El Instituto Tecnológico Agrario de Castilla y León (ITACyL) ha realizado una serie de estudios y trabajos científicos enfocados en la optimización de la agricultura a través de tecnologías avanzadas y análisis de datos.
Estos estudios abarcan desde el uso de drones en viñedos para determinar la influencia de la altura de vuelo en la captura de imágenes multiespectrales, hasta la evaluación de la capacidad de termorregulación en variedades autóctonas de frutales.
ITACyL: Inteligencia artificial para el viñedo
Además, se exploran los beneficios de integrar sensores infrarrojos de temperatura para monitorear plantas, el desarrollo de un prototipo innovador que utiliza la inteligencia artificial para determinar la madurez de la uva, lo que facilita la toma de decisiones para la vendimia o el uso de índices espectrales obtenidos mediante vehículos aéreos no tripulados (UAV) en variedades minoritarias de vid, destacando su relevancia para la biodiversidad y la sostenibilidad en el sector vitivinícola.
También se han realizado diversos trabajos en cultivos en expansión en Castilla y León cómo el almendro o el pistacho, analizando su respuesta espectral, utilizando índices de vegetación e índices térmicos para evaluar su calidad o desarrollando técnicas para estimar volúmenes de copa de manera remota, resaltando la precisión y utilidad de los drones para la agricultura de precisión.
Estos estudios demuestran el compromiso del ITACyL con la innovación y la sostenibilidad en la agricultura, utilizando tecnologías de vanguardia para mejorar la eficiencia y la productividad en diversos cultivos.
Uso de drones en viñedo: ¿Cómo afecta la altura de vuelo en la información obtenida de las imágenes multiespectrales capturadas?
Las imágenes de alta resolución de viñedos, tomadas desde UAVs, nos ofrecen una mayor resolución y flexibilidad temporal. Sin embargo, las normativas de vuelo actuales y la escasa duración de las baterías afectan a la elección del tamaño de píxel óptimo (GSD). Esto es crucial en imágenes multiespectrales de cultivos con cobertura parcial, como el viñedo, donde el valor de píxel difiere entre suelo-vegetación y, por tanto, su valor podría verse influenciado por el tamaño de píxel.
Dentro de los estudios de ITACyL en este ámbito, se han realizado vuelos a 15 alturas diferentes con un sensor Micasense Altum sobre un viñedo en espaldera, para comparar cómo diferentes GSD afectan al índice de vegetación (NDVI). Los resultados muestran que el GSD óptimo depende del objetivo del vuelo, la altura máxima legal (120 m) y la alineación de bandas en vuelos por debajo de 30 m. Un GSD óptimo minimiza la contaminación de píxeles puros de vegetación (PPV) por la cobertura del suelo y mejora la eficiencia en la recolección de datos.
Capacidad de termorregulación del dosel foliar de diferentes variedades autóctonas de manzano y peral de Castilla y León
La colección de árboles frutales del Banco de Germoplasma de ITACyL conserva ex situ, entre otras, más de 70 variedades de manzano (Malus domestica) y 50 de peral (Pyrus communis) procedentes de 32 localidades de Castilla y León. Los recientes análisis genéticos realizados han permitido identificar las variedades que se han analizado, de las que es importante conocer su capacidad termorreguladora debido a su implicación en la fisiología y su adaptabilidad a las condiciones de cambio climático actuales. De igual forma es importante conocer el balance de radiación de la planta, ya que depende principalmente del área foliar, su estructura y la radiación que la atraviesa.
Por ello, desde ITACyL se trabaja para analizar las temperaturas alcanzadas por el dosel foliar mediante imágenes térmicas y multiespectrales de alta resolución obtenidas mediante un sensor remoto a borde de un sistema aéreo no tripulado (UAS). Asimismo, se estimó el área y la estructura del dosel foliar implicados en el balance térmico mediante técnicas de teledetección. Los resultados obtenidos muestran ciertas diferencias en la capacidad de termorregulación entre cultivares de peral y de manzano que pueden sugerir una mejor adaptación a las sequías provocadas por las condiciones climáticas atípicas.
Fig 2. Flujo de trabajo
Fig 3. Imagen aérea de la colección de frutales. Muestra de detalle de: a) imagen RGB, b) HUE, c) Índice NDVI, d) Térmico
Evaluación de Índices Espectrales Obtenidos mediante UAV sobre variedades minoritarias de vid
Las variedades minoritarias de vid son un reflejo de las tradiciones vitivinícolas locales. Con características únicas de sabor y aroma, pueden aportar diversidad y complejidad a los vinos. Además, su cultivo puede ser una forma de preservar y mantener la biodiversidad en el sector vitivinícola, mejorando la sostenibilidad de la producción de vino debido a su resistencia a enfermedades y a condiciones climáticas extremas.
El objetivo principal del trabajo de Itacyl en este ámbito consiste en evaluar el potencial agronómico de tres variedades minoritarias, comparando los índices espectrales, obtenidos mediante el uso de vehículos aéreos no tripulados (UAV) con parámetros de producción y de calidad de la uva. Para ello se llevó a cabo un ensayo en Valdefinjas (Zamora), en el que se compararon las variedades minoritarias: Gajo Arroba, Bruñal y Mandón. Se obtuvieron imágenes multiespectrales mediante un UAV equipado con un sensor Micasense Altum.
Además, Se evaluaron cuatro índices espectrales de vegetación: el índice de vegetación de diferencia normalizada (NDVI), la diferencia normalizada del borde rojo (NDRE), el índice de vegetación ajustado al suelo optimizado (OSAVI) y el índice de contenido de clorofila (CCI). También se han analizado parámetros de producción y de calidad de la uva en vendimia.
Los resultados mostraron, aseguran desde el ITACyL, cierta variabilidad de los índices de vegetación estudiados y de los parámetros agronómicos y de calidad de la uva analizados. El uso de tecnologías como los vehículos aéreos no tripulados (UAV) aporta por lo tanto imágenes de alta resolución y datos precisos sobre el estado de las plantas, proporcionado una evaluación objetiva y cuantitativa, lo que permite profundizar en el conocimiento de la adaptación y los efectos de las condiciones meteorológicas adversas de las variedades minoritarias.
Fig 5. a) Croquis del ensayo. b) Detalle de ortofoto, IVs y máscara de vegetación. c) Nube de puntos 3D.
Prototipo de control de la madurez de la uva mediante sensor espectral e inteligencia artificial
Los investigadores de ITACyL trabajan en la puesta en marcha de un prototipo que aprovecha la inteligencia artificial (IA) para evaluar la madurez de la uva, un factor crucial en la toma de decisiones sobre el momento ideal para la vendimia. El dispositivo incorpora un sensor que permite monitorizar la evolución en campo. El concepto clave detrás del prototipo se basa en que las estructuras moleculares de los compuestos responsables del cambio de color de la uva, reflejan longitudes de onda específicas durante su proceso de maduración.
Estos cambios de color se producen de manera gradual a partir del envero en función de la presencia de compuestos fenólicos en la uva, a medida que se produce un aumento del contenido de azúcar y una disminución de la acidez. Para asignar a los resultados de color del sensor a un estado de maduración se utiliza un indicador de la madurez basado en la determinación de la concentración de azúcar (grado Brix).
Una vez obtenido un conjunto de datos válidos de color, es posible, aseveran los técnicos del ITACyL, construir y entrenar un modelo de red neuronal artificial (ANN) para interpretar el color espectral de la uva con el fin de predecir las fases de maduración. La capacidad de realizar mediciones de la madurez de la uva en tiempo real, sin necesidad de realizar muestreos en campo puede ayudar a los viticultores y enólogos a mejorar la calidad de sus productos y a optimizar la vendimia.
Fig 6. Estructura de la baya y evolución de la maduración (Ilustración modificada de Jordan Koutroumanidis)
Fig 7. Protocolos de conexión de la red de sensores de maduración. Fuente ITACyL
Análisis de la respuesta espectral del almendro en seto en diferentes situaciones de cultivo a partir de imágenes multiespectrales
La superficie de cultivo de almendro (Prunus dulcis) está en expansión en los últimos años en Castilla y León. Uno de los motivos es la necesidad de encontrar cultivos alternativos capaces de mejorar los rendimientos productivos y económicos debido al alto valor de los frutos secos, y, por otro lado, la adaptación de los ciclos de las variedades a las dinámicas edafoclimáticas.
Por ello, desde ITACyL se ha estudiado la respuesta espectral del almendro en seto en diferentes volúmenes de copa, desde la floración, hasta la cosecha, durante los años 2020 y 2021, empleando imágenes multiespectrales tomadas con sensores de bajo coste RGB-RGN y un sensor térmico-multiespectral, a bordo de un vehículo aéreo no tripulado. Además, se elaboraron mapas de Conductividad eléctrica aparente (CEa) del suelo empleando un quad con un sensor georradar.
Como resultado, se encontraron, destacan desde el ITACyL, diferencias significativas en los valores Índice de Vegetación de Diferencia Normalizada, el Índice de Floración Mejorado para algunas de las fechas, así como diferencias significativas en el Índice de Estrés Hídrico del Cultivo, y en la CEa del suelo. Por otra parte, se estimó de manera remota la Evapotranspiración del cultivo que fue similar en los dos volúmenes de copa estudiados.
Fig 8. (a) Vista aérea del ensayo. (b) Vista parcial de una calle del ensayo. (c) Plataforma de vuelo emprlada y lsenosres de bajo coste embarcados. (d) Georadar
Fig 9. Infografía detallada de los dos volúmenes de copa. (A) Volumen bajo (1m); (B) Volumen alto (1,5m).
Estimar el volumen de la copa de árboles de Pistacho utilizando el área planar y las sombras en el suelo a partir de imágenes RGB de UAV
El interés en el cultivo de pistacho ha aumentado en los últimos años debido a su perfil nutricional saludable y la alta rentabilidad. El volumen de la copa es un factor clave que afecta a la carga de la cosecha, las necesidades de agua y la calidad. La medición de la copa es un proceso laborioso, que se realiza midiendo las dimensiones del árbol en el campo. Por lo tanto, se necesitan métodos para caracterizar rápidamente la copa del árbol y proporcionar información precisa que pueda usarse para decisiones de manejo.
ITACyL trabaja en el desarrollo de una técnica nueva, rápida y económica para estimar el volumen de la copa en árboles de pistacho. El primer paso se basa en planificar adecuadamente el vuelo del UAV (vehículo aéreo no tripulado) según las condiciones de luz y segmentar la imagen RGB (Rojo, Verde, Azul) usando métodos de aprendizaje automático.
El segundo paso se basa en medir el área planar de la vegetación y las sombras en el suelo usando dos enfoques metodológicos: un enfoque de clasificación basado en píxeles y un enfoque OBIA (análisis de imagen basado en objetos). Los resultados muestran relaciones lineales estadísticamente significativas entre los datos reales y el volumen estimado de las copas de los árboles de pistacho, para los dos métodos empleados. Las metodologías propuestas desde el IT muestran beneficios potenciales para monitorear con precisión la vegetación de los árboles. Además, el método es compatible con otras técnicas de teledetección, generalmente realizadas al mediodía solar, por lo que los operadores de UAV pueden planificar un día de trabajo flexible.
Fig 11. a) y b) Mediciones de la copa considerada como un elipsoide.Abajo: Posición del sol a lo largo del día en el sitio experimenta. Dcha.:. Geometrías utilizadas para envolver el área detectada. Cajas delimitadoras, rectángulos orientados, círculos envolventes y convex hulls. Fuente: ITACyL
Datos de Imágenes RGB de Alta Resolución Capturadas por UAV para Agricultura de Precisión y Reconstrucción Fotogramétrica 3D
El creciente interés en la integración de tecnologías como la teledetección, el Machine Learning o la visión artificial para la agricultura de precisión se enfrenta a la escasez de conjuntos de datos fiables y accesibles. Estas tecnologías, destacan desde el ITACyL, permiten un manejo agrícola basado en el análisis de datos, optimizando así el uso de recursos. La teledetección permite supervisar de forma remota y en tiempo real los cultivos mientras que el aprendizaje profundo permite revelar información al analizar grandes volúmenes de datos, que puede servir en el proceso de toma de decisiones.
Con el objetivo de cubrir esta necesidad, ponemos a disposición de especialistas en agricultura precisión, interesados en la reconstrucción fotogramétrica y que deseen evaluar distintos modelos, un conjunto de datos disponible para su descarga de manera libre y gratuita a través del repositorio de acceso abierto “Zenodo”, alojado en las instalaciones del CERN.
El set de datos consiste en un total de 248 imágenes RGB de una parcela de pistacho de 2 ha tomadas usando un DJI Phantom a 55 metros de altura. El set, aseguran desde el ITACyL, incluye puntos de control terrestre, los productos resultantes de la reconstrucción fotogramétrica 3D de alta calidad en varios formatos (LAS, LAZ, OBJ y PLY), un modelo de elevación digital y un ortomosaico (ambos en formato TIF). Los datos se pueden descargar a través de este enlace: https://zenodo.org/records/7239197
Fig 12. Código QR enlace a descarga de datos
Fig 13. Reconstrucción fotogramétrica 3D
Teledetección: evaluación de la calidad y sostenibilidad mediante índices de vegetación térmicos y no térmicos desde drones
Como ya se ha comentado, el pistachero es un cultivo de alto interés en Castilla y León que está demostrando su capacidad de adaptación a determinadas zonas de la meseta. Su alto precio en el mercado y la rica composición nutricional le confiere un elevado potencial de expansión en superficie. En este contexto, el uso de técnicas de teledetección para monitorizar de forma no invasiva en el pistacho ha cobrado una gran importancia.
Con el fin de evaluar la efectividad en predecir el rendimiento y la calidad del pistacho bajo diferentes condiciones de riego, se utilizaron, por parte de los técnicos del ITACyL, imágenes multiespectrales y térmicas de alta resolución, capturadas por un sensor Micasense ALTUM a bordo de un dron DJI Inspire 2. Para ello se calcularon índices como el NDRE (índice de diferencia normalizada del borde rojo), GNDVI (índice de vegetación de diferencia normalizada verde), NDVI (índice de vegetación de diferencia normalizada) y CWSI (índice de estrés hídrico del cultivo). Los vuelos se realizaron en distintas etapas de crecimiento.
En junio, se observaron altas correlaciones entre NDRE-carbohidratos y CWSI-ácido oleico, mientras que en septiembre destacaron CWSI-carbohidratos y NDVI-hierro. Todos los índices demostraron correlaciones significativas con el rendimiento y la calidad del pistacho, siendo GNDVI particularmente efectivo. El CWSI mostró correlaciones notables en varios parámetros de calidad (porcentaje de carbohidratos, magnesio, hierro y ácidos grasos, incluyendo palmitoílico, esteárico, oleico y linoleico), superando a los índices no térmicos. Este estudio refuerza, afirman desde el ITACyL, la viabilidad de la teledetección y los índices de vegetación como herramientas para optimizar la gestión de las plantaciones de pistacho.
Fig 14. Análisis de Componentes principales de los índices de vegetación (PCA). Matriz de correlación en las condiciones de riego, características agronómicas, calidad de los frutos secos e índices de vegetación. Mapas de los índices de vegetación. Fuente ITACyL
