En la gestión de cultivos y ganado dentro del marco de la agricultura de precisión, se despliegan escenarios llenos de sensores y dispositivos, lo que implica la generación de un gran volumen de datos. Algunas soluciones requieren un intercambio rápido de datos para la acción o detección de anomalías. Sin embargo, la administración de esta gran cantidad de datos, que a su vez evoluciona con el tiempo, es altamente complicada. Los sistemas de gestión añaden largos retrasos temporales a la inyección y recopilación de datos espacio-temporales. Este artículo propone un nuevo modelo de datos semánticos espacio-temporales para la agricultura. Para validar el modelo, se modelan datos de escenarios reales de ganado y cultivos, recuperados de la plataforma de agricultura inteligente AFarCloud, según la propuesta. Se utiliza el motor de base de datos de series temporales (TSDB) InfluxDB para evaluar el modelo frente a la gestión de datos. Además, se propone una arquitectura para la gestión de datos agrícolas semánticos espacio-temporales en tiempo real. Esta arquitectura resulta en el sistema DAM&DQ responsable de la gestión de datos como middleware semántico en la plataforma AFarCloud. El enfoque de esta propuesta está en línea con la estrategia de datos impulsada por la UE.