Modelos preditivos para apoiar a toma de decisións no control de pragas e enfermidades dos cultivos
Descrición
O vindeiro luns 29 de abril a partir das 16:30 h. ás 18:00 h. , terá lugar o webinar "Modelos preditivos de apoio á toma de decisións no control de pragas e enfermidades nos cultivos" . Este evento en liña gratuíto reunirá aos principais expertos en sanidade vexetal e tecnoloxías aplicadas ao sector agroalimentario.
Organizado polo Cajamar Experience Center , este evento dixital pretende demostrar como o uso de modelos matemáticos e ferramentas preditivas pode mellorar a xestión fitosanitaria nas explotacións, contribuíndo a reducir o número de tratamentos, anticipar riscos e optimizar os recursos dispoñibles , en consonancia cunha agricultura máis sostible e eficiente.
Un programa con líderes do sector
Abrirá o acto Carlos Baixauli Soria , Director do Centro de Experiencias Cajamar, que tamén moderará a mesa de debate final.
O programa inclúe tres presentacións principais:
- 16:40 h. – Ángel Plata Sánchez , técnico de I+D de Tragsa, exporá como os modelos de grao día poden optimizar a xestión de pragas de insectos axustando os tratamentos aos tempos máis efectivos.
- 17:00 – Antonio Vicent Civera , Xefe de Unidade do IVIA, analizará o uso de modelos epidemiolóxicos para o control de enfermidades fúngicas en árbores froiteiras, mostrando exemplos prácticos da súa aplicación no campo.
- 17:20 h. – Miguel Martínez Ramón , Director de Produto Dixital de Agrigenio España, falará dos Sistemas de Apoio á Decisión (DSS) e do seu papel fundamental na agricultura presente e futura.
O acto rematará cunha mesa redonda ás 17:40 horas. , onde os tres relatores intercambiarán puntos de vista sobre os retos e oportunidades da dixitalización na protección dos cultivos, moderado por Carlos Baixauli.
Matrícula aberta
O webinar está dirixido a agricultores, técnicos, cooperativas, empresas agroalimentarias e interesados na innovación agraria. A inscrición é gratuíta e xa está aberta a través da web Plataforma Tierra de Cajamar.