PROYECTO SP4: Avanzando en la transformación digital y la optimización de la productividad agrícola: integración de información espectral y arquitectura (PRODIGIA)
Para crear oportunidades que faciliten la Transformación Digital tanto de grandes explotaciones agrícolas como de pequeños y medianos empresarios, es necesario profundizar en procedimientos de adquisición y procesado de información haciéndolos más accesibles a los usuarios finales. Abordar este desafío pasa por adaptar la toma de decisiones de la actividad agrícola a sus necesidades reales lo que requiere caracterizar la heterogeneidad espacial intraparcelaria mediante métodos eficaces, no destructivos y a precios competitivos (low-cost). La experiencia alcanzada en el Grupo-SP4 en utilización de tecnología-UAV, análisis de imágenes basados en fotogrametría, Machine y Deep Learning, e interpretación de resultados en una amplia gama de cultivos ha permitido centrar su hipótesis de trabajo en la posibilidad de establecer un conjunto de procedimientos prototipo en código abierto que integren información 3D y espectral para un manejo digital e integral de los cultivos. Esta hipótesis de partida se basa en la constatación previa de que: 1) eficiencia y sostenibilidad de aplicaciones herbicidas dependen de distribución espacial de las malas hierbas (dentro y fuera de las líneas de siembra), su composición (control de monocotiledóneas- vs di-) y persistencia de las infestaciones, y 2) área, volumen y densidad foliares de cada individuo de un cultivo leñoso (árbol o cepa) influyen en el grado de solapamiento de su estructura vegetal y su exposición a la radiación directa viéndose afectadas cosecha esperada y programación de actuaciones a realizar (e.g., tipo de poda, aplicaciones foliares de fitosanitarios, momento de recolección, diferenciación entre variedades del cultivo, secano vs riego).
Nuestro objetivo tiene una doble vertiente. Por un lado, nos proponemos determinar el tipo de herbicida y dónde aplicar según localización, composición y persistencia de las infestaciones de malas hierbas, y por otro aportar información diversa sobre arquitectura foliar de cada individuo (olivo o cepa) para ser ajustada y transferida a diferentes objetivos tanto en distintas variedades de olivar en seto (porosidad y su efecto sobre la producción) como en viñedo (estimación de LAI y su relación con la cosecha). El Grupo-SP4 prevé generar un conjunto de protocolos tecnológicos y de análisis de datos que integren información 3D (arquitectura) y espectral para la monitorización de la heterogeneidad espacial intraparcelaria en cultivos herbáceos y leñosos para mejorar la toma decisiones y su productividad. La finalidad general es zonificar y optimizar el manejo de los cultivos y en definitiva avanzar en la Transformación Digital de la Agricultura mediante dos objetivos globales integrados por varios objetivos específicos:
- Detección de malas hierbas diana en cultivos herbáceos (girasol y algodón) y leñosos (olivar y viñedo) mediante imágenes-UAV adquiridas mediante sensores low-cost.
- Detección temprana y cartografía de malas hierbas monocotiledóneas vs di- en girasol y algodón: generación de mapas de tratamientos según localización y tipo de malas hierbas.
- Estudio de la persistencia de las infestaciones de Cynodon dactylon (grama)en viñedo ecológico. Seguimiento multitemporal.
- Detección y cartografía de Cynodon dactylon en viñedo ecológico: evaluar eficacia de roller-climper en diferentes cubiertas (en coordinación con SP2).
- Detección y cartografía de Conyza bonariensis en viñedo no ecológico: generación de mapas de tratamiento localizado (en coordinación con SP2).
- Detección y cartografía de malas hierbas de difícil control en olivar en seto. Ecbalium elaterium: entre las hileras; Conyza bonarienses: en la hilera, debajo de los árboles.
- Monitorización-3D de olivar en seto (distintas variedades) y viñedo para estudiar su relación con la cosecha.
- Estimación de la porosidad de la copa de cada árbol de olivo: análisis del efecto de la porosidad, el sombreamiento y la intercepción lumínica en la cosecha y su precocidad.
- Explorar imágenes UAV-hiperespectrales en viñedo: caracterización radiométrica, estimación de índice de área foliar (LAI) de cada cepa y su correlación con cosecha.