¿Cómo ahorrar herbicidas y mejorar la gestión de los cultivos utilizando imágenes procedentes de un Vehículo Aéreo no Tripulado?
Un estudio liderado por investigadores del Instituto de Agricultura Sostenible (CSIC-Córdoba, Depto. Protección de Cultivos-Malherbología, Grupo de Investigación IMAPING) en el que ha colaborado la Dra. Kelly (Universidad de California- Berkeley-EEUU) ha permitido por primera vez la cartografía de malas hierbas en estado fenológico temprano mediante imágenes multiespectrales de ultra-alta resolución espacial procedentes de un Vehículo Aéreo No tripulado. La tecnología y los procedimientos de análisis de imagen desarrollados han sido publicados en cuatro artículos: Revistas Plos One*, Computers and Electronics in Agriculture* y Sensors*. Actualmente, se están redactando nuevas publicaciones que pueden ser seguidas en https://toasproject.wordpress.com/ y http://goo.gl/HevDC8
Las malas hierbas compiten por luz, espacio, agua y nutrientes con los cultivos, y ello, ocasiona una disminución del 35 % de la producción. Para evitar estas pérdidas, las infestaciones de malas hierbas deben ser controladas y una de las herramientas más utilizada es mediante la aplicación de herbicidas. A pesar de que las malas hierbas se distribuyen en rodales y no es necesario aplicar herbicidas en las zonas del campo en las que no existen, en la agricultura extensiva actual las malas hierbas se controlan mediante tratamientos herbicidas en todo el campo de cultivo. Ello origina gastos innecesarios con el consiguiente perjuicio económico y agro-medioambiental. Para evitarlo, es necesario identificar las áreas del campo de cultivo en las que se presentan infestaciones de malas hierbas y determinar su posición exacta con el fin de dirigir las aplicaciones herbicidas únicamente a las zonas infestadas y decidir dónde y qué herbicidas aplicar dependiendo de las especies infestantes. Para ello, es necesario detectar, discriminar y mapear las áreas del campo de cultivo infestadas de malas hierbas. La innovación tecnológica de nuestra investigación reside en la aplicación de técnicas de teletedección flexibles y robustas basadas en OBIA (Object Based Image Analysis) y en la utilización de un UAV que consta de una estación base y que puede estar está equipado con distintos sensores con diferentes rango espectrales, por ejemplo en rango visible (Rojo-Azul-Verde) o en visible e Infrarrojo Cercano (Rojo-Verde-Azul-NIR).
El UAV vuela a baja altura (30-120 m de altitud) lo cual permite la obtención de imágenes de muy elevada resolución espacial (píxel de varios mm o pocos cm). La toma de imágenes debe ir acompañada de un muestreo de campo que ha sido diseñado por nuestro grupo y que es necesario para validar los resultados del análisis de las imágenes. Nuestras técnicas de análisis han permitido cartografiar la presencia real de malas hierbas mostrando que un 70% del campo no está infestado y no necesitaría tratamiento herbicida. Los estudios se han realizado en cultivos de trigo, maíz y girasol. Actualmente se están desarrollando nuevas líneas de investigación relacionadas con la detección de determinadas malas hierbas problemáticas (ej. resistentes a herbicidas) para profundizar en la cartografía de estas infestaciones en diferentes escenarios. Asimismo, dada la extraordinaria versatilidad de los UAV, se están realizando actualmente otros trabajos de investigación en cultivos leñosos como olivar o chopo con el fin de monitorizar la arquitectura o el volumen de los árboles, como base para numerosos trabajos agrícolas.
Como conclusión, con nuestros resultados se pueden obtener beneficios agro-económicos y medioambientales relevantes que disminuyen los gastos en herbicidas por parte de los agricultores y se evitarían prácticas agrícolas no deseables sin causar merma en la producción de los cultivos. “Buscamos aplicar una tecnología automatizada y barata que esté disponible incluso en días con nubes, que se pueda adaptar a las circunstancias y a numerosos objetivos agronómicos, medioambientales o de otra índole que requieran cartografía del terreno”.
Esta investigación ha estado financiada por los proyectos: RHEA (ref.: 7FP-NMP-2009-LARGE-3, Grant Agreement: 245986, www.rhea-project.eu), TOAS (ref.: 7FP-PEOPLE-2011-CIG, Grant Agreement: 293991, http://toasproject.wordpress.com), TELEPLAM (MINECO-FEDER) y RECUPERA2020 (MINECO-FEDER, http://recupera.telegrafico.es/es).
* J. M. Peña-Barragán, J. Torres-Sánchez, A. Serrano-Pérez, A. I. de Castro-Megías and F. López-Granados. 2015. Quantifying efficacy and limits of Unmanned Aerial Vehicle (UAV) technology for weed seedling detection as affected by sensor resolution. Sensors, 15: 5609-5626 (open access).
*J. Torres-Sánchez, J.M. Peña-Barragán, A.I. de Castro-Megías and F. López-Granados. 2014. Multi-temporal mapping of the vegetation fraction in early-season wheat fields using images from UAV. Computers and Electronics in Agriculture, 103: 104-113.
*J. Torres-Sánchez, F. López-Granados, A.I. de Castro-Megías and J.M. Peña-Barragán. 2013. Configuration and Specifications of an Unmanned Aerial Vehicle (UAV) for Early Site Specific Weed Management. PLoS ONE 8(3): e58210 (open access).
*J.M. Peña-Barragán, J. Torres-Sánchez, A.I. de Castro-Megías, M. Kelly and F. López-Granados. 2013. Weed mapping in early-season maize fields using object-based analysis of unmanned aerial vehicle (UAV) images. PLoS ONE 8(10): e77151 (open access).