Monitorización mediante imágenes de satélite de sistemas super intensivos en fruticultura
Durante la última década, tanto los avances en mecanización y tecnología, como la relación coste-efectividad, están haciendo ir a la fruticultura hacia nuevos sistemas de plantación, como son los sistemas super intensivos o de alta densidad. Este sistema de cultivo permite una mayor mecanización de tareas, tales como la poda o la cosecha. Así mismo, hace posible la aplicación de técnicas de Agricultura de Precisión, permitiendo la optimización en la aplicación de tratamientos y acciones de manejo, así como el ahorro de recursos y el aumento del rendimiento de la producción. Un ejemplo de estos cultivos es el almendro (Prunus dulcis), que está experimentado una expansión en Europa en los últimos años, tanto en términos de producción como de consumo. Según datos del Ministerio de Agricultura, Pesca y Alimentación, solo en España se ha producido un incremento del 290% de los almendros super intensivos bajo regadío en el periodo 2010-2020 (de 40.855 ha a 118.202 ha).
En fruticultura, la medición de los parámetros geométricos y estructurales de los árboles es una actividad esencial pero también resulta una tarea ardua y laboriosa si se realiza de forma manual. Para conseguir un seguimiento de la vegetación de un cultivo y una gestión más sostenible y precisa de las explotaciones, en las últimas décadas, se han comenzado a desarrollar a nivel de investigación diferentes tecnologías de Agricultura de Precisión. Entre ellos destaca el LiDAR (Light Detection And Ranging), que está adquiriendo cada vez más importancia porque permite caracterizar la vegetación con una precisión muy elevada mediante un escaneo en el que se obtiene una nube de puntos 3D. Sin embargo, hasta la fecha no se han desarrollado softwares comerciales que puedan procesar el gran volumen de información asociado a esas nubes de puntos para conocer las dimensiones de la vegetación de una manera más o menos inmediata y poder tomar decisiones de manejo del cultivo de una manera continuada, a lo largo de una campaña.
Por otra parte, las imágenes de satélite cuentan con una resolución espacial cada vez más elevada y nos ofrecen un aspecto crucial para el seguimiento de un cultivo, la resolución temporal (o periodo de revisita). Este periodo de revisita es de 5 días en el caso de Sentinel-2 y diario en el caso de la constelación PlanetScope (que se trata de una constelación de nanosatélites comercial que ofrece imágenes diarias con resoluciones muy altas (hasta 3 m), permitiendo observar y caracterizar la superficie terrestre con alta precisión y frecuencia).
El trabajo que ahora presentamos, y que fue publicado en agosto de 2022 en la revista científica Precision Agriculture (Springer Nature) (Sandonís-Pozo et al., 2022), tiene como principal objetivo tratar de aprovechar las ventajas proporcionadas por los productos derivados de imágenes de satélite (Sentinel-2 y PlanetScope) para el seguimiento de cultivos, mediante el estudio de la relación de esta información con medidas geométricas derivadas de datos LiDAR terrestres. Con ello se busca realizar estimaciones de parámetros dimensionales de la vegetación a fin de determinar hasta qué punto estos parámetros pueden llegar a ser estimados a partir de imágenes de satélite. La metodología se ha aplicado a una plantación super intensiva de almendro, pero podría ser aplicada a otros cultivos plantados en seto.
Uno de los desafíos de este trabajo, fue relacionar el resultado de estos escaneos tan precisos (y resumidos cada 0,5 m) con los índices de vegetación calculados a partir de imágenes de satélite. Para ello, se realizaron dos escaneos de LiDAR en dos momentos clave en el manejo del cultivo: después de la poda y antes de la cosecha, obteniéndose dos nubes de puntos 3D, que se resumieron cada 0,5 m a lo largo de las filas. Esta información de LiDAR se interpoló usando los centroides de los pixeles para poder compararla con el dato de índice de vegetación derivado de las imágenes de ambos satélites y finalmente se analizó la relación entre ambos mediante técnicas geoestadísticas y de análisis espacial.
Aunque la resolución espacial derivada de las imágenes de satélite no sea tan elevada como la que ofrece la tecnología LiDAR, los resultados son muy interesantes. En la siguiente figura extraída del trabajo, se puede observar cómo al aplicar un algoritmo de zonificación, la correspondencia espacial entre el NDVI y la información derivada de la interpolación de los parámetros obtenidos a partir del LiDAR, es muy elevada. Así mismo, se encontraron diferencias significativas al analizar estadísticamente las relaciones entre los parámetros y los índices de vegetación (sobre todo el NDVI). Valores más altos (mayor vigor) de los índices de vegetación se relacionaron significativamente con valores mayores de ancho y sección transversal del seto. En cambio, valores altos de índice de vegetación se correspondieron con valores más menores de porosidad del dosel foliar. Esta tendencia fue identificada en ambos conjuntos de datos (Sentinel-2 y PlanetScope).
Estos resultados son relevantes ya que, a la hora de tomar decisiones agronómicas, contar con información continua a lo largo del desarrollo del cultivo relacionada con parámetros tales como el tamaño de la copa, la porosidad o el vigor del cultivo, y además, ser capaces poder tener una estimación de estos parámetros en plantaciones tan extensas, constituye un factor clave a tener en cuenta para la aplicación de las técnicas de Agricultura de Precisión. Por ejemplo, la geometría de los parámetros (particularmente los relacionados con la anchura del seto) son importantes para determinar el volumen del dosel y la porosidad se relaciona directamente con la densidad de la hoja y, por tanto, esta información resulta de vital importancia a la hora de efectuar una optimización de la dosis de productos fitosanitarios o de realizar la estimación del volumen de vegetación del que se dispone a la hora de planificar tratamientos relacionados con la poda. Además, esta metodología ofrece la posibilidad de zonificar las tareas de manejo y aplicar técnicas de agricultura de precisión, tales como la aplicación variable de tratamientos fitosanitarios y control de la fertirrigación o la formación y la poda, que son los principales contribuyentes a los costos de producción del cultivo, y, por lo tanto, siendo capaces de poder ahorrar costes.
Sandonís-Pozo, L., Llorens, J., Escolà, A. et al. Satellite multispectral indices to estimate canopy parameters and within-field management zones in super-intensive
almond orchards. Precision Agric (2022). https://doi.org/10.1007/s11119-022-09956-6
Este trabajo es fruto del proyecto RTI2018-094222-B-I00 (PAgFRUIT) concedido por MCIN/AEI/10.13039/501100011033 y por “ERDF, a way of make Europe”, de la Unión Europea.
Los autores agradecen al programa Copernicus por el uso de las imágenes de Sentinel-2 ya Planet Labs Inc. por el uso de las imágenes de PlanetScope bajo el acuerdo de Licencia de Educación e Investigación con la Universitat de Lleida. Gracias también a Alrasa Agraria S.L. (Raimat, Lleida), al Centro para el Desarrollo Tecnológico e Industrial (Ministerio de Ciencia e Innovación, Gobierno de España) y a EuroChem Iberia S.A. por la aportación de fondos e instalaciones experimentales, y a los miembros del Grupo de Investigación en AgroTIC y Agricultura de Precisión (GRAP ) de la Universitat de Lleida por su colaboración en la adquisición de datos.