Diseñan un nuevo método para determinar la altura de las cepas de viñedos a partir de la clasificación automática de nubes de puntos tridimensionales

Investigadores del ceiA3, pertenecientes al Departamento de Ingeniería Gráfica y Geomática de la Universidad de Córdoba y al Grupo imaPing «Teledetección Aplicada a Agricultura de Precisión | AGR-124» del Instituto de Agricultura Sostenible de Córdoba (IAS-CSIC), han creado un algoritmo automático que permite extraer la altura de las cepas de un viñedo a partir de la clasificación de la nube de puntos 3D por medio del uso de índices de vegetación.

La viticultura de precisión conlleva la adquisición de una gran cantidad de información georreferenciada relacionada con el viñedo y sus atributos con una elevada resolución espacial. Esto permite la transformación digital del cultivo y un manejo localizado de la heterogeneidad de cada cepa del viñedo optimizando el uso de insumos asociados (riego, agroquímicos, etc.). Según Francisco Javier Mesas, Profesor Titular de la Universidad de Córdoba y primer autor de este estudio, entre las distintas variables del viñedo, la altura de las cepas resulta una de las más importantes en la cartografía y monitorización del cultivo ya que aporta información muy relevante en el diseño de estrategias de manejo ajustadas y localizadas de fitosanitarios foliares.

En esta investigación se empleó un dron al que se le acopló una cámara fotográfica convencional. Con este dron se sobrevolaron dos viñedos diferentes en dos momentos fenológicos distintos. Una vez tomadas las imágenes, a partir de técnicas fotogramétricas se generó la nube de puntos tridimensional de cada parcela analizada. En el siguiente paso se relacionó la nube de puntos con la información espectral, lo que permitió, como novedad de este trabajo, clasificar de forma automática cada punto de la nube discriminando entre vegetación y suelo desnudo a partir de índices de vegetación de color.

Una vez fueron determinados los puntos correspondientes a viña, pudo obtenerse la altura de las cepas comparando con la altura aportada por los puntos clasificados como suelo. Los resultados de las alturas obtenidos fueron validados comparándolos con una serie de mediciones realizadas en campo, obteniéndose altos niveles de precisión.

Esta metodología ofrece nuevas capacidades para el uso de cámaras convencionales a bordo de drones como herramienta para aplicaciones de viticultura de precisión y digitalización. Por lo tanto, “dicha metodología podría implementarse con éxito en futuros trabajos que aborden la estimación de biomasa mediante la construcción de  mapas de alta precisión con información tridimensional de viñedos en distintas fases fenológicas”, apunta Francisca López Granados, Investigadora Científica del CSIC y responsable del grupo imaPing en el IAS.

Esta investigación ha sido publicada en la revista Remote Sensing bajo el título ‘Classification of 3D Point Clouds Using Color Vegetation Indices for Precision Viticulture and Digitizing Applications’ y ha sido financiada por el proyecto AGL2017-83325-C4-4R (IP: Dra. Francisca López Granados).

Ejemplo de un mapa de altura de viñas basado en la metodología propuesta.

 
Referencias:
Francisco Javier Mesas Carrascosa, Ana I. de Castro, Jorge Torres Sánchez, Paula Triviño Tarradas, Francisco M. Jiménez Brenes, Alfonso García Ferrer and Francisca López Granados. (2020). Classification of 3D Point Clouds Using Color Vegetation Indices for Precision Viticulture and Digitizing Applications. Remote Sensing, 12(2), 317. https://doi.org/10.3390/rs12020317

Fuente: Grupo imaPing del Instituto de Agricultura sostenible de Córdoba (IAS-CSIC)