See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/321663344

Sistema de Riego Inteligente para Optimizar el Consumo de Agua en Cultivos en

Panamá.

Conference Paper · January 2017

DOI: 10.18687/LACCEI2017.1.1.74

CITATION READS
1 1,838

1 author:

Edwin Collado
Universidad Tecnológica de Panamá
10 PUBLICATIONS 71 CITATIONS

SEE PROFILE

All content following this page was uploaded by Edwin Collado on 15 May 2018.

The user has requested enhancement of the downloaded file.

 Sistema de Riego Inteligente para Optimizar el
Consumo de Agua en Cultivos en Panamá
Edwin Collado, PhD1, Yessica Sáez, PhD1
1
Universidad Tecnológica de Panamá, Panamá,
{edwin.collado, yessica.saez}@utp.ac.pa

Resumen– Hoy en día, la escasez de agua se está convirtiendo La agricultura es reconocida por la gran demanda de agua
en uno de los mayores problemas en Panamá y a nivel mundial. Así que conlleva, en donde el desperdicio del recurso limitado es un
como el agua es un derecho universal y una necesidad para el ser problema significativo, especialmente cuando se utilizan
humano y los animales, también lo es para las plantas. Por lo tanto, técnicas de riego masivo tradicionales como regaderas y/o
el sector agrícola es uno de los principales interesados en desarrollar
canales de agua, operados manualmente. Esto ha motivado el
métodos que ayuden con la conservación de agua. Sin embargo, el
uso innecesario de agua es un problema notable en la actividad desarrollo de sistemas de riego automatizados que faciliten el
agrícola panameña, pues muchas veces los sistemas de riego suministro automático adecuado de agua y así optimizar el uso
utilizados por los agricultores suministran cantidades de agua del agua en el proceso de producción de alimentos.
inadecuada a los cultivos. En este trabajo, se propone un sistema de Dentro de los sistemas de riego automatizados están los
riego inteligente que permitirá minimizar el consumo total de agua sistemas que no utilizan retro-alimentación, es decir, aquellos
en los sistemas de riego de cultivos en Panamá, mientras se satisface en los que la operación se lleva a cabo sobre la base de
las necesidades hídricas de las plantas. El problema de optimización condiciones preestablecidas (tiempo y volumen) y sistemas de
consiste en minimizar una función cuadrática que representa la realimentación en tiempo real, los cuales son impulsados por al
suma residual de la discrepancia cuadrática entre el flujo de agua
menos dos señales de entrada (humedad del suelo, lluvia,
distribuido y el flujo de agua deseado para cada tipo de planta. Para
resolver este problema, se propone un algoritmo que toma en temperatura, etc.) [5]-[7]. La mayoría de estos sistemas son
consideración las necesidades reales de agua de las plantas y controlados por computadora, lo que proporciona un método
características del ambiente que las rodea, entre otros factores. A para controlar la aplicación de agua y monitorizarla en tiempo
través de los resultados de simulaciones se demuestra que, en real [8], [9]. Se pueden conectar varios sensores a la
comparación con sistemas de riego que suministran un flujo de agua computadora a través de circuitos de interfaz y software. El
fijo, el algoritmo propuesto permite que el sistema consuma menos software calcula los requerimientos de agua del cultivo basados
cantidad de agua a medida que aumenta el tiempo de riego y la en diversa información como tipo de cultivo, tipo de suelo,
cantidad de plantas en los cultivos. datos meteorológicos, etapas de crecimiento de los cultivos,
Palabras claves—Sistemas de riego inteligente, manejo de flujo
de agua, optimización, consumo de agua en cultivos, control de
fecha de siembra y otros factores conocidos y/o sensados, que
sistemas de riego. determinan el requerimiento de agua del cultivo. Además,
muchos de los sistemas avanzados están utilizando cada vez
I. INTRODUCCIÓN más las operaciones basadas en Internet que permiten controlar
desde el teléfono móvil [10], [11].
Durante el periodo 2015-2016, Panamá registró una de las Los sistemas de riego más avanzados incluyen, además de
peores crisis de escasez de agua que ha enfrentado este país en los procesos de automatización y control, procedimientos de
los últimos años, como consecuencia de la manifestación del optimización para la asignación de agua que permitan
fenómeno climático de ¨EL NIÑO¨ [1], [2]. Los efectos de este maximizar la eficiencia total del sistema de riego. En este
fenómeno se vieron evidenciados principalmente por las sentido, la asignación óptima de agua en las tierras agrícolas por
afectaciones en la producción de alimentos. Una merma en la diferentes procedimientos, ha sido objeto de una amplia
producción agrícola surgió como resultado de los azotes de la investigación en los últimos años. Por ejemplo, programación
sequía que se produjo debido a la disminución de caudales de multiobjetivo [12], [13]; programación lineal [14];
cuencas hidrográficas en todo el país, incluyendo riesgos de programación cuadrática [15] y programación dinámica [16],
sequía en la zona del canal. Motivadas por esta situación, las son solo algunas de las técnicas de optimización utilizadas para
autoridades panameñas han incitado a todos los sectores al uso desarrollar algoritmos eficaces para resolver problemas de
racional del vital líquido, con miras a reducir su consumo y la asignación de agua y el uso eficiente de la misma. El algoritmo
huella hídrica. de optimización propuesto en este trabajo puede ser integrado
A nivel de las provincias, el sector agrícola constituye uno en sistemas de riego automatizados, para así crear un sistema
de los motores principales de la economía de Panamá, donde inteligente que permita reducir el desperdicio de agua en los
cerca del 9% de los suelos se encuentran cultivados [3]. Esta sistemas de riego de los cultivos en Panamá. A diferencia de
actividad depende en gran medida de las condiciones que otros algoritmos, el objetivo principal es proponer una
existen en el medio ambiente que rodea el campo agrícola, tales estrategia de suministro de agua en sistemas de riegos que
como el clima, la topografía, etc., [4]. garantice minimizar el consumo total de agua, mientras que
Digital Object Identifier (DOI): http://dx.doi.org/10.18687/LACCEI2017.1.1.74 satisface las necesidades hídricas de las plantas. La motivación
ISBN: 978-0-9993443-0-9 principal para desarrollar dicho sistema se debe a que cada vez
ISSN: 2414-6390

15th LACCEI International Multi-Conference for Engineering, Education, and Technology: “Global Partnerships for
Development and Engineering Education”, 19-21 July 2017, Boca Raton Fl, United States. 1
que se riegan plantas inadecuadamente, se está desperdiciando tipo. Las terminales de suministro, localizadas en cada una de
agua. Por lo tanto, dados los problemas de escasez de agua en las plantas, constan de sensores que permiten obtener
Panamá, se considera primordial crear tecnologías que permitan información de las plantas, suelo, ambiente, etc. Esta
un ahorro del líquido, que tomen en consideración las información puede ser enviada al controlador central utilizando
necesidades reales de agua de las plantas y otros factores como tecnología de comunicación inalámbrica como las propuestas
la máxima capacidad de riego del sistema y el flujo de agua en [17]-[19] y de esta forma monitorear y controlar el flujo de
adecuado para cada tipo de cultivo. agua en el sistema de riego.
El resto de este artículo está organizado de la siguiente
manera. La sección II describe el modelo conceptual del B. Formulación del problema
sistema, la formulación del problema de optimización y el En el problema de optimización del flujo de agua en
algoritmo propuesto para resolver el mismo. La sección III sistemas de riego, el objetivo es proporcionar una estrategia de
ilustra, a través de simulaciones, la funcionalidad y beneficios distribución para minimizar el consumo total de agua, al
del algoritmo propuesto comparado a un sistema de riego con controlar óptimamente el flujo de agua suministrado a cada
flujo fijo, como los utilizados en muchas partes del país. La línea de riego, basado en los datos obtenidos por el controlador
sección IV presenta un resumen de los resultados; junto con central. El flujo de agua para cada línea de riego 1  n  N , en
importantes iniciativas de investigación que se considerarán en cada intervalo de tiempo 1  t  T , es definido como f nt , en
el futuro.
donde f nt está limitado por un flujo máximo seguro llamado
II. MODELO CONCEPTUAL DEL SISTEMA Fsafe . Se asume que Fsafe es una constante establecida con
A. Sistema de riego inteligente anticipación por el operador del sistema. El flujo total
En Fig. 1, se muestra el sistema de riego inteligente distribuido a todas las líneas de riego al final del día, está
propuesto en este artículo. representado por F   f nt . Este flujo total está limitado por la
capacidad máxima del sistema Fmax , el cual también es
conocido por operador del sistema por adelantado.
El proceso de suministro de agua en cada línea de riego está
restringido por el tiempo de inicio de riego rn y el tiempo de
finalización d n , para cada grupo de plantas n . A su vez, este
proceso dependerá de la información sobre las características
de las plantas, estado de suelo, información del ambiente, etc.,
las cuales definen la necesidad de agua wn para cada grupo de
plantas n .
Para la formulación de este problema, la función a
minimizar es una función cuadrática que representa la suma
residual de la discrepancia cuadrática entre el flujo distribuido
y el flujo deseado. Esto significa que a medida que aumenta la
diferencia entre estos valores, mayor será la insatisfacción por
parte del operador. Basado en esta formulación, el problema de
optimización del flujo de agua en sistemas de riego se ha sido
propuesto de la siguiente manera:
Fig. 1 Sistema de riego inteligente.
F

Minimizar nN1 tdnr  f nt  wn  ,
n
2
 (1)

Este sistema está conformado por un controlador central que

se encarga de decidir óptimamente la cantidad de agua sujeto a
suministrada a cada planta utilizando información recolectada
del sistema (límites de flujo en líneas de riego, cantidad de agua nN1 f nt  Fmax , t  rn , d n  , (1.1)
disponible, etc.), características de las plantas, estado de suelo, tdnrn f nt  wn , n , (1.2)
información del ambiente, tiempo de riego deseado, etc. Una
vez obtenido el plan óptimo de riego, el controlador central 0  f nt  Fsafe , nt  rn , d n  , (1.3)
envía esta información al sistema de control de flujo del agua
para suministrar eficientemente la cantidad de agua a cada en donde, la restricción (1.1) garantiza que el flujo total al final
planta en base a la solución encontrada. El sistema de control del periodo de riego no excederá la capacidad máxima del
de flujo está conectado a múltiples líneas de riego, en donde sistema Fmax . La restricción (1.2) asegura que cada planta será
cada línea consta de un gran número de plantas de un mismo
suministrada con la cantidad de agua requerida wn . Por último,

15th LACCEI International Multi-Conference for Engineering, Education, and Technology: “Global Partnerships for
Development and Engineering Education”, 19-21 July 2017, Boca Raton Fl, United States. 2
la restricción (1.3) define el rango del flujo de agua
suministrado en cada línea de riego, el cual está limitado por
Fsafe .
Se puede observar que el problema de optimización (1)
presentado anteriormente es un problema convexo cuadrático,
lo cual significa que la solución óptima para este problema
puede ser fácilmente obtenida mediante diversos métodos para
resolver este tipo de problemas. En este caso, la solución al
problema se encuentra resolviendo las condiciones Karush-
Kuhn-Tucker (KKT) [20]. Estos resultados serán incluidos en
trabajos futuros.
A continuación, se presenta una descripción detallada del
algoritmo propuesto para el sistema de riego inteligente.
C. Algoritmo de sistema de riego inteligente
El algoritmo propuesto para resolver el problema de
optimización del suministro de agua en sistemas de riego Fig. 2 Algoritmo para la optimización del suministro de agua en
sistemas de riego.
trabaja de la siguiente manera (ver Tabla I). El primer paso, una
vez encendido el sistema, es recopilar toda la información
necesitada por el controlador central para resolver el problema III. SIMULACIONES Y RESULTADOS
de optimización. Esta información está compuesta por datos del
sistema, características de las plantas, estado de suelo, En este artículo, se considera un escenario con N  10 tipos
información del ambiente, tiempo de riego deseado, etc. Luego, de plantas diferentes, T  24 horas de operación, un tiempo de
el algoritmo calcula la necesidad de agua wn para cada grupo inicio de riego rn arbitrario entre 1, 12 horas (se asume que
de plantas, basado en la información obtenida. Después, el el primer intervalo de tiempo inicia a las 6 a.m.), un tiempo de
mismo soluciona el problema de optimización (1) para finalización de riego d n arbitrario entre rn  4, 16 horas y una
encontrar el flujo de agua óptimo que debe suministrarse a cada necesidad de agua wn basada en los valores de Tabla II, los
grupo de plantas, con el fin de reducir eficientemente el cuales fueron calculados a partir valores presentados en [21].
consumo total del agua, lo cual conlleva a una reducción en el Estos valores utilizan como unidad de medición el milímetro
desperdicio del vital líquido. Por último, una vez encontrada ( mm ) de agua caída, el cual puede ser fácilmente convertido a
esta solución, se envía dicha información al sistema de control
litros ( lt ) mediante la relación presentada en [22]. Cabe
de flujo para distribuir el agua a través de las líneas de riego.
mencionar que estos valores fueron obtenidos tomando en
Este algoritmo es ejecutado cada vez que el sistema del riego es
cuenta el periodo de crecimiento de la planta y la cantidad total
inicializado. La Fig. 2, describe brevemente cómo funciona este
algoritmo. de agua necesitada durante este proceso. Los valores de wn
TABLA I utilizados para los distintos escenarios, fueron variados
ALGORITMO PARA LA OPTIMIZACIÓN DEL SUMINISTRO DE AGUA EN arbitrariamente entre  5% de los valores mostrados en la Tabla
SISTEMAS DE RIEGO
II. Los límites de capacidad del sistema y de flujo por grupo de
Paso 1: Inicializar las variables a utilizar.
plantas están establecidos como Fmax  30 lt y Fsafe  3 lt ,
Paso 2: Recopilar información de datos del sistema,
características de las plantas, estado de suelo,
respectivamente.
información del ambiente, tiempo de riego
deseado, etc. TABLA II
NECESIDAD DE AGUA PARA DIFERENTES TIPOS DE PLANTAS
Paso 3: Calcular la necesidad de agua de cada grupo de Tipo de planta Cantidad de agua ( lt )
plantas wn . Poroto 4.93
Arroz 5.47
Paso 4: Resolver el problema de optimización (1)
utilizando la información obtenida. Tomate 3.82
Maíz 5.11
Paso 5: Enviar solución al sistema de control de flujo.
Frijol 7.22
Paso 6: Distribuir el agua a través de las líneas de riego Cebolla 4.44
utilizando el flujo de agua óptimo encontrado. Naranja 3.47
Paso 7: Repetir pasos 1 - 6 siempre que el sistema de riego Plátano 4.93
sea inicializado. Camote 5.04
Yuca 2.59

15th LACCEI International Multi-Conference for Engineering, Education, and Technology: “Global Partnerships for
Development and Engineering Education”, 19-21 July 2017, Boca Raton Fl, United States. 3
 Las siguientes simulaciones muestran el rendimiento del
algoritmo propuesto en este trabajo comparado con un sistema
sencillo donde el agua es suministrada a un flujo fijo Fo para
cada grupo de plantas. Para un mejor análisis, se consideraron
100 escenarios diferentes, en donde se varió arbitrariamente el
tiempo de inicio de riego, tiempo de finalización de riego, la
cantidad de tipos de plantas siendo regadas al mismo tiempo y
la cantidad de agua deseada, con la finalidad de estudiar el
comportamiento del algoritmo propuesto, en donde los
resultados mostrados reflejan el comportamiento promedio para
todos los casos. Los siguientes casos de estudio fueron
considerados.

A. Sistema con flujo fijo Fo  Fsafe Fig. 4 Cantidad de agua suministrada.

En este caso, se considera un sistema de riego donde el

B. Sistema con flujo fijo Fo  Fsafe 2
flujo de agua es siempre igual al flujo máximo por línea de riego
Fsafe . Para este caso, se considera un sistema de riego en el cual
el flujo de agua es fijo y establecido a ser igual a la mitad flujo
En la Fig. 3, se ilustra el consumo total de agua durante el
máximo por línea de riego, es decir, Fsafe 2 . Al igual que el
periodo de riego. Se puede observar que el algoritmo propuesto
brinda un menor consumo de agua durante todo el periodo de caso anterior, se ilustra el consumo total de agua durante el
riego. Esto se debe a que el sistema de riego con flujo fijo no periodo de riego. En la Fig. 5, se puede observar que el
consta de ningún mecanismo que le permite regular su algoritmo propuesto consume menor cantidad durante las
consumo, lo cual conlleva a un desperdicio de agua. Por otro últimas horas de riego, en donde se asume una mayor cantidad
lado, el algoritmo propuesto redistribuye mejor el consumo de de plantas siendo regadas al mismo tiempo. Sin embargo, se
agua, lo cual reduce el pico alto de consumo. observa también que el sistema con flujo fijo consume
ligeramente menos agua durante las primeras horas de riego.
Esto se debe a que el algoritmo propuesto redistribuye mejor el
consumo con el fin de utilizar mayor cantidad agua cuando
pocas plantas están siendo regadas para de reducir los picos de
consumo.

Fig. 3 Consumo total de agua.

Los resultados anteriores se ven reflejados en la cantidad de

agua suministrada al final del periodo de riego, como se observa
en la Fig. 4. Este resultado muestra que al final del periodo de
riego, el sistema con flujo fijo siempre suministra más agua que Fig. 5 Consumo total de agua.
la cantidad deseada para todos los tipos de plantas, lo cual se
traduce en un desperdicio del recurso. En la Fig. 6, se ilustra la cantidad de agua suministrada al
Por otro lado, se observa también que el algoritmo final del periodo de riego. Se puede observar que, para varios
propuesto siempre suministra la cantidad exacta deseada por el tipos de planta, el sistema con flujo fijo no satisface las
operador del sistema para todos los tipos de plantas. necesidades de las plantas establecidas por el sistema. Por otra
parte, el algoritmo propuesto siempre suministra la cantidad
exacta deseada por el sistema del sistema para todos los tipos

15th LACCEI International Multi-Conference for Engineering, Education, and Technology: “Global Partnerships for
Development and Engineering Education”, 19-21 July 2017, Boca Raton Fl, United States. 4
de plantas. Esto refleja que el sistema de flujo fijo presentado agrícola panameño. El problema de optimización se formuló
en este caso reduce el consumo de agua casi a la mitad a costa para minimizar una función que representa la desviación
de sacrificar la satisfacción de riego deseada. cuadrática entre el flujo de agua entregado y el flujo de agua
Por último, en la Fig. 7 se ilustra el tiempo total requerido deseado, para diferentes tipos de plantas. El algoritmo
por el algoritmo propuesto para obtener la solución óptima del propuesto para resolver el problema de optimización planteado,
flujo de agua para las líneas de riego. Se puede observar que, toma en consideración las necesidades reales de agua de las
para 100 escenarios diferentes, el tiempo promedio necesario plantas y características del ambiente que las rodea, entre otros
para obtener dicha solución oscila alrededor de los 1.1 seg. Este factores. El rendimiento de este algoritmo fue comparado con
resultado muestra que el algoritmo propuesto no solo un sistema de riego que suministra flujo fijo para cada grupo
proporciona una solución óptima que mejora el consumo de plantas de dos formas: cuando el flujo fijo es igual al máximo
agua, sino que también obtiene esta respuesta rápida y flujo de la línea de riego y cuando el flujo fijo corresponde a la
eficientemente. mitad del flujo máximo de la línea de riego. Para ambos casos
de estudio, el algoritmo propuesto proporcionó de forma rápida
una solución óptima que mejora el consumo de agua al reducir
el desperdicio de la misma y a la vez satisface eficientemente
las necesidades hídricas del sistema, al suministrar siempre la
cantidad exacta de agua requerida por cada tipo de planta.
El suministro de agua a las líneas de riego en este trabajo
fue realizado basado en demandas diarias del sistema,
asumiendo pronósticos ambientales conocidos por el
controlador central de antemano. Por lo tanto, debido a que las
condiciones climáticas pueden cambiar durante el día, se
concluye que, para fines prácticos, la asignación de agua basada
en demandas computarizadas en tiempo real es más apropiada
y será más aceptable para los agricultores. En este sentido,
modelos de sistemas de riego inteligentes que optimicen en
tiempo real el consumo de agua merecen una mayor
investigación.
Fig. 6 Cantidad de agua suministrada.

REFERENCIAS
[1] W.E., Arntz y E. Ehrbach., “El niño: experimento climático de
la naturaleza,” Impresora y Encuadernadora Progreso S.A. de
C.V. (IEPSA), Calzada de San Lorenzo, 244, 09830 México,
D.F., 1996.
[2] C.N., Caviedes, “El niño en la historia: storming through the
ages,” University Press of Florida, 2001.
[3] C. Echazarreta, J. Arellano, y C. Pech, “Apicultura en
mesoamérica,” Mérida, Yucatán, Universidad Autónoma de
Yucatán, 2002.
[4] L. Chiddarwar, D. Wankhade, S. Adsul, and A. P. Gargade,
“Automated irrigation system,” International Journal of
Research, vol. 3, no. 5, pp. 293–297, March 2015.
[5] D. Rajakumar, S. Rathika, and G. Thiyagarajan “Automation
in micro-irrigation,” New Delhi: Technology Innovation
Management and Entrepreneurship Information Service, 1998.
[6] B. Cardenas-Lailhacar, “Sensor-based automation of
Fig. 7 Tiempo total de computación. irrigation of bermudagrass,” Gainesville: University of
Florida, 2006.
[7] L. Zella, A. Kettab, and G. Chasseriaux, “Design of a micro-
En resumen, el algoritmo propuesto para el sistema de riego irrigation system based on the control volume method,”
inteligente, provee al usuario de un mejor consumo de agua para Biotechnology. Agronomy, Society and Environment, vol. 10,
todos los tipos de plantas en ambos casos propuestos, lo que se no. 3, pp. 163–171, 2006.
[8] B. Boman, S. Smith, and B. Tullos, “Control and automation
refleja en una reducción importante en el desperdicio de agua y in citrus microirrigation systems,” Gainesville: University of
una mejor utilización de los recursos. Florida, 2006.
[9] A. Benzekri, K. Meghriche, and L. Refoufi, “PC-based
IV. CONCLUSIÓN automation of a multi-mode control for an irrigation system,”
Industrial Embedded Systems, 2007 SIES '07 International
En este estudio se presentó un nuevo enfoque para Symposium on, pp. 310–315, July 2007.
optimizar un sistema de riego inteligente, con el fin de crear una [10] R. Somvanshi1, A. Suryawanshi, and R.Toraskar, “Smart
oportunidad substancial para el ahorro de agua en el sector irrigation system using mobile phone,” International Research

15th LACCEI International Multi-Conference for Engineering, Education, and Technology: “Global Partnerships for
Development and Engineering Education”, 19-21 July 2017, Boca Raton Fl, United States. 5
 Journal of Engineering and Technology (IRJET), vol. 3, no. 4,
pp. 1400–1402, April 2015.
[11] D. Pavithra and S .Srinath, “GSM based automatic irrigation
control system for efficient use of resources and crop planning
by using an android mobile,” IOSR Journal of Mechanical and
Civil Engineering (IOSR-JMCE), vol. 11, no. 04, pp. 49–55,
August 2014.
[12] R. Lalehzari, S. B. Nasab, H. Moazed; and A. Haghighi,
“Multiobjective management of water allocation to
sustainable irrigation planning and optimal cropping pattern,”
Journal of Irrigation and Drainage Engineering, vol. 142, no.
1, pp. 1–10, January 2016.
[13] R. Linker and G. Sylaios, “Efficient model-based sub-optimal
irrigation scheduling using imperfect weather forecasts,”
Computers and Electronics in Agriculture, vol. 130, pp. 118–
127, October 2016.
[14] J. Reca, A. García Manzano, and J. Martínez, “Optimal
pumping scheduling for complex irrigation water distribution
systems,” Journal of Water Resources Planning and
Management, vol. 140, no. 5, pp. 630–637, May 2014.
[15] R. Wardlaw and J. Barnes, “Optimal allocation of irrigation
water supplies in real time,” Journal of Irrigation and
Drainage Engineering, vol. 125, no. 6, pp. 345–354,
December 1999.
[16] Z. Shangguan, et al., “A model for regional optimal allocation
of irrigation water resources under deficit irrigation and its
applications,” Agricultural Water Management, vol. 52, no.
02, pp. 139–154, January 2002.
[17] M., Karthikeswari and P. Mithradevi, “Automated irrigation
system in agriculture using wireless sensor technology,”
International Journal of Advanced Research in Electrical,
Electronics and Instrumentation Engineering, vol. 3, no. 12,
pp. 13622–13627, December 2014.
[18] L. Gao, M. Zhang, and G. Chen, “An intelligent irrigation
system based on wireless sensor network and fuzzy control,”
Journal of Networks, vol. 8, no. 5, pp. 1080–1087, May 2013.
[19] R. Brinda and Dr. P. Marikkannu, “Efficient usage of available
fresh water resources through optimized irrigation system
using wireless sensor network,” International Journal of
Engineering Research & Technology (IJERT), vol. 5, no. 2,
pp. 753–755, February 2016.
[20] S. Boyd and L. Vandenberghe, “Convex optimization,"
Cambridge Univ. Press, Cambridge, UK: Cambridge
University Press, Mar. 2004.
[21] (2016) Página web Orientaciones Normativas del MIDA.
Disponible en
http://www.mida.gob.pa/direcciones/direcciones_nacionales/
direccion-de-agricultura/orientaciones-normativas.html
[22] C. Brouwer, A. Goffeau, and M. Heibloem. "Irrigation Water
Management: Training Manual No. 1-Introduction to
Irrigation." Food and Agriculture Organization of the United
Nations, Rome, Italy, 1985.

15th LACCEI International Multi-Conference for Engineering, Education, and Technology: “Global Partnerships for
Development and Engineering Education”, 19-21 July 2017, Boca Raton Fl, United States. 6

View publication stats