Precision Agriculture

General

• Code: 600-191017
• Semester: Elective Winter Semester
• Study Level: Undergraduate
• Course type: Special Background
• Teaching and exams language: Ελληνικά
• The course is offered to Erasmus students
• Teaching Methods (Hours/Week): Διδασκαλία (4)
• ECTS Units: 4
• Course homepage: https://moodle.teithe.gr/course/view.php?id=3928
• Class Schedule:
  • Wed 08:00 - 12:00: Αίθουσα 210

Course Contents

What is precision agriculture, why the need to implement precision agriculture, the main purpose of precision agriculture, the application of inputs with variable doses using maps and sensors, spatial and temporal variability in precision agriculture, the economic benefits of applying precision agriculture, its application limitations, technologies and instruments used in precision agriculture, remote sensing, global positioning system (GPS), GPS applications in precision agriculture, geographic information system (GIS), stages of application of precision agriculture, application of precision agriculture in practice, application of precision agriculture to sowing, irrigation, fertilization, protection and harvesting of plants.

Educational Goals

• Το μάθημα εξετάζει τις γενικές αρχές που διέπουν την επιστήμη της Γεωργίας Ακριβείας και τις βασικές αρχές της καλλιέργειας των φυτών που αφορούν την εφαρμογή διαφορετικών δόσεων των εισροών και άλλων καλλιεργητικών φροντίδων για κάθε τμήμα του αγρού ανάλογα με τις πραγματικές του ανάγκες.
• Αποσκοπεί στην απόκτηση των απαραίτητων γνώσεων των φοιτητών, σε θέματα της Γεωργίας Ακριβείας., έτσι ώστε, να τους οδηγήσει στην κατανόηση των βασικών αρχών και αντιλήψεων της. Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής / τρια θα έχει τις ικανότητες να:
• Η γεωργία ακριβείας στοχεύει να βελτιστοποίηση τη διαχείριση σε επίπεδο αγροτεμαχίου σχετικά με την προσαρμογή των γεωργικών πρακτικών πιο κοντά στις καλλιεργητικές ανάγκες (εισροές), την προστασία του περιβάλλοντος μειώνοντας τους περιβαλλοντικούς κινδύνους (ελαττώνοντας της απόλυες του αζώτου) και τα οικονομικά ενισχύοντας την ανταγωνιστικότητα μέσω αποτελεσματικότερων πρακτικών (βελτιωμένη διαχείριση της χρήσης λιπασμάτων και άλλων εισροών).
• Να κατανοήσει την εφαρμογή των νέων τεχνολογιών στη γεωργία που επέτρεψαν τη μέτρηση της χωρικής και χρονικής παραλλακτικότητας των παραμέτρων της παραγωγής και του εδάφους και έδωσε τη δυνατότητα ανάπτυξης συστημάτων της Γεωργίας Ακριβείας.
• Να συσχετίσει το θεωρητικό και πρακτικό υπόβαθρο των γνώσεών του, έτσι ώστε, να συμβάλει στη διατήρηση μια παραγωγικής γεωργίας, ελαχιστοποιώντας τις αρνητικές περιβαλλοντικές επιπτώσεις.
• Να κατανοήσει τη σημασία της διαχείρισης της χωρικής και χρονικής παραλλακτικότητας των αγρών που γίνεται στη Γεωργία Ακριβείας προκειμένου να βελτιωθεί η αποδοτικότητα των αγροκτημάτων και να επιτευχθεί μείωση των αρνητικών επιπτώσεων στο περιβάλλον από την μη ορθολογική χρήση των εισροών
• Να ενημερωθεί για την ιστορική διαδρομή της Γεωργίας Ακριβείας και την εξέλιξη της παγκοσμίως και στη χώρας μας. Επίσης, να ενημερωθεί ότι ηΓεωργία Ακριβείας (PrecisionAgriculture) είναι μια νέα μέθοδος διαχείρισης των αγρών, σύμφωνα με την οποία οι εισροές (φυτοφάρμακα, λιπάσματα, σπόρος, νερό άρδευσης) και οι καλλιεργητικές πρακτικές εφαρμόζονται ανάλογα με τις ανάγκες του εδάφους και των καλλιεργειών, καθώς αυτές διαφοροποιούνται στον χώρο και στον χρόνο.
• Να αξιολογήσει την υφιστάμενη κατάσταση χρησιμοποιώντας τις αποκτηθείσες γνώσεις και να εφαρμόσει στην πράξη τις σύγχρονες γεωργικές τεχνολογίες όπως είναι η Γεωργία Ακριβείας για την καλύτερη χρήση των πολύπλοκων μακροπρόθεσμων αλληλεπιδράσεων μεταξύ των πόρων, των ανθρώπων και του περιβάλλοντος τους.

General Skills

Retrieve, analyze and synthesize data and information, with the use of necessary technologies. Adapt to new situations. Decision making. Work autonomously. Work in teams. Design and project management. Generating new research ideas. Respect natural environment. Promote free, creative and inductive thinking.

Teaching Methods

Διαλέξεις: Σε αίθουσα διδασκαλίας

Use of ICT means

Χρήση του PowerPoint για τις προβολές επιστημονικού υλικού, παροχή CD-ROM με τις εργαστηριακές ασκήσεις.

Teaching Organization

Students Evaluation

Η αξιολόγηση γίνεται στην ελληνική γλώσσα , ενώ για τους φοιτητές Erasmus στην αγγλική.

Ι. Γραπτή τελική εξέταση για τη θεωρία (100%) που περιλαμβάνει:
– Ερωτήσεις ανάπτυξης θεμάτων σε γνωστή ύλη προτεινόμενης βιβλιογραφίας.
– Ερωτήσεις που απαιτούν σύνθεση πληροφοριών και κριτική σκέψη από το φοιτητή.

Recommended Bibliography

1. Ayalew, L., &Yamagishi, H. (2005). TheapplicationofGIS-basedlogisticregression for landslide susceptibility mapping in the Kakuda-Yahiko Mountains, Central Japan. Geomorphology, 65, 15–31.
2. Andrew Rogers, TihoAncev and Brett Whelan, 2016. Flat earth economics and site-specific crop management: how flat is flat?, Precision Agric (2016) 17:108–120.
3. A. S. Freitas, E. A. Pozza, M. C. Alves, G. Coelho, H. S. Rocha, A. A. A. Pozza, 2016.Spatial distribution of Yellow Sigatoka Leaf Spot correlated with soil fertility and plant nutrition. PrecisionAgric (2016) 17:93–107.
4. Blaschke, T. (2010). Object based image analysis for remote sensing. ISPRS Journal of Photogrammetry and RemoteSensing, 65, 2–16.
5. Durrant-Whyte, H. (2001). Multi Sensor Data Fusion. Australian Centre for Field Robotics, University of Sydney. Version 1.2.
6. Geovariances. (2013). Isatis technical ref., ver. 2013.1. France:
7. Geovariances& Ecole Des Mines De Paris. Goovaerts, P. (1997). Geostatistics for natural resources evaluation. New York: Oxford University Press.
8. Ehsani, R., Sankaran, S. and Dima, C., 2010. Grower Expectations of New Technologies forApplications in Precision Horticulture . AE467, Series of the Agricultural and Biological Engineering Department, Florida Cooperative Extension Service, Institute ofFood and Agricultural Sciences, University of Florida. October 2010.
9. Marta, A., Grifoni, D., Mancini, M., Storchi, P., Zipoli, G., &Orlandini, S. (2010). Analysis of the relationships between climate variability and grapevine phenology in the Nobile di Montepulciano wine production area. The Journal of Agricultural Science, 148(06), 657–666.
10. Matese, A., Toscano, P., Di Gennaro, S. F., Genesio, L., Vaccari, F. P., Primicerio, J., et al. (2015). Intercomparison of UAV, aircraft and satellite remote sensing platforms for precision viticulture. Remote Sensing, 7, 2971–2990.
11. Moriondo, M., Bindi, M., Fagarazzi, C., Ferrise, R., &Trombi, G. (2010). Framework for high-resolution climate change impact assessment on grapevines at a regional scale. RegionalEnvironmentalChange, 11(3), 553–567.
12. Lee, K., & Lee, B. (2013). Estimation of rice growth and nitrogen nutrition status using color digital camera image analysis. European Journal Agronomy, 48, 57–65.
13. Lin, P., Chen, Y. M., He, Y., & Hu, G. W. (2014). A novel matching algorithm for splitting touching rice kernels based on contour curvature analysis. Computers and ElectronicsAgriculture, 109, 124–133.