En el contexto de la producción agrícola, es importante la incorporación de nuevas tecnologías que contribuyan a reducir los costos, mediante el uso eficiente de los insumos, logrando de esta manera incrementar la productividad y minimizar el impacto ambiental. Una de las actividades realizadas es la toma de muestras de suelo a fin de estudiar su naturaleza y propiedades, de manera de tener la mayor información posible para definir las más adecuadas prácticas de manejo a realizar. En este sentido existen estudios que mencionan los factores que afectan la homogeneidad de los suelos basados en datos históricos. Sin embargo, la decisión a tomar al momento de realizar el diseño de muestreo (tanto en la cantidad como en la ubicación de las muestras), se basa fundamentalmente en la experiencia personal del técnico responsable. Ante esta situación surge la motivación del proyecto, de modo de dar una solución que caracterice la variabilidad temporal y espacial de la productividad de los sucesivos cultivos, basado en imágenes de productividad (índices de vegetación, medidas de textura, etc.) y/o mapas de rendimiento provenientes de monitores de cosecha, determinando el número y la localización óptima para el muestreo. Esta solución consiste en la realización de diferentes etapas consecutivas para llegar a uno o más diseños de muestreo óptimos. Las etapas se dividen en: caracterización de la variabilidad temporal basada en el estudio de Blackmore, lectura y generación de muestreo basada en variabilidad espacial y optimización del muestreo creado mediante la implementación del algoritmo Spatial Simulated Annealing (SSA). Para eso se analizaron los requerimientos, luego se elaboraron el diseño y la arquitectura de la solución, y se culminó con la implementación y verificación de una herramienta desarrollada en lenguaje C# donde cada etapa forma parte de un módulo y está acoplada al sistema de información geográfica ArcGIS. En cuanto a los resultados del trabajo realizado por el grupo, podemos concluir que se lograron los objetivos propuestos, obteniendo un producto final extensible diseñado con una arquitectura modular, que permite obtener un diseño óptimo de muestreo tras la ejecución de las diferentes etapas.

In the context of agricultural production, the incorporation of new technologies that reduce costs by means of efficient use of resources is of great importance, achieving an increase in productivity and minimizing environmental impact. One of the activities performed is soil sampling in order to study its properties, obtaining the information needed to define the best practices to apply in the process. There are studies that describe the different factors that affect soil homogeneity based on historical data. However, when it comes to the sampling design (on both the quantity and the location of the sampling), the decision is mostly based on the technician's personal experience. Given this fact, this project gains importance because it aims to highlight the spatial and temporal variability of crop productivity (based on productivity images like vegetation indexes, texture measurements, etc and/or performance maps obtained from crop monitors) and determine the optimal number and location for the sampling. This solution consists of the implementation of different phases that result in one or more optimal sampling designs. These phases are divided in three modules: characterization of temporal variability based on Blackmore's study, creation of sampling design and optimization of the result using the Spatial Simulated Annealing algorithm. In order to achieve this goal, first the requirements where analyzed, then the solution was designed and finally a tool developed in C# and integrated to the geographic information system ArcGIS was implemented and tested. As for the results, we can conclude that the objectives proposed where achieved, obtaining an extensible product designed using a modular architecture, which generates an optimal sampling design by executing the various phases.