Científicos del grupo de investigación ‘Teledetección aplicada a Agricultura de Precisión y Malherbología’ del IAS-CSIC adscrito al ceiA3, del Instituto de Ciencias Agrarias de Madrid (ICA-CSIC) y de la Universidad de Salzburgo (Austria) han creado un algoritmo automático que permite obtener un mapa de tratamiento herbicida que muestra la localización exacta de las malas hierbas localizadas tanto dentro como fuera de la línea de cultivo.

La detección de malas hierbas dentro de las hileras del cultivo en la etapa inicial de crecimiento se considera uno de los principales desafíos en el manejo localizado de malas hierbas. Como ha explicado Ana Isabel de Castro, investigadora Juan de la Cierva del grupo participante en el estudio, “la novedad de esta investigación reside en la posibilidad de detectar automáticamente malas hierbas tanto en las hileras de cultivos como fuera de ellas”.

Hasta la fecha, “los procedimientos que se usaban permitían detectar malas hierbas solo entre las hileras del cultivo y además el proceso exigía la intervención del usuario, es decir, el proceso no era totalmente automático”, ha señalado la científica.

La publicación bajo el título ‘An Automatic Random Forest-OBIA Algorithm for Early Weed Mapping between and within Crop Rows Using UAV Imagery’ ha sido publicada en la revista Remote Sensing y catalogada de especial interés por los editores de la publicación.

Drones para visualizar malas hierbas

La investigación se ha llevado a cabo mediante un sistema de teledetección a través de drones mediante los cuales se han tomado imágenes aéreas de los campos de cultivo. Los trabajos se han realizado en parcelas de algodón y girasol situadas en la provincia de Córdoba en 2016 y 2017.

No obstante, como señala la investigadora del ceiA3, “el sistema se puede emplear con cualquier tipo de cultivo y puede detectar todo tipo de malas hierbas”.
Una vez obtenidas las imágenes, se ha procedido al desarrollo del algoritmo que ha constado de tres fases:

Una primera, en la que mediante una serie de técnicas fotogramétricas de structure-from-motion se consigue una imagen tridimensional del cultivo y de las malas hierbas.
En una segunda fase, se procede a la selección automática de las muestras obtenidas y se usa la altura como variable discriminatoria en la construcción del algoritmo.

En último lugar, el algoritmo exporta un mapa de tratamiento de aplicación del herbicida que mostrará la ubicación del cultivo y de la mala hierba, permitiendo a agricultores y técnicos llevar a cabo un manejo localizado del cultivo.

En palabras de la responsable del grupo de investigación, Francisca López Granado, “el uso de este mapa permite al agricultor un considerable ahorro del herbicida necesario para eliminar las malas hierbas del cultivo”. Consecuentemente, “esto implica un aumento en el rendimiento de la cosecha, un ahorro económico para el agricultor y especialmente, una mayor protección del medio ambiente”, ha apostillado la científica.

Referencias:

Ana I. de Castro, Jorge Torres-Sánchez, Jose M. Peña, Francisco M. Jiménez-Brenes, Ovidiu Csillik y Francisca López-Granados. ‘An Automatic Random Forest-OBIA Algorithm for Early Weed Mapping between and within Crop Rows Using UAV Imagery’ en Remote sensing. DOI: 10.3390/rs10020285