Contexto: la interpolación espacial de propiedades del suelo en el piedemonte llanero colombiano es compleja debido al efecto simultáneo de la génesis del suelo, las características del terreno, el uso actual, y el manejo que de él se hace. Mientras las técnicas de interpolación vienen siendo adaptadas para tener en cuenta estos efectos, algunas propiedades del suelo son difíciles de predecir con las técnicas convencionales.Método: en este trabajo se evaluaron seis técnicas de interpolación espacial: distancia inversa ponderada (IDW); Spline; kriging ordinario (KO); kriging universal (KU); cokriging (Ckg); y mejor predicción lineal insesgada empírica con máxima verosimilitud restringida (REML-EBLUP), a partir de la aplicación de hipercubo latino condicionado (HCLc) como estrategia de muestreo. Se utilizaron los índices de terreno calculados a partir de un modelo digital de elevación como información auxiliar del suelo en los procedimientos de Ckg y REML-EBLUP. Para determinar los índices de terreno más importantes de cada propiedad se utilizó el algoritmo de bosques aleatorios (RF) y para validar las interpolaciones sobre validaciones cruzadas se usaron las métricas de error.Resultados: los resultados soportan el supuesto de que HCLc captura adecuadamente la distribución total de la información auxiliar en condiciones del área experimental. Además, sugieren que Ckg y REML-EBLUP generan mejores predicciones de la mayoría de las propiedades del suelo evaluadas.Conclusiones: las técnicas de interpolación mixtas, teniendo también información auxiliar del suelo e índices de terreno, proporcionaron una mejora significativa de la predicción de propiedades del suelo, en comparación con las demás técnicas.

La agricultura de precisión busca la aplicación de insumos en cultivos agrícolas en el lugar, el momento y la cantidad adecuados. El manejo de malezas específico del sitio es una estrategia de agricultura de precisión que permite la reducción en la aplicación de herbicidas, minimizando costos de insumos, con efectos positivos para el medioambiente. El objetivo de este artículo es mostrar los avances en el desarrollo de un sistema inteligente para la detección de malezas y aplicación de herbicida en un cultivo de piña con conceptos de agricultura de precisión. El prototipo utiliza un sistema de visión artificial para la adquisición de la reflectancia en las plantas en el espectro del visible y un sistema embebido que permite el procesamiento de las imágenes en tiempo real como mecanismo de detección de maleza. El prototipo cuenta con un sistema de fumigación automático, el cual emula la aplicación del herbicida selectivo; lo que en conjunto es implementado sobre un vehículo terrestre que realiza su recorrido entre los surcos de un cultivo de piña. El algoritmo de detección de malezas para el cultivo de piña tuvo una eficiencia de más del 80 %, obteniendo así resultados satisfactorios y el cumplimiento de requerimiento para la detección y aplicación de insumo solo en los lugares en donde se necesita.