, J.S.: “A Review and Progress of Research on Autonomous Drone in Agriculture, Delivering Items and Geographical Information Systems (GIS)”, [en línea], En: 2019 2nd World Symposium on Communication Engineering (WSCE), Ed. IEEE, Nagoya, Japan, pp. 205-209, diciembre de 2019, DOI: 10.1109/WSCE49000.2019.9041004, ISBN: 978-1-72815-329-2, Disponible en:https://ieeexplore.ieee.org/document/9041004/, [Consulta: 24 de julio de 2022]. comment on the use of unmanned aerial vehicles (UAVs) in agriculture. They explain the boom in recent years in the use of drones for spraying fields, pest control, as well as mapping productive land. They indicate that the images of the terrain that can be obtained through satellites do not always have the necessary quality to detect certain anomalies in the crops or to detect their own crops; hence, drones play a fundamental role in this regard. They express that the information captured by the drones is stored and georeferenced to be displayed later through a GIS, being able to georeference each captured aspect for later analysis using, for example, Deep Learning techniques (Deep Learning)^*Fast-growing domain of machine learning, primarily for solving problems in computer vision. It is a class of machine learning algorithms that use a cascade of many layers of nonlinear processing.. On the other hand, Sambrekar and Rajpurohit (2019)SAMBREKAR, K.; RAJPUROHIT, V.S.: “Fast and Efficient Multiview Access Control Mechanism for Cloud Based Agriculture Storage Management System”, International Journal of Cloud Applications and Computing (IJCAC), 9(1): 33-49, 1 de enero de 2019, ISSN: 2156-1834, DOI: 10.4018/IJCAC.2019010103. promote the use of Cloud Computing applied in agricultural processes^†It is the use of a network of remote servers connected to the Internet to store, manage and process data, servers, databases, networks and software. Instead of relying on a physical installed service, it is possible to have access to a framework where software and hardware are virtually integrated.. They indicate that the information obtained from the fields makes it possible to determine marginal crops grown on fragmented land, quantify their effect on crop yields and detect crop stress due to nutrients and diseases. They indicate that the application of cloud computing techniques enables user access to the storage resource at anytime and anywhere through the Internet.

Conceptos básicos

Cuando se habla de las características y funcionalidades de los SIG es importante tener claro con anterioridad algunos conceptos básicos sobre las características de la información que éstos manipulan. La información de tipo geográfico puede clasificarse en dos categorías, dependiendo de si ésta representa características del espacio geográfico (atributos referentes al espacio geográfico) o por el contrario representa propiedades de los objetos gestionados (atributos referentes a los objetos).

Conceptos básicos referentes al espacio geográfico

El espacio geográfico se define como el espacio de coordenadas (normalmente R²) en el que los datos geográficos son representados, el cual suele ser o bien cartesiano (en caso de que el SIG utilice un modelo plano del mundo) o bien geodésico. Sobre este espacio geográfico se puede almacenar cierta información, consistente en atributos alfanuméricos de los cuales se asocia un valor de su dominio a cada punto del espacio (Brisaboa et al., 2000BRISABOA, N.R.; LEMA, J.A.C.; FARIÑA, A.; LUACES, M.R.; VIQUEIRA, J.R.: “Sistemas de Información Geográfica: Revisión de su Estado Actual”, Laboratorio de Bases de Datos, Universidad de Coruña, : 77-94, 2000.).

Otros autores como Santos (1998)SANTOS, M.: “De la totalidad al lugar”, Estudios Geográficos, 59: 135, 1998. lo definen como un conjunto indisociable en el que participan, por un lado, cierta combinación de objetos geográficos, objetos naturales y objetos sociales, y por el otro, la vida que le colma y anima, es decir, la sociedad en movimiento. El contenido (la sociedad) no es independiente de la forma (los objetos geográficos), y cada forma encierra una fracción de contenido. El espacio, por consiguiente, es un conjunto de formas, cada una de las cuales contiene fracciones de la sociedad en movimiento.

Esta información que se almacena sobre el espacio geográfico es lo que se denomina atributos del espacio geográfico (en adelante AEG). Un AEG puede ser continuo (si el valor asociado a los puntos del espacio puede variar de modo gradual a lo largo del espacio geográfico) o discreto (si el conjunto de valores que puede tomar el atributo asociado al espacio geográfico es discreto). Un ejemplo de AEG discreto es el tipo de cultivo, mientras que un ejemplo de atributo continuo sería la salinidad del suelo, la temperatura o la presión atmosférica.

Conceptos básicos referentes a los objetos

Según Brisaboa et al. (2000)BRISABOA, N.R.; LEMA, J.A.C.; FARIÑA, A.; LUACES, M.R.; VIQUEIRA, J.R.: “Sistemas de Información Geográfica: Revisión de su Estado Actual”, Laboratorio de Bases de Datos, Universidad de Coruña, : 77-94, 2000. sobre el espacio geográfico se representan los objetos geográficos, que son objetos que el SIG debe manejar y representar gráficamente. Así se tienen:

Un ejemplo de lo anterior puede apreciarse en la Figura 1 donde pueden verse los atributos geográficos correspondientes a varios objetos geográficos a dos escalas distintas, así como la representación de dos atributos del espacio geográfico. Más en concreto, se observa cómo a la escala. E1 el objeto geográfico "c" (que representa una ciudad) se representa mediante su atributo geográfico “Localización de una Escuela”, de tipo punto, mientras que el objeto geográfico "r" se representa mediante un atributo geográfico de tipo línea. A la escala E2, el objeto "c" pasa a ser representado mediante su atributo geográfico “área”, de tipo región, mientras que "r" continúa representándose mediante el mismo atributo de tipo línea (aunque al usar una escala mayor en la presentación se puede visualizar la misma con más detalle). A esta escala E2 puede verse además el atributo del espacio geográfico (AEG) discreto “tipo de suelo", que divide el espacio en cuatro regiones con valores ts1, ts2, ts3 y ts4 respectivamente, y el AEG continuo "salinidad" (colores más oscuros representan valores de salinidad del suelo más baja). En el caso de la Figura 2 se puede ver algo similar, un objeto geográfico de tipo punto que representa una propiedad y a medida que se va aumentando la escala el objeto pasa a convertirse de un punto a un área. En esta figura también se pueden observar un nuevo tipo de mapa sobre una imagen satelital.

En el software SIG, los objetos geográficos que tienen la misma representación geométrica y de atributos suelen agruparse en las llamadas "capas" para simplificar las tareas de gestión de datos. Por ejemplo, todos los edificios que están representados por polígonos y tienen información sobre el propietario y el año de construcción se agrupan en una capa de "edificios” (Steiniger et al., 2010aSTEINIGER, S.; WEIBEL, R.; WARF, B.: “GIS software: a description in 1000 words”, En: Encyclopedia of geography, London, GB, 2010a, ISBN: 978-1-4129-5697-0.).

Un SIG puede estar constituido por varias capas de datos que permiten complementar el mapa del terreno. Estas capas contienen las coordenadas de la zona que ocupan y permiten añadir más datos para el muestreo de la información y la toma de decisiones. La Figura 3 muestra la extrapolación de varias capas de datos en un mapa, en este caso se tienen los datos de calles, edificios y vegetación. A la hora de realizar análisis mientras más información del terreno se tenga más preciso será el resultado.

Representación de datos en un SIG

La representación de datos espaciales (que representa las ubicaciones en una base de datos) puede realizarse en dos formatos básicos: i) Formato vectorial y ii) Formato raster. El formato vectorial se representa como puntos, líneas y áreas, y el formato raster se representa como una cuadrícula de celdas/píxeles. El formato vectorial se basa en vistas de objetos discretos de la realidad (mapas analógicos) y el formato raster se basa en una red formada por celdas o cuadrículas (fotografías, imágenes, etc.), en la que cada cuadrícula (píxel) presenta una cualidad o propiedad espacial (color, altitud, entre otras). La principal diferencia con respecto a un archivo vectorial es que en el archivo raster se almacenan píxeles mientras en el vectorial se almacenan coordenadas de los vértices de cada elemento geométrico.

En principio, cualquier situación del mundo real puede ser representada en forma digital en ambos formatos, raster y vectorial. Los SIG basados en ráster representan datos con puntos (bits) en un mapa (Figura 4). Las ubicaciones se representan en una cuadrícula de celdas. En la figura, la superficie de un lago se asigna a un GIS ráster y da como resultado el grupo de celdas azul a la derecha. Las celdas no coinciden exactamente con los contornos del lago. La "cuadratura" de los bordes se denomina solapamiento (aliasing en inglés) y es causada por un muestreo imperfecto de curvas suaves. Tomar más muestras (es decir, usar cuadrículas más pequeñas con más bits por unidad de área) da como resultado menos alias y una mejor representación de la realidad física. Esto se denomina resolución más alta y es un término que se utiliza en todo el dominio de la tecnología espacial para medir el error. Una mejor resolución significa menos errores, pero la adquisición es más costosa. La precisión de los mapas GIS depende de cuántas muestras de datos se tomen por unidad de área. Los SIG basados en vectores representan las características físicas de la naturaleza como puntos, líneas o polígonos (Figura 5). Debe tenerse en cuenta que también hay solapamiento en los SIG vectoriales. En este caso, los límites curvilíneos de entidades como lagos o carreteras se miden con trozos de línea recta. Cuantas más líneas pequeñas sean usadas, mejor será capturada la verdadera naturaleza de la función (Macarthur, 2002MACARTHUR, R.: “Chapter 6 - GEOGRAPHIC INFORMATION SYSTEMS AND THEIR USE FOR ENVIRONMENTAL MONITORING”, [en línea], En: Artiola, J.F.; Pepper, I.L. y Brusseau, M.L. (eds.), Environmental Monitoring and Characterization, Ed. Academic Press, Burlington, pp. 85-100, 1 de enero de 2002, DOI: 10.1016/B978-012064477-3/50008-4, ISBN: 978-0-12-064477-3, Disponible en:http://www.sciencedirect.com/science/article/pii/B9780120644773500084, [Consulta: 18 de enero de 2021].).

En sus trabajos Matellanes-Ferreras (2017)MATELLANES FERRERAS, R.: “Modelo vectorial y raster: ventajas y desventajas - Blog Geoinnova”, Territorio Geoinnova - SIG y Medio Ambiente, 23 de mayo de 2017, Disponible en:https://geoinnova.org/blog-territorio/modelo-vectorial-y-modelo-raster/, [Consulta: 16 de febrero de 2020]. y GEOINFORMATION (2020)GEOINFORMATION: “Advantages and Disadvantages of Raster and Vector data model”, GEOINFORMATION, 15 de diciembre de 2020, Disponible en:https://www.geoinformations.com/2020/08/advantages-and-disadvantages-of-raster.html, [Consulta: 15 de diciembre de 2020]. establecen una comparación entre los datos raster y vectorial de acuerdo a varios aspectos significativos, donde se puede apreciar las principales diferencias entre ambos. La Tabla 1 muestra un resumen de esta comparación:

Los SIG y las Bases de Datos Espaciales (BDE)

Los datos de un SIG se almacenan en bases de datos espaciales, lo que permite a los usuarios manipular información en relación con otra información sin problemas. Pueden ser representados objetos del mundo real (carreteras, el uso del suelo, altitudes) agrupados en dos abstracciones: objetos discretos (una casa) y continuos (cantidad de lluvia caída, una elevación) (Boria et al., 2020BORIA, E.S.; BADHRUDEEN, M.; FONTEIX, G.; DERRIBLE, S.; SICILIANO, M.: “A Protocol to Convert Infrastructure Data from Computer-Aided Design (CAD) to Geographic Information Systems (GIS)”, arXiv preprint arXiv:2006.14112, 2020.).

Las BDE son una parte integral de los SIG al proveer capacidades para representar, almacenar y acceder a los datos, además de resolver los problemas de control de concurrencia, manejo de transacciones, copias de seguridad y recuperación ante fallas (Vitturini et al., 2003VITTURINI, M.; FILLOTTRANI, P.R.; CASTRO, S.M.: “Modelos de datos para datos espaciales”, En: V Workshop de Investigadores en Ciencias de la Computación, 2003.). Permiten el almacenamiento de las geometrías de un archivo cartográfico en una base de datos.

Las BDE ofrecen capacidades para el manejo apropiado de datos espaciales, incluyendo modelos para la representación de objetos espaciales, métodos de recuperación rápidos y lenguajes de consulta específicos. Los datos espaciales están formados por objetos espaciales construidos a partir de puntos, líneas, regiones, rectángulos, superficies, volúmenes y aún objetos de dimensiones superiores que pueden incluir restricciones temporales. Como ejemplos de datos espaciales se pueden citar ciudades, ríos, rutas, áreas montañosas, entre otros (Vitturini et al., 2003VITTURINI, M.; FILLOTTRANI, P.R.; CASTRO, S.M.: “Modelos de datos para datos espaciales”, En: V Workshop de Investigadores en Ciencias de la Computación, 2003.).

Por su parte Hamid et al. (2020)HAMID, A.M.; SAMEER, M.K.; MAGEED, N.N.: “Geo-database production of digital land use map using remote sensing and GIS techniques”, [en línea], En: AIP Conference Proceedings, Ed. American Institute of Physics, vol. 2213, p. 020024, 25 de marzo de 2020, DOI: 10.1063/5.0000099, Disponible en:https://aip.scitation.org/doi/abs/10.1063/5.0000099, [Consulta: 16 de enero de 2021]. afirma que el componente principal de un SIG es su base de datos de información. Esta base de datos es sofisticada al tomar información de diversas fuentes como mapas topográficos, mapas temáticos y mapas catastrales, en forma equivalente, imágenes detectadas a distancia en forma digital, entre otros. Cualquiera que sea la base de la información, es fundamental combinarlos en una proyección y grabación común.

Existen varias alternativas de BDE, que posibilitan el almacenamiento y tratamiento de la información georreferenciada. La Tabla 2 muestra un resumen de algunos de estos softwares.

La elección de la base de datos espacial adecuada es extremadamente importante. Cada sistema tiene sus propias ventajas y desventajas que dependen del tipo de datos ingeridos y del resultado esperado del análisis. Tomar la decisión correcta se vuelve cada vez más difícil a medida que las BDE agregan módulos espaciales o extensiones para usar con datos geoespaciales (Deprizio, 2020DEPRIZIO, J.: Comparative Analysis of Database Spatial Technologies (CADST), [en línea], George Mason University, Thesis, Fairfax, USA, 103 p., Accepted: 2020-01-29T18:16:37Z, 29 de enero de 2020, Disponible en:http://mars.gmu.edu/handle/1920/11656, [Consulta: 16 de enero de 2021].).

En su trabajo Agarwal y Rajan (2016)AGARWAL, S.; RAJAN, K.S.: “Performance analysis of MongoDB versus PostGIS/PostGreSQL databases for line intersection and point containment spatial queries”, Spatial Information Research, 24(6): 671-677, 2016. realizan una comparación entre PostreSQL (PostGIS) y MongoDB donde se analizan los ventajas y desventajas de utilizar un sistema de base de datos espaciales utilizando bases de datos relacionales y no relacionales. Los autores plasman en este documento la utilidad de PostgreSQL como una de las mejores alternativas de código abierto para el almacenamiento de datos espaciales.

Asimismo, concluyen que MongoDB se desempeña mejor a medida que aumenta el tamaño de los datos en las operaciones indexadas y no indexadas tanto para la intersección de líneas como para el problema de contención de puntos; las bases de datos NoSQL pueden estar mejor definidas para sistemas de consulta simultáneos de múltiples usuarios, incluidos Web-GIS y mobile-GIS; las bases de datos no relacionales son más adecuadas para los sistemas de consulta multiusuario y tienen el potencial de ser implementadas en servidores con potencia computacional limitada.

Por otra parte, afirman que todavía existen algunas limitaciones en el uso de bases de datos NoSQL sobre bases de datos SQL. No hay tantas funciones espaciales en NoSQL como en SQL. Las funciones geográficas implementadas actualmente solo admiten operaciones muy básicas. Las bases de datos relacionales siguen siendo muy superiores si el usuario necesita calcular la información geográfica a nivel de la base de datos.

En su artículo Deprizio (2020)DEPRIZIO, J.: Comparative Analysis of Database Spatial Technologies (CADST), [en línea], George Mason University, Thesis, Fairfax, USA, 103 p., Accepted: 2020-01-29T18:16:37Z, 29 de enero de 2020, Disponible en:http://mars.gmu.edu/handle/1920/11656, [Consulta: 16 de enero de 2021]. presenta una comparación de las principales BDE más utilizadas actualmente. Se analizan MySQL, MongoDB, MarkLogic, Neo4j, y PostgreSQL (utilizando PostGIS). En la investigación se analiza el procesado de un conjunto de operaciones espaciales en cada uno de estas BDE. Para la inserción de datos se destaca PostgreSQL, mientras para que para la realización de consultas MarkLogic resulta ser el más rápido.

PostgreSQL y su extensión PostGIS resultan en ambos casos un denominador común entre las BDE analizadas. Entre las características que más destacan según Agarwal y Rajan (2016)AGARWAL, S.; RAJAN, K.S.: “Performance analysis of MongoDB versus PostGIS/PostGreSQL databases for line intersection and point containment spatial queries”, Spatial Information Research, 24(6): 671-677, 2016. se encuentran:

Herramientas de desarrollo SIG

Son varias las empresas y organizaciones que desarrollan nuevas herramientas SIG. Steiniger et al. (2010)STEINIGER, S.; WEIBEL, R.; WARF, B.: “GIS software: a description in 1000 words”, [en línea], En: Encyclopedia of geography, Ed. Sage, London, GB, p. online, 2010b, DOI: 10.5167/uzh-41354, ISBN: 978-1-4129-5697-0, Disponible en:http://www.sagepub.com/booksProdDesc.nav?prodId=Book230922, [Consulta: 16 de enero de 2021]. las clasifican según su funcionalidad en siete tipos: (i) SIG de escritorio, (ii) Sistema de gestión de bases de datos espaciales (SDBMS), (iii) Servidor de mapas web, (iv) Servidor SIG, (v) Cliente web SIG, (vi) SIG móvil y (vii) Bibliotecas y extensiones (Figura 6).

En Steiniger y Hunter (2013)STEINIGER, S.; HUNTER, A.J.S.: “The 2012 free and open source GIS software map - A guide to facilitate research, development, and adoption”, Computers, Environment and Urban Systems, 39: 136-150, 1 de mayo de 2013, ISSN: 0198-9715, DOI: 10.1016/j.compenvurbsys.2012.10.003. se definen cada uno de estos tipos de SIG y sus funcionalidades. Explican que el proceso de selección, ya sea para empresas, investigación o docencia, debe basarse en un riguroso proceso de evaluación de software. Sostienen que entre los criterios que deben aplicarse durante la evaluación del proceso son, por ejemplo: funcionalidad del software, estabilidad del software, soporte de la plataforma, participación de mercado, credibilidad (marca) del fabricante del software, así como el tamaño de la red de soporte y distribución. Si bien estos criterios son comunes a la selección de software propietario, con respecto al software libre y de código abierto, también son importantes otros criterios. En particular, se debe considerar el proyecto que creó el software, ya que el estado del proyecto influirá en el soporte, la evolución (en términos de funcionalidad y dominio de uso) y la longevidad del software.

Diferentes investigaciones realizan comparaciones entre varios SIG. Ruiz (2016)RUIZ FERNÁNDEZ, E.: Comparativa de software para la Realización de Simbolización Cartográfica, Universidad de Oviedo, Asturias, España, 102 p., 2016. analiza QGIS, gvSIG y ArcGIS en cuanto a herramientas que proporcionan para la creación de simbología vectorial y etiquetado, compatibilidad existente para la exportación e importación de estilos y simbologías, además también se examinan las capacidades para la realización de series de mapas de forma automática. Se concluye la investigación afirmando que ArcGIS y QGIS para la elaboración de simbología vectorial presentan grandes similitudes, mientras que gvSIG tiene grandes limitaciones en este aspecto; la interfaz de QGIS para el diseño de los distintos símbolos cartográficos resulta más sencilla e intuitiva para el usuario, presentando todas las herramientas en una misma ventana; pero las capacidades de los SIG para la colocación de los rótulos sobre un mapa aún tiene mucho que mejorar, ya que una buena rotulación requiere de numerosas decisiones que los softwares en el momento de efectuada la investigación no son capaces de adoptar; ArcGIS presenta un tipo de rotulado avanzado que, junto con la utilidad de sus capas de anotaciones, facilita enormemente al usuario la tarea de colocación de las etiquetas, estando muy por encima de las capacidades de los otros dos programas.

Por otro lado Olivo-Bermeo (2019)OLIVO BERMEO, M.J.: Comparativas de software sig libre y comercial para estudios Ambientales., [en línea], Pontifica Universidad Católica de Ecuador, Thesis, Ecuador, 81 p., Accepted: 2019-10-02T20:53:20Z, 24 de septiembre de 2019, Disponible en:http://localhost/xmlui/handle/123456789/1974, [Consulta: 16 de enero de 2021]. compara los SIG aplicados en estudios de casos ambientales, donde el factor clave de comparación es la licencia del sistema (software libre o comerciales). Se analizan varios factores a ambos grupos como el manejo de capas, método de aplicación, la configuración general, la interfaz, el tratamiento de imágenes, entre otros. Se les asigna un peso a los factores determinantes a juicio del autor que permiten compararlos. La Tabla 3 muestra el resultado final del estudio realizado.

Concluye la investigación destacando que los softwares comerciales presentan mayor fiabilidad y rentabilidad, basados en los parámetros de evaluación de software presentando una mayor interoperabilidad, generación de mapa, funcionalidad, capacidad y análisis en cuanto a las características de sus herramientas. Aunque también los SIG deben ser valorados por su aplicabilidad y las funcionalidades que se requieren, pues en determinados estudios ambientales un SIG presenta mejores características a diferencia de otros.

Utilizar un SIG u otro depende mucho de las necesidades del usuario, las características de lo que se quiere hacer y del presupuesto con el que cuente. Es necesario analizar si el presupuesto con el que se cuenta y el pago del software a utilizar pueda estar balanceado. Varios usuarios colocan a ArcGIS como el SIG más completo y el que cuenta con más funcionalidades, no obstante QGIS se ha convertido en los últimos años una alternativa libre fiable que cumple con la mayoría de los requerimientos de la comunidad.

Aplicaciones de los SIG en la agricultura

Muchos desafíos están agregando presión sobre las cadenas de suministro agrícola actuales que incluyen la reducción del tamaño de la tierra, una demanda cada vez mayor de recursos naturales y problemas ambientales. Los sistemas agrícolas necesitan una gran transformación de las prácticas tradicionales a la agricultura de precisión o prácticas agrícolas inteligentes para superar estos desafíos. Los SIG constituyen una de esas tecnologías que impulsa los métodos actuales hacia la agricultura de precisión (Sharma et al., 2018SHARMA, R.; KAMBLE, S.S.; GUNASEKARAN, A.: “Big GIS analytics framework for agriculture supply chains: A literature review identifying the current trends and future perspectives”, Computers and Electronics in Agriculture, 155: 103-120, 1 de diciembre de 2018, ISSN: 0168-1699, DOI: 10.1016/j.compag.2018.10.001.).

De acuerdo con la Organización de las Naciones Unidas, la población mundial en julio de 2022 era de 7,9 mil millones de personas. Se calcula que en 2030 será de 8,5 y para 2100 de 11,2 mil millones de personas. Este crecimiento impone el desafío para la producción de alimentos, aunado al fomento del crecimiento socioeconómico, la adopción de sistemas productivos sostenibles y la adaptación al cambio climático. Dado el impacto socioambiental de la agricultura, la Organización Mundial para la Agricultura y la Alimentación recomienda cinco principios para volverla sostenible: mejorar la eficiencia en el uso de recursos; realizar actividades directas para conservar, proteger y mejorar los recursos naturales; proteger y mejorar los medios de vida rurales, la equidad y el bienestar social; reforzar la resiliencia de las personas, comunidades y ecosistemas; implementar políticas públicas responsables y eficaces que aseguren la sostenibilidad de la agricultura y la alimentación (Ocampo y Santa Catarina, 2018OCAMPO, M.; SANTA CATARINA, C.: “Agricultura de Precisión”, En: Oficina de Información Científica y Tecnológica para el congreso de la Union (INCyTU), p. 15, 2018.).

En la actualidad, la aplicación de SIG ha penetrado en todos los aspectos de la sociedad, involucrando todos los campos de información espacial relevantes, como la agricultura, la silvicultura, la conservación del agua, la tierra, los recursos y el medio ambiente. Las aplicaciones específicas incluyen la gestión de recursos naturales, el diseño agrícola y comercial, el análisis político y económico, la planificación del suelo urbano, la gestión del diseño de ingeniería, la ciencia, la educación, la cultura y el entrenamiento físico, la tecnología de defensa nacional, el transporte financiero, las instalaciones públicas y otros campos (Zhang y Cao, 2019ZHANG, F.; CAO, N.: “Application and Research Progress of Geographic Information System (GIS) in Agriculture”, [en línea], En: 2019 8th International Conference on Agro-Geoinformatics (Agro-Geoinformatics), Ed. IEEE, Istanbul, Turkey, pp. 1-5, julio de 2019, DOI: 10.1109/Agro-Geoinformatics.2019.8820476, ISBN: 978-1-72812-116-1, Disponible en:https://ieeexplore.ieee.org/document/8820476/, [Consulta: 24 de julio de 2022].).

Los SIG juegan un papel primordial en la agricultura actual. Su uso posibilita, entre otros la clasificación, mapeo y cartografía de cultivos con información georreferenciada. También la identificación de etapas fenológicas de las plantas, el monitoreo del riego y la predicción de rendimientos. Todo ello basado, fundamentalmente, en fuentes de información como las imágenes satelitales, la fotogrametría aérea y los datos de cosecha de las maquinarias agrícolas (Pérez-García et al., 2019PÉREZ-GARCÍA, C.A.; PÉREZ-ATRAY, J.J.; HERNÁNDEZ -SANTANA, L.; GUSTABELLO-COGLE, R.; BECERRA-DE ARMAS, E.: “Sistema de Información Geográfica para la agricultura cañera en la provincia de Villa Clara”, Revista Cubana de Ciencias Informáticas, 13(2): 30-46, junio de 2019, ISSN: 2227-1899.).

Según Zhang y Cao (2019)ZHANG, F.; CAO, N.: “Application and Research Progress of Geographic Information System (GIS) in Agriculture”, [en línea], En: 2019 8th International Conference on Agro-Geoinformatics (Agro-Geoinformatics), Ed. IEEE, Istanbul, Turkey, pp. 1-5, julio de 2019, DOI: 10.1109/Agro-Geoinformatics.2019.8820476, ISBN: 978-1-72812-116-1, Disponible en:https://ieeexplore.ieee.org/document/8820476/, [Consulta: 24 de julio de 2022]. algunos de los usos específicos de los SIG en la agricultura son para llevar a cabo:

Monitorear las tendencias del mercado, mejorar los rendimientos y predecir el clima se encuentran entre las muchas responsabilidades requeridas para reducir el riesgo de pérdida y aumentar la rentabilidad de los campos productivos. Utilizando el análisis geoespacial y modelado predictivo, los agricultores tienen la capacidad de visualizar sus tierras, cultivos y prácticas de gestión. Acceder a datos espaciales se ha convertido en una práctica agrícola esencial. Las agencias gubernamentales como el Departamento de Agricultura de EE. UU. (USDA) y la Unión Europea alojan sitios web que brindan información valiosa para ayudar a los agricultores a comprender mejor su tierra y tomar decisiones más informadas. Se puede acceder a estos datos en Internet y utilizarlos para crear mapas inteligentes para mejores prácticas comerciales agrícolas (Reza y Mohammad, 2015REZA, M.; MOHAMMAD, A.: “Application of Gis and Gps in Precision Agriculture (a Review)”, International Journal of Advanced Biological and Biomedical Research, : 9, 2015, ISSN: 2322-4827.).

En los últimos años, el trabajo en teledetección agrícola se ha centrado más en la caracterización de las propiedades biofísicas de las plantas. La teledetección se ha utilizado durante mucho tiempo en el seguimiento y análisis de las actividades agrícolas. La teledetección de los doseles agrícolas ha proporcionado información valiosa sobre varios parámetros agronómicos. La ventaja de la teledetección es su capacidad para proporcionar información repetida sin un muestreo destructivo del cultivo, que puede utilizarse para proporcionar información valiosa para aplicaciones agrícolas de precisión. La teledetección ofrece una alternativa económica para la adquisición de datos en grandes áreas geográficas (Palanisamy et al., 2019PALANISAMY, S.; SELVARAJ, R.; RAMESH, T.; PONNUSAMY, J.: “Applications of Remote Sensing in Agriculture - A Review”, International Journal of Current Microbiology and Applied Sciences, 8: 2270-2283, 20 de enero de 2019, DOI: 10.20546/ijcmas.2019.801.238.).

En su trabajo Budiharto et al. (2019)BUDIHARTO, W.; CHOWANDA, A.; GUNAWAN, A.A.S.; IRWANSYAH, E.; SUROSO, J.S.: “A Review and Progress of Research on Autonomous Drone in Agriculture, Delivering Items and Geographical Information Systems (GIS)”, [en línea], En: 2019 2nd World Symposium on Communication Engineering (WSCE), Ed. IEEE, Nagoya, Japan, pp. 205-209, diciembre de 2019, DOI: 10.1109/WSCE49000.2019.9041004, ISBN: 978-1-72815-329-2, Disponible en:https://ieeexplore.ieee.org/document/9041004/, [Consulta: 24 de julio de 2022]. comentan sobre el uso de los vehículos aéreos no tripulados (UAV por sus siglas en inglés) en la agricultura. Explican el gran auge que han tenido en los últimos años el uso de drones para la fumigación de los campos, control de plagas, así como la cartografía de los terrenos productivos. Indican que las imágenes del terreno que pueden ser obtenidas a través de los satélites no siempre tienen la calidad necesaria para detectar ciertas anomalías en los cultivos o para detectar los cultivos propios; de ahí que los drones cumplan un papel fundamental en este sentido. Expresan que la información capturada por los drones es almacenada y georreferenciada para luego ser mostrada mediante en un SIG, pudiéndose georreferenciar cada aspecto capturado para su posterior análisis utilizando, por ejemplo, técnicas de Deep Learning (Aprendizaje Profundo)^*Fast-growing domain of machine learning, primarily for solving problems in computer vision. It is a class of machine learning algorithms that use a cascade of many layers of nonlinear processing..

Por otro lado, Sambrekar y Rajpurohit (2019)SAMBREKAR, K.; RAJPUROHIT, V.S.: “Fast and Efficient Multiview Access Control Mechanism for Cloud Based Agriculture Storage Management System”, International Journal of Cloud Applications and Computing (IJCAC), 9(1): 33-49, 1 de enero de 2019, ISSN: 2156-1834, DOI: 10.4018/IJCAC.2019010103. promueven el uso de Cloud Computing (Computación en la Nube)^†It is the use of a network of remote servers connected to the Internet to store, manage and process data, servers, databases, networks and software. Instead of relying on a physical installed service, it is possible to have access to a framework where software and hardware are virtually integrated. aplicado en los procesos agrícolas. Indican que la información obtenida de los campos permite determinar cultivos marginales cultivados en terrenos fragmentados, cuantificación de su efecto en el rendimiento de los cultivos y detección del estrés de los cultivos debido a nutrientes y enfermedades. Indican que la aplicación de técnicas de cloud computing posibilita el acceso de los usuarios al recurso de almacenamiento en cualquier momento y en cualquier lugar a través de Internet.