Tecnologías de Agricultura de Precisión para Riego y Mecanización Agrícola: Adaptabilidad al Contexto Cubano
Barra lateral del artículo
Contenido principal del artículo
Resumen
La agricultura enfrenta el desafío de aumentar la productividad para garantizar la seguridad alimentaria global, mientras se adapta al cambio climático y reduce su impacto ambiental. Esta revisión analiza el estado del arte de las tecnologías de riego inteligente y mecanización de precisión, y evalúa su potencial adaptación al contexto cubano. La evidencia más reciente confirma que los sistemas de riego inteligente basados en IoT y algoritmos predictivos logran ahorros de agua del 30-50%. La mecanización de precisión, incluyendo la tecnología de tasa variable (VRT) y la robótica agrícola autónoma, reduce el uso de fertilizantes en un 15-30% y herbicidas hasta en un 90%. Los sistemas de detección temprana de plagas basados en visión por computador y aprendizaje profundo alcanzan precisiones superiores al 95%. Plataformas de gestión agrícola (FMIS) actúan como núcleo integrador de estos sistemas. La adaptación al contexto cubano es posible, pero enfrenta desafíos como altos costos, limitaciones de conectividad y obsolescencia del parque de maquinaria. Sin embargo, el capital humano calificado y la voluntad política existente ofrecen oportunidades significativas. Se propone una estrategia de implementación gradual en tres fases que prioriza tecnologías de bajo costo, modelos de maquinaria compartida, uso de telefonía móvil como asistente de navegación y desarrollo de capacidades locales, comenzando con sistemas que operan “offline/online”. La integración de estas tecnologías puede ser una vía estratégica para aumentar la soberanía alimentaria y la resiliencia de la agricultura cubana frente al cambio climático, la escasez de recursos y la necesidad de una mayor eficiencia productiva.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes:
- Los autores/as conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra, el cuál estará simultáneamente sujeto a la Licencia Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) que permite a terceros compartir la obra siempre que se indique su autor y su primera publicación esta revista. Bajo esta licencia el autor será libre de:
- Compartir — copiar y redistribuir el material en cualquier medio o formato
- Adaptar — remezclar, transformar y crear a partir del material
- El licenciador no puede revocar estas libertades mientras cumpla con los términos de la licencia
Bajo las siguientes condiciones:
- Reconocimiento — Debe reconocer adecuadamente la autoría, proporcionar un enlace a la licencia e indicar si se han realizado cambios. Puede hacerlo de cualquier manera razonable, pero no de una manera que sugiera que tiene el apoyo del licenciador o lo recibe por el uso que hace.
- NoComercial — No puede utilizar el material para una finalidad comercial.
- No hay restricciones adicionales — No puede aplicar términos legales o medidas tecnológicas que legalmente restrinjan realizar aquello que la licencia permite.
- Los autores/as podrán adoptar otros acuerdos de licencia no exclusiva de distribución de la versión de la obra publicada (p. ej.: depositarla en un archivo telemático institucional o publicarla en un volumen monográfico) siempre que se indique la publicación inicial en esta revista.
- Se permite y recomienda a los autores/as difundir su obra a través de Internet (p. ej.: en archivos telemáticos institucionales o en su página web) antes y durante el proceso de envío, lo cual puede producir intercambios interesantes y aumentar las citas de la obra publicada. (Véase El efecto del acceso abierto).
Citas
ABIOYE, E.A.; ABIDIN, M.S.Z.; MAHMUD, M.S.A.; BUYAMIN, S.; ISHAK, M.H.I.; ABD RAHMAN, M.K.I.; OTUOZE, A.O.; ONOTU, P.; RAMLI, M.S.A.: “A review on monitoring and advanced control strategies for precision irrigation”, Computers and Electronics in Agriculture, 173: 105441, 2020, ISSN: 0168-1699.
ADAMCHUK, V.I.; HUMMEL, J.W.; MORGAN, M.T.; UPADHYAYA, S.K.: “On-the-go soil sensors for precision agriculture”, Computers and electronics in agriculture, 44(1): 71-91, 2004, ISSN: 0168-1699.
ADEYEMI, O.; GROVE, I.; PEETS, S.; NORTON, T.: “Advanced monitoring and management systems for improving sustainability in precision irrigation”, Sustainability, 9(3): 353, 2017, ISSN: 2071-1050, DOI: http://doi.org/10.3390/su9030353.
ADEYEMI, O.; GROVE, I.; PEETS, S.; NORTON, T.: “Advanced monitoring and management systems for improving sustainability in precision irrigation”, Sustainability, 9(3): 353, 2017, ISSN: 2071-1050, DOI: http://doi.org/10.3390/su9030353.
ADLI, H.K.; REMLI, M.A.; SALIHIN, W.; ISMAIL, N.A.; GONZÁLEZ, A.; CORCHADO, J.M.; MOHAMAD, M.S.: “Recent Advancements and Challenges of AIoT Application in Smart Agriculture: A Review”, Sensors, 23(7): 3752, 2023, ISSN: 1424-8220, DOI: http://doi.org/10.3390/s23073752.
AKTAR, M.W.; SENGUPTA, D.; CHOWDHURY, A.: “Impact of pesticides use in agriculture: their benefits and hazards”, Interdisciplinary Toxicology, 2(1): 1-12, 2009, ISSN: 1337-6853, DOI: http://doi.org/10.2478/v10102-009-0001-7.
ANASTASIOU, E.; FOUNTAS, S.; VOULGARAKI, M.; PSIROUKIS, V.; KOUTSIARAS, M.; KRIEZI, O.; LAZAROU, E.; VATSANIDOU, A.; FU, L.; DI BARTOLO, F.; JESUS BARREIRO, J.; MANUEL GOMEZ, J.: “Precision farming technologies for crop protection: A meta-analysis”, Smart Agricultural Technology, 5: 100323, 2023, ISSN: 2772-3755, DOI: http://doi.org/10.1016/j.atech.2023.100323.
AUBERT, B.A.; SCHROEDER, A.; GRIMAUDO, J.: “IT as enabler of sustainable farming: An empirical analysis of farmers' adoption decision of precision agriculture technology”, Decision Support Systems, 54(1): 510-520, 2012, ISSN: 0167-9236, DOI: http://doi.org/10.1016/j.dss.2012.05.048.
BAYIH, A.; MORALES, J.; ASSABIE, Y.; DE BY, R.: “Utilization of Internet of Things and Wireless Sensor Networks for Sustainable Smallholder Agriculture”, Sensors, 22(9): 3273, 2022, ISSN: 1424-8220, DOI: http://doi.org/10.3390/s22093273.
BENCHALLAL, F.; HAFINE, A.; RAGOT, N.; CANALS, R.: “ConvNeXt based semi-supervised approach with consistency regularization for weeds classification”, Expert Systems with Applications, 239: 122222, 2024, ISSN: 0957-4174, DOI: http://doi.org/10.1016/j.eswa.2023.122222.
BOSCÁN BOSCÁN, A.C.; BOSCÁN BOSCÁN, A.J.: “Artificial intelligence in agriculture: A view from a sustainable development perspective”, Agrociencia Uruguay, 29: e1502, 2025, ISSN: 2730-5066, DOI: http://doi.org/10.31285/AGRO.29.1502.
CHLINGARYAN, A.; SUKKARIEH, S.; WHELAN, B.: “Machine learning approaches for crop yield prediction and nitrogen status estimation in precision agriculture: A review”, Computers and Electronics in Agriculture, 151: 61-69, 2018, ISSN: 0168-1699, DOI: http://doi.org/10.1016/j.compag.2018.05.012.
COLAÇO, A.F.; BRAMLEY, R.G.: “Do crop sensors promote improved nitrogen management in grain crops?”, Field Crops Research, 218: 126-140, 2018, ISSN: 0378-4290, DOI: http://doi.org/10.1016/j.fcr.2018.01.017.
COMPARETTI, A.; FAGIOLINI, A.; FOUNTAS, S.; CASCIO, V.: “Field robots for precision agriculture”, AIMS Agriculture and Food, 10(4): 885-916, 2025, ISSN: 2471-2086, DOI: http://doi.org/10.3934/agrfood.2025046.
CORTEZ, A.; PRO, L.; MAMANI, N.; LOZADA, P.; PARIONA, J.: “Precision agriculture: transforming traditional agriculture with technology”, Revista de Investigación de Sistemas e Informática, 17(2): 51-63, 2024, ISSN: 1816-3823, DOI: http://doi.org/10.15381/risi.v17i2.29917.
CRAVERO, A.; SEPÚLVEDA, S.: “Use and adaptations of machine learning in big data-applications in real cases in agriculture”, Electronics, 10(5): 552, 2021, ISSN: 2079-9292, DOI: http://doi.org/10.3390/electronics10050552.
DOMÍNGUEZ, C.; CISNEROS, E.; HERRERA, J.; RUIZ, M.; MIRANDA, A.; PANEQUE, P.; MARTIN, R.A.: “Enfoques para la gestión y uso eficiente del agua en el cultivo de arroz”, Revista Ciencias Técnicas Agropecuarias, 34: e03, 2025, ISSN: 2071-0054.
DOMÍNGUEZ, C.; MIRANDA, A.; GUILHERME DE ARAÚJO, A.; MOREJÓN, Y.; PANEQUE, P.: “Management of Agricultural Machinery in Cuba to Enhance Ecosystem Services and Mitigate Climate Change”, Agricultural Mechanization in Asia, Africa and Latin America, 55(3): 27-31, 2024, ISSN: 0084-5841.
ELHOSENY, M.; JAHID, K.; LATIF, R.; SADDIK, A.; ATASSI, R.: “Recent advances in IoT-driven crop monitoring and precision irrigation: Technologies, models, and future challenges”, Scientific African, 2026, (en prensa), ISSN: 2468-2276, DOI: http://doi.org/10.1016/j.sciaf.2026.e03222.
ELIJAH, O.; RAHMAN, T.A.; ORIKUMHI, I.; LEOW, C.Y.; HINDIA, M.N.: “An overview of Internet of Things (IoT) and data analytics in agriculture: Benefits and challenges”, IEEE Internet of Things Journal, 5(5): 3758-3773, 2018, ISSN: 2327-4662, DOI: http://doi.org/10.1109/JIOT.2018.2844296.
ESCRIBÀ, M.; LIANG, S.; VAN SCHALKWYK, P.; FISK, I.; LONG, N.V.D.; HESSEL, V.: “Digital twins in agriculture: orchestration and applications”, Journal of Agricultural and Food Chemistry, 72(19): 10737-10752, 2024, ISSN: 0021-8561, DOI: http://doi.org/10.1021/acs.jafc.4c01934.
GETAHUN, S.; KEFALE, H.; GELAYE, Y.: “Application of Precision Agriculture Technologies for Sustainable Crop Production and Environmental Sustainability: A Systematic Review”, The Scientific World Journal, 2024: 2126734, 2024, ISSN: 2356-6140, DOI: http://doi.org/10.1155/2024/2126734.
GOAP, A.; SHARMA, D.; SHUKLA, A.K.; RAMA KRISHNA, C.: “An IoT based smart irrigation management system using machine learning and open source technologies”, Computers and Electronics in Agriculture, 155: 41-49, 2018, ISSN: 0168-1699, DOI: http://doi.org/10.1016/j.compag.2018.09.040.
GUPTA, G.; KUMAR, S.: “Applications of AI in precision agriculture”, Discover Agriculture, 3: 61, 2025, ISSN: 2731-9598, DOI: http://doi.org/10.1007/s44279-025-00220-9.
GUZMÁN, J.G.; MATUZ, M.; ARANA, J.Y.; LÓPEZ, E.; GÓMEZ, V.; GONZÁLEZ, N.: “Advances and prospects of precision agriculture for agricultural sustainability”, XIKUA Boletín Científico de la Escuela Superior de Tlahuelilpan, 12(24): 01-06, 2024, ISSN: 2007-4940, DOI: http://doi.org/10.29057/xikua.v12i24.12790.
HUANG, W.; LAMB, D.W.; NIU, Z.; ZHANG, Y.; LIU, L.; WANG, J.: “Identification of yellow rust in wheat using in-situ spectral reflectance measurements and airborne hyperspectral imaging”, Precision Agriculture, 8: 187-197, 2007, ISSN: 1385-2256, DOI: http://doi.org/10.1007/s11119-007-9038-9.
ISLAM, M.R.; OLIULLAH, K.; KABIR, M.M.; ALOM, M.; MRIDHA, M.F.: “Machine learning enabled IoT system for soil nutrients monitoring and crop recommendation”, Journal of Agriculture and Food Research, 14: 100880, 2023, ISSN: 2666-1543, DOI: http://doi.org/10.1016/j.jafr.2023.100880.
JAWAD, H.M.; NORDIN, R.; GHARGHAN, S.K.; JAWAD, A.M.; ISMAIL, M.: “Energy efficient wireless sensor networks for precision agriculture: A review”, Sensors, 17(8): 1781, 2017, ISSN: 1424-8220, DOI: http://doi.org/10.3390/s17081781.
JIANG, P.; CHEN, Y.; LIU, B.; HE, D.; LIANG, C.: “Real-time detection of apple leaf diseases using deep learning approach based on improved convolutional neural networks”, IEEE Access, 7: 59069-59080, 2019, ISSN: 2169-3536, DOI: http://doi.org/10.1109/ACCESS.2019.2914929.
KAMILARIS, A.; PRENAFETA-BOLDÚ, F.X.: “Deep learning in agriculture: A survey”, Computers and Electronics in Agriculture, 147: 70-90, 2018, ISSN: 0168-1699, DOI: http://doi.org/10.1016/j.compag.2018.02.016.
KARYDAS, C.; CHATZIANTONIOU, M.; STAMKOPOULOS, K.; IATROU, M.; VASSILIADIS, V.; MOURELATOS, S.: “Embedding a precision agriculture service into a farm management information system - ifarma/PreFer”, Smart Agricultural Technology, 4: 100175, 2023, ISSN: 2772-3755, DOI: http://doi.org/10.1016/j.atech.2023.100175.
KOCH, B.; KHOSLA, R.; FRASIER, W.M.; WESTFALL, D.G.; INMAN, D.: “Economic feasibility of variable-rate nitrogen application utilizing site-specific management zones”, Agronomy Journal, 96(6): 1572-1580, 2004, ISSN: 0002-1962, DOI: http://doi.org/10.2134/agronj2004.1572.
KUSHWAHA, M.; SINGH, S.; SINGH, V.; DWIVEDI, S.: “Precision Farming: A Review of Methods, Technologies, and Future Prospects”, International Journal of Environment, Agriculture and Biotechnology, 9(2), 2024, ISSN: 2456-1878, DOI: http://doi.org/10.22161/ijeab.92.27.
LI, Y.; CHAO, X.: “Semi-supervised few-shot learning approach for plant diseases recognition”, Plant Methods, 17: 68, 2021, ISSN: 1746-4811, DOI: http://doi.org/10.1186/s13007-021-00770-1.
LIAKOS, K.G.; BUSATO, P.; MOSHOU, D.; PEARSON, S.; BOCHTIS, D.: “Machine learning in agriculture: A review”, Sensors, 18(8): 2674, 2018, ISSN: 1424-8220, DOI: http://doi.org/10.3390/s18082674.
LIU, X.; ZHAO, Z.; REZAEIPANAH, A.: “Intelligent and automatic irrigation system based on internet of things using fuzzy control technology”, Scientific Reports, 15: 14577, 2025, ISSN: 2045-2322, DOI: http://doi.org/10.1038/s41598-025-98137-2.
MACHLEB, J.; PETEINATOS, G.G.; KOLLENDA, B.L.; ANDÚJAR, D.; GERHARDS, R.: “Sensor-based mechanical weed control: present state and prospects”, Computers and Electronics in Agriculture, 176: 105638, 2020, ISSN: 0168-1699, DOI: http://doi.org/10.1016/j.compag.2020.105638.
MAHLEIN, A.K.: “Plant disease detection by imaging sensors - parallels and specific demands for precision agriculture and plant phenotyping”, Plant Disease, 100(2): 241-251, 2016, ISSN: 0191-2917, DOI: http://doi.org/10.1094/PDIS-03-15-0340-FE.
MARQUES, J.R.; TERRÓN, J.M.; DOMÍNGUEZ, F.J.; PAIXÃO, L.: “Agricultura de Precisión con Imágenes de Satélite”, en: Manual de Buenas Prácticas Agrícolas, cap. II, pp. 25-48, 2020, ISBN: 978-989-33-0549-2.
McFADDEN, J.; ERICKSON, B.; LOWENBERG, J.; MILICS, G.: “Global Adoption of Precision Agriculture: An Update on Trends and Emerging Technologies”, en: Proceedings of the 16th International Conference on Precision Agriculture, Manhattan, Kansas, USA, 21-24 July 2024, pp. 1-16.
McFADDEN, J.; NJUKI, E.; GRIFFIN, T.: “Precision agriculture in the digital era: recent adoption on U.S. Farms”, Economic Information Bulletin No. 248, U.S. Department of Agriculture, Economic Research Service, 2023, Disponible en: https://www.ers.usda.gov/webdocs/publications/105894/eib-248.pdf [Consulta: 17 de abril de 2026].
MINAG: Anuario Estadístico Agropecuario 2022, Ministerio de la Agricultura, La Habana, Cuba, 2023.
MORCHID, A.; QJIDAA, H.; ALAMI, R.E.; MOBAYEN, S.; SKRUCH, P.; BOSSOUFI, B.: “Smart irrigation-based internet of things and cloud computing technologies for sustainable Farming”, Scientific Reports, 16: 5293, 2026, ISSN: 2045-2322, DOI: http://doi.org/10.1038/s41598-026-35810-0.
MUNZ, J.; SCHUELE, H.: “Influencing the Success of Precision Farming Technology Adoption-A Model-Based Investigation of Economic Success Factors in Small-Scale Agriculture”, Agriculture, 12(11): 1773, 2022, ISSN: 2077-0472, DOI: http://doi.org/10.3390/agriculture12111773.
NICOLOPOULOU-STAMATI, P.; MAIPAS, S.; KOTAMPASI, C.; STAMATIS, P.; HENS, L.: “Chemical pesticides and human health: the urgent need for a new concept in agriculture”, Frontiers in Public Health, 4: 148, 2016, ISSN: 2296-2565, DOI: http://doi.org/10.3389/fpubh.2016.00148.
OJHA, T.; MISRA, S.; RAGHUWANSHI, N.S.: “Wireless sensor networks for agriculture: The state-of-the-art in practice and future challenges”, Computers and Electronics in Agriculture, 118: 66-84, 2015, ISSN: 0168-1699, DOI: http://doi.org/10.1016/j.compag.2015.08.011.
ONUDI (Organización de las Naciones Unidas para el Desarrollo Industrial): Programa de modernización tecnológica y empresarial en el sector de producción de agroquímicos y maquinaria agrícola (Mejora y modernización industrial en Cuba, fase II), ID 230317, 51 p., 2024.
PADHIARY, M.; KUMAR, A.; NARAYAN, L.: “Emerging technologies for smart and sustainable precision agriculture”, Discover Robotics, 1: 6, 2025, ISSN: 3004-9157, DOI: http://doi.org/10.1007/s44430-025-00006-0.
PAGE, M.J.; MCKENZIE, J.E.; BOSSUYT, P.M.; BOUTRON, I.; HOFFMANN, T.C.; MULROW, C.D.; SHAMSEER, L.; TETZLAFF, J.M.; AKL, E.A.; BRENNAN, S.E.: “The PRISMA 2020 Statement: An Updated Guideline for Reporting Systematic”, Reviews. J. Clin. Epidemiol. 134, 178-189, 2021. DOI: http://doi.org/10.1016/j.jclinepi.2021.03.001.
PARAFOROS, D.S.; VASSILIADIS, V.; KORTENBRUCK, D.; STAMKOPOULOS, K.; ZIOGAS, V.; SAPOUNAS, A.A.; GRIEPENTROG, H.W.: “Multi-level automation of farm management information systems”, Computers and Electronics in Agriculture, 142: 504-514, 2017, ISSN: 0168-1699, DOI: http://doi.org/10.1016/j.compag.2017.11.022.
PARTEL, V.; CHARAN KAKARLA, S.; AMPATZIDIS, Y.: “Development and evaluation of a low-cost and smart technology for precision weed management utilizing artificial intelligence”, Computers and Electronics in Agriculture, 157: 339-350, 2019, ISSN: 0168-1699, DOI: http://doi.org/10.1016/j.compag.2018.12.048.
PIERPAOLI, E.; CARLIA, G.; PIGNATTI, E.; CANAVARI, M.: CDrivers of precision agriculture technologies adoption: A literature review”, Procedia Technology, 8: 61-69, 2013, ISSN: 2212-0173, DOI: http://doi.org/10.1016/j.protcy.2013.11.010.
PNDES (Plan Nacional de Desarrollo Económico y Social hasta 2030): Propuesta de Visión, Ejes y Sectores Estratégicos, La Habana, Cuba, Ministerio de Economía y Planificación (MEP), Resolución 30/2018 MINCEX, D-L 02/2019, 2019.
POTAMITIS, I.; RIGAKIS, I.; FYSARAKIS, K.: “The electronic McPhail trap”, Sensors, 14(12): 22285-22299, 2014, ISSN: 1424-8220, DOI: http://doi.org/10.3390/s141222285.
PRADO, M., ÁVILA, B., QUIÑONEZ, J.: “Uso de tecnologías de agricultura de precisión en la optimización de sistemas de riego en pequeñas y medianas fincas de la comunidad El Cristal, Parroquia Alto Tambo, Cantón San Lorenzo”. Revista Social Fronteriza 5(3): e723, 2025. DOI: http://doi.org/10.59814/resofro.2025.5(3)723
PURCELL, W.; NEUBAUER, T.: “Digital Twins in Agriculture: A State-of-the-Art Review”, Smart Agricultural Technology, 3: 100094, 2023, ISSN: 2772-3755, DOI: http://doi.org/10.1016/j.atech.2022.100094.
QUAN, L.; JIANG, W.; LI, H.; LI, H.; WANG, Q.; CHEN, L.: “Intelligent intra-row robotic weeding system combining deep learning technology with a targeted weeding mode”, Biosystems Engineering, 216: 13-31, 2022, ISSN: 1537-5110, DOI: http://doi.org/10.1016/j.biosystemseng.2022.01.019.
SAHA, S.; KUCHER, O.D.; UTKINA, A.O.; REBOUH, N.Y.: “Precision agriculture for improving crop yield predictions: a literature review”, Frontiers in Agronomy, 7: 1566201, 2025, ISSN: 2673-3218, DOI: http://doi.org/10.3389/fagro.2025.1566201.
SCHIMMELPFENNIG, D.: “Farm profits and adoption of precision agriculture”, Economic Research Report No. 217, U.S. Department of Agriculture, Economic Research Service, 2016, DOI: http://doi.org/10.22004/ag.econ.249773.
SCHIMMELPFENNIG, D.; EBEL, R.: “Sequential Adoption and Cost Savings from Precision Agriculture”, Journal of Agricultural and Resource Economics, 41(1): 97-115, 2016, ISSN: 1068-5502, DOI: http://doi.org/10.22004/ag.econ.230771.
SINGH, S.; GUPTA, S.: “Apple scab and marsonina coronaria diseases detection in apple leaves using machine learning”, International Journal of Pure and Applied Mathematics, 118(9): 1151-1166, 2018, ISSN: 1311-8080.
SUÁREZ, J.; RÍOS, A.: “A diagnosis on existence and use of agricultural machinery in Cuba”, Ingeniería Agrícola, 9(4): 69-77, 2019, ISSN: 2227-8761.
TEJEDA, V.; HERRERA, J.; RÍOS, A.; LÓPEZ, R.: “Agricultural Engineering in the System of the Cuban Agriculture, a Challenge in the Current Times”, Ingeniería Agrícola, 15, 2025, ISSN: 2227-8761.
TESKE, A.L.; CHEN, G.; NANSEN, C.; KONG, Z.: “Optimised dispensing of predatory mites by multirotor UAVs in wind: a distribution pattern modelling approach for precision pest management”, Biosystems Engineering, 187: 226-238, 2019, ISSN: 1537-5110, DOI: http://doi.org/10.1016/j.biosystemseng.2019.09.009.
TSOUROS, D.C.; BIBI, S.; SARIGIANNIDIS, P.G.: “A review on UAV-based applications for precision agriculture”, Information, 10(11): 349, 2019, ISSN: 2078-2489, DOI: http://doi.org/10.3390/info10110349.
VELUSAMY, P.; RAJENDRAN, S.; MAHENDRAN, R.K.; NASEER, S.; SHAFIQ, M.; CHOI, J.G.: “Unmanned Aerial Vehicles (UAV) in Precision Agriculture: Applications and Challenges”, Energies, 15(1): 217, 2022, ISSN: 1996-1073, DOI: http://doi.org/10.3390/en15010217.
VRCHOTA, J.; PECH, M.; ŠVEPEŠOVÁ, I.: “Precision Agriculture Technologies for Crop and Livestock Production in the Czech Republic”, Agriculture, 12(8): 1080, 2022, ISSN: 2077-0472, DOI: http://doi.org/10.3390/agriculture12081080.
WOLFERT, S.; GE, L.; VERDOUW, C.; BOGAARDT, M.J.: “Big Data in Smart Farming-A Review”, Agricultural Systems, 153: 69-80, 2017, ISSN: 0308-521X, DOI: http://doi.org/10.1016/j.agsy.2017.01.023.
WOLTERS, S.; SÖDERSTRÖM, M.; PIIKKI, K.; STENBERG, M.: “Near-real time winter wheat N uptake from a combination of proximal and remote optical measurements: How to refine Sentinel-2 satellite images for use in a precision agriculture decision support system”, Proceedings of the 12th European Conference on Precision Agriculture, Montpellier, France, 8-11 July 2019, Wageningen Academic Publishers, pp. 415-421, 2019, ISBN: 978-90-8686-337-2.
XU, J.; GU, B.; TIAN, G.: “Review of agricultural IoT technology”, Artificial Intelligence in Agriculture, 6: 10-22, 2022, ISSN: 2589-7217, DOI: http://doi.org/10.1016/j.aiia.2022.01.001.
ZAIN, M.; MA, H.; CHAUDHARY, S.; NURUZAMAN, M.; AZEEM, I.; MEHMOOD, F.; AIWANG, D.; SUN, C.: “Nanotechnology in precision agriculture: Advancing towards sustainable crop production”, Plant Physiology and Biochemistry, 2006: 108244, 2023, ISSN: 0981-9428, DOI: http://doi.org/10.1016/j.plaphy.2023.108244.
ZHANG, X.; CAO, Z.; DONG, W.: “Overview of edge computing in the agricultural internet of things: key technologies, applications, challenges”, IEEE Access, 8: 141748-141761, 2020, ISSN: 2169-3536, DOI: http://doi.org/10.1109/ACCESS.2020.3013005.