Francisca López-Granados, Ana Isabel de Castro y Montserrat Jurado-Expósito (Instituto Agricultura Sostenible-

Transcripción

1 Es posible detectar malas hierbas en cultivos mediante imágenes de satélite para reducir el uso de herbicidas? Francisca López-Granados, Ana Isabel de Castro y Montserrat Jurado-Expósito (Instituto Agricultura Sostenible- IAS/CSIC, Córdoba, La respuesta a la pregunta que plantea el título de este artículo es afirmativa ya que el objetivo de este trabajo fue la detección y cartografía de malas hierbas crucíferas en cultivos de trigo mediante técnicas de teledetección e imágenes procedentes del satélite de alta resolución espacial QuickBird. Después de obtener los mapas de infestación de las malas hierbas, se elaboraron mapas de tratamiento localizado de herbicidas para su control en post-emergencia tardía. Nuestros resultados muestran la idoneidad de estas imágenes para discriminar con éxito las infestaciones de malas hierbas a escala comarcal y su enorme potencialidad para el diseño de estrategias de control de precisión y el ahorro de las aplicaciones herbicidas. PALABRAS CLAVE: agricultura de precisión, clasificación supervisada, índices de vegetación, control localizado, teledetección. INTRODUCCIÓN La agricultura convencional es un sistema de producción en el que las labores y los insumos (dosis de siembra, fertilizantes, herbicidas, insecticidas, riego, entre otros) se aplican de forma uniforme en toda la superficie del campo, sin tener en cuenta la variabilidad espacial de los factores implicados en el manejo del cultivo. Esta tendencia sigue manteniéndose actualmente y su principal objetivo es la obtención de las máximas producciones en base de una alta tecnificación, aunque prestando escasa atención a la conservación de los recursos sobre los que se sustenta. Esta forma de gestión agrícola provoca la aparición de zonas en las que generalmente no se alcanzan los niveles óptimos de producción, lo que además conlleva un gasto de insumos innecesario y un aumento potencial del deterioro medioambiental como agotamiento de la fertilidad, contaminación de suelos y acuíferos por plaguicidas y herbicidas, la erosión y salinización de suelos, entre otros problemas. Como contrapunto, surgió hace ya más una década la agricultura de precisión cuya finalidad es la gestión localizada de las explotaciones agrícolas dependiendo de las necesidades reales de cada zona del cultivo con el fin de reducir costes, optimizar rendimientos de los cultivos, aumentar la rentabilidad y obtener beneficios económicos y medioambientales. Esta tecnología agrícola se basa en que la mayoría de los parámetros que hay que considerar en una parcela se distribuyen en agregados o en rodales. Es decir, hay zonas en las que puede haber o no infestaciones de malas hierbas, otras en las que hay o no necesidad de aumentar determinado fertilizante, o de implementar más o menos riego, por mencionar algunos de los factores que pueden manejare en un cultivo (Fig. 1). En este trabajo nos centraremos en cómo determinar la localización de las infestaciones mediante el análisis de imágenes remotas cómo abordar el control dirigido únicamente a las zonas con presencia de malas hierbas y qué ahorros herbicidas potenciales se podrían alcanzar. Fases del control localizado de malas hierbas El control localizado de malas hierbas está definido por un ciclo de 4 fases: 1) monitorización, es decir, detección y mapeo de las infestaciones de las malas hierbas, 2) toma de decisiones y elaboración del mapa de tratamientos en función del mapa de la infestación de malas hierbas (fase denominada también planificación del control: qué aplicar, cómo, cuándo y dónde), 3) actuación en campo o ejecución del control localizado, y 4) evaluación de la rentabilidad (económica y medioambiental) de las operaciones realizadas en campo para programar acciones el año siguiente. Los últimos años se ha avanzado bastante en las etapas de toma de decisiones y de actuación (fases 2 y 3 del ciclo anterior), de tal forma que hay maquinaria agrícola disponible para realizar con éxito ambos pasos. Sin embargo, la fase 1) es decir, la detección o monitorización de las malas hierbas en los cultivos es aún uno de los componentes críticos para la adopción del control localizado y está identificado a nivel empresarial y científico como el principal cuello de botella de esta tecnología. Ello se debe a que los equipos de tratamiento localizado con aplicadores diseñados para ello, ejecutan los tratamientos en base al mapa de infestación y la elaboración de dicho mapa constituye uno de los principales 37

2 Figura 1. Malas hierbas distribuidas en rodales. elementos que limitan actualmente el éxito de esta práctica agrícola. Por tanto, la estimación o monitorización de las infestaciones de malas hierbas es un objetivo a resolver y un requisito crucial para el control localizado de éstas (López- Granados, 2011). Teledetección Tabla 1. Ejemplos de diferentes resoluciones espacial y espectral de satélites frecuentemente utilizados para alcanzar objetivos agrícolas. Una de las herramientas más potentes para abordar la fase 1 citada en el apartado anterior y cartografiar malas hierbas y otras variables agronómicas es la tecnología basada en la teledetección. Su fundamento consiste en obtener información sobre un objeto, área o fenómeno a través del análisis de las imágenes adquiridas por un sensor que no está en contacto con el objeto a estudiar y que puede estar alojado en un satélite o en un avión en inglés: remote sensing) o incluso en una cosechadora (en inglés: proximal sensing). La base de la teledetección radica en que cada cuerpo presenta un patrón de energía reflejada propio y diferente, conocido como firma espectral, que lo distingue del resto de materiales o clases. Si nos centramos en la teledetección utilizando imágenes de satélite para la obtención de mapas de malas hierbas, se destacan dos tipos de resolución: espacial y espectral. La resolución espectral se refiere al número y anchura de las bandas espectrales que puede discriminar el sensor. Según dicha resolución cabe distinguir entre imágenes multiespectrales, que normalmente guardan la información entre 3 y 7 bandas de unos 100 nm de ancho de distintas regiones del espectro electromagnético, e hiperespectrales, que adquieren la información en varias decenas e incluso centenas de bandas estrechas con longitudes de onda < de 5 nm de ancho. Por su parte, la resolución espacial (o tamaño de píxel) indica las dimensiones del objeto más pequeño que puede ser detectado (Tabla 1). En los últimos años, el perfeccionamiento de los sensores y de los métodos de procesamiento de las imágenes están posibilitando un aumento relevante de las aplicaciones de la teledetección en la agricultura. Ello conlleva extraordinarios Figura 2. Infestaciones de rodales de crucíferas en cultivos de trigo (a) y habas (b). 38

3

4 avances gracias a la tremenda cantidad de información que pueden proporcionar las imágenes de cada una de las parcelas que abarcan si se efectúa el procesamiento de análisis adecuado. Nuestro Grupo de Investigación lleva años trabajando en aplicaciones de teledetección e imágenes aéreas o de satélite para discriminar parámetros edáficos (López-Granados et al., 2005), indicadores medioambientales (García-Torres et al., 2008; Peña-Barragán et al., 2008) y rodales de malas hierbas en diversos cultivos utilizando imágenes remotas (Peña-Barragán et al., 2007; López- Granados et al., 2006; Castillejo-González et al., 2009; De Castro et al., 2012; 2013), así como para predicción de cosecha (Peña-Barragán et al., 2010) entre otros trabajos que podrían citarse (ver más información del Grupo en precisionmalherbologia/). Figura 3. a) Imagen del satélite QuickBird con todo los usos de suelo; b) Imagen del satélite QuickBird sólo con los campo de trigo (denominada QuickBirdtrigo). Políticas agrarias europeas y fitosanitarios La preocupación ambiental y económica antes mencionada ha dado lugar al Reglamento (CE) 1107/2009 (CE, 2009) para la Comercialización de Productos Fitosanitarios, dentro del cual se ha definido la Directiva 2009/128/ CE para el Uso Sostenible de Plaguicidas que recoge la legislación específica para los herbicidas. En ella se destacan como elementos clave el fomento del bajo consumo (reducción de las aplicaciones) y la utilización de dosis adecuadas en función de las infestaciones de malas hierbas. Una de las herramientas disponibles para dar forma a esta reducción de aplicaciones puede ser a través de control localizado y dirigido sólo a la presencia de zonas infestadas. Esta Directiva ha sido traspuesta al Real Decreto 1311/2012 (BOE nº 223) en el que se establece el marco de actuación para conseguir un uso sostenible de los productos fitosanitarios cuya repercusión en la forma de acometer la gestión agrícola va a ser elevada, con especial énfasis en el caso que nos ocupa que es el uso de herbicidas. Importancia de las infestaciones de las malas hierbas crucíferas en cultivos de invierno En prospecciones llevadas a cabo en zonas de la campiña de Córdoba y Sevilla por nuestro Grupo de Investigación se comprobó que más del 65% de los cultivos de invierno estaban infestados Figura 4. Trabajo de campo para georreferenciar los rodales de las malas hierbas con DGPS (Differential Global Positioning System) para la clasificación de la imagen QuickBird-trigo. con malas hierbas crucíferas, principalmente Diplotaxis spp. (generalmente D. virgata Cav. DC. y D. muralis L. DC.) y Sinapis spp. (generalmente S. arvensis L. y S. alba L.). (Fig. 2). Estas malas hierbas son muy competitivas y causan graves pérdidas en cultivos de invierno, como trigo (Fig. 2 a) y leguminosas, p.ej. habas (Fig. 2 b). Las infestaciones de crucíferas son generalmente debidas a que los herbicidas utilizados en pre-siembra y pre-emergencia no realizan un adecuado control. Actualmente hay disponibilidad de herbicidas específicos para la post-emergencia en cereal, sin embargo no hay herbicidas de estas características para los cultivos de leguminosas, por lo que en éstos las malas hierbas crucíferas deben ser eliminarlas mediante escarda manual o laboreo. Por otro lado, la mayoría de cultivos de la zona mediterránea están siendo transformados a sistemas de no laboreo o laboreo reducido para disminuir los problemas de erosión, lo que también está contribuyendo a aumentar la distribución de las infestaciones de estas malas hierbas. Lo anterior debe sumarse a la circunstancia de que en los últimos años, las leguminosas de invierno para consumo humano están siendo introducidas en la rotación trigo-girasol, uno de los principales sistemas de rotación de cultivos de España. Así lo demuestra el hecho de que la superficie destinada al cultivo de guisantes creciera 40

5

6 Tabla 2. Estadísticos de clasificación obtenidos y superficie ocupada por cultivo de trigo y malas hierbas crucíferas para los métodos de clasificación que han mostrado mejores resultados en toda la imagen QuickBird-trigo a escala comarcal y en varios campos individuales. Tabla 3. Niveles de infestación y rangos de zonas de trigo infestadas (%) de rodales de crucíferas en toda la imagen QuickBird-trigo, siendo N el número de campos infestados del total de los 263 campos de trigo de la imagen. en 2010, desde ha a ha, de las que ha estaban localizadas en Andalucía, principalmente en las provincias de Córdoba y Sevilla (MAGRAMA, 2011). Objetivo Considerando que la reflectividad de una planta (firma espectral), ya sea una mala hierba o un cultivo, está relacionada con sus características fenológicas, fisiológicas y morfológicas y que existen satélites como QuickBird con una resolución espacial de 2,4 m en el rango multiespectral, nuestra hipótesis de trabajo fue determinar si es factible discriminar rodales de malas hierbas crucíferas mediante dichas imágenes y generar mapas de infestaciones. Los resultados obtenidos permitirían conocer por un lado las infestaciones a escala comarcal y, por otro, diseñar mapas de tratamientos localizado de herbicidas en postemergencia tardía que también podrían utilizarse en campaña sucesivas dada la persistencia de dichas infestaciones si no controlan el año anterior. Material y metodos Zona de estudio. Características de la imagen de satélite QuickBird A mediados de marzo-2009, se tomó una imagen multiespectral del satélite QuickBird en las siguientes bandas y longitudes de onda: Azul, A: nm; Verde, V: nm; Rojo, R: ; Infrarrojo-cercano, NIR: nm, cuya resolución espacial es 2,4 m de píxel. La escena abarcó un área de 102 km 2 (10200 ha) de la provincia de Córdoba (Fig. 3 a). Había predominio de campos de trigo infestados de malas hierbas crucíferas (Diplotaxis spp. y Sinapis spp.), si bien en la zona de estudio también estaban presentes en menor medida cultivos de olivo, guisantes y habas, así como tres poblaciones (Fernán Núñez, Montalbán y La Rambla) y diversas carreteras. En el momento de la toma de la imagen, se georreferenciaron con DGPS puntos de entrenamiento y datos verdad-terreno de rodales de crucíferas y de zonas de cultivo libres de infestación (Fig. 4). Estos muestreos son necesarios para los procesos de análisis de la imagen y validación de las clasificaciones. En ese momento, el trigo mostraba el color verde típico de la etapa de crecimiento vegetativo y las crucíferas un intenso color amarillo correspondiente a la etapa de floración. Análisis de la imagen. Obtención de mapas de infestaciones El primer análisis que se realizó sobre la imagen fue un procedimiento denominado segmentación cuya finalidad fue identificar y seleccionar los campos de trigo y eliminar de la imagen el resto de usos de suelo que no eran objetivo del trabajo. Como resultado, se obtuvo una nueva imagen QuickBird que denominamos QuickBirdtrigo (Fig. 3 b) y que contenía 263 campos de trigo correspondientes a 2656 ha (aproximadamente 26% del área capturada en la imagen). La superficie de los campos de trigo varió entre 3 y 52 ha. El software utilizado para la segmentación la imagen fue ecognition Developer v 8.0. A continuación se llevó a cabo el análisis de la imagen QuickBird-trigo. Para ello, se utilizaron dos métodos de clasificación supervisada: 1) bandas (A, V, R y NIR) e índices de vegetación (A/V, R/V y RVI=NIR/R) calculándose para cada uno de ellos la media y desviación típica de los valores espectrales de cada clase (trigo y rodales de malas hierbas crucíferas) y a partir de éstos y mediante un proceso iterativo, se obtuvieron los valores digitales frontera que mejor definían cada clase dentro de la imagen, y 2) Máxima Probabilidad, que consiste en calcular la probabilidad de que un píxel determinado de la imagen pertenezca a una de las clases definidas previamente. Ambos procedimientos incorporan la variabilidad del muestro de campo realizado referente a los puntos de entrenamiento de cada clase. Para determinar qué método permite una discriminación más precisa entre el trigo y crucíferas, se procedió a cuantificar la coincidencia entre las categorías clasificadas y los datos verdad-terreno. Para ello, las clasificaciones se evaluaron mediante una Matriz de Confusión utilizando el estadístico de validación: Fiabilidad Global del mapa (FG, debe ser > 85 %) tanto para cada uno de los campos de trigo seleccionados como para el conjunto de la imagen (ver más información de metodología y es- 42

7 La Obra más completa editada en lengua española sobre las VIROSIS relevantes EN EL CULTIVO DEL TOMATE Detección, diagnóstico y control Autoras: Ana Olvido Alfaro Fernández, Mª Carmen Córdoba Sellés, Isabel Font San Ambrosio y Mª Concepción Jordá Gutiérrez. NOVEDAD L Editora: Mª Concepción Jordá Gutiérrez. a obra más completa editada en lengua española sobre las virosis en el cultivo del tomate es el fruto del grupo de investigación que durante los últimos 15 años ha tenido la responsabilidad de ser el Laboratorio Nacional de Referencia de Virus y Fitoplasmas en especies no leñosas: Ana Olvido Alfaro Fernández, Mª Carmen Córdoba Sellés, Isabel Font San Ambrosio, y Mª Concepción Jordá Gutiérrez. Una Obra avalada por este equipo cuya cabeza rectora, la Dr. Dª Concha Jordá ha acreditado una experiencia de más de 6 lustros en el tema. Experiencia que ha tenido un loable lema, que podría resumirse como sigue: investigar para dar solución a los problemas que las virosis provocan en los cultivos. En este libro, se aborda en profundidad y rigor, las que sin duda pueden considerarse como las patologías más importantes en el cultivo del tomate, por su gravedad y alta repercusión económica que provoca sus pérdidas. Una importancia y una gravedad de las mismas que ha ido creciendo con el transcurso de los años. Las autoras, a la hora de tratar el tema de las virosis más importantes o relevantes en el cultivo del tomate, ponen su acento en informar exhaustivamente al lector acerca de los síntomas que provocan cada una de ellas, el rango de hospedantes, las formas de transmisión de las mismas, así como la detección, el diagnóstico y, sobre todo, las medidas de control de las virosis abordadas en esta obra, para que las conozcan mejor y puedan aplicar los métodos de control más adecuados a cada caso. Sin olvidar la parte más científica como es el estudio en profundidad de las características de las partículas virales. Virosis relevantes en el cultivo del tomate: detección, diagnóstico y control, que va dirigido tanto al investigador, como al técnico o al agricultor cualificado, es una obra útil que tiene como principal objetivo que el interesado pueda encontrar soluciones a este grupo de enfermedades del tomate más importantes en la actualidad, y que el los últimos años han ido creciendo causando profundos cambios en las prácticas de cultivo del tomate. Virosis relevantes en el cultivo del tomate: detección, diagnóstico y control van desmenuzando a lo largo de sus 264 páginas ilustradas con más de 146 Fotos y 30 Figuras, y capítulo a capítulo, cada una de las enfermedades causadas por virus en el cultivo del tomate. 264 Páginas P.V.P.: 35 (IVA incluido) No te lo pierdas, pídelo en: o llamando al teléfono Pronto en librerías especializadas

8 tadísticos de validación en De Castro et al., 2013). El software ENVI v 4.6 se utilizó para procesar y analizar la imagen así como para crear los mapas de crucíferas clasificados y la superficie ocupada por cada uso del suelo. A partir de estos mapas se diseñaron los mapas de tratamiento localizado. Obtención de mapas de tratamiento localizado de herbicidas El método de clasificación que obtuvo los mapas de las infestaciones de malas hierbas crucíferas de forma más precisa, fue utilizado para generar en toda la imagen los mapas de tratamiento localizado de herbicidas mediante el software SARI (Sectioning and Assessment of Remote Images) desarrollado por integrantres de nuestro Grupo de Investigación (García-Torres et al., 2008; Gómez- Candón et al., 2012). SARI está concebido para gestionar y fragmentar imágenes remotas de tal forma que puede dividir los diferentes campos de cultivo presentes en la imagen QuickBird-trigo según el nivel de infestación de cada malla o microparcela que defina el usuario. En este estudio, el tamaño de malla se estableció en 15 x 15 m lo que corresponde a 6 x 6 píxeles. El criterio para ello fue tener en cuenta: las dimensiones de los rodales de malas hierbas crucíferas discriminados, la resolución espacial de la imagen y el tamaño de los equipos de tratamiento que generalmente es 15 x 15 m en el área de estudio. A continuación se definieron tres categorías dependiendo del porcentaje de píxeles infestados presentes en cada malla: 1) infestación baja o moderada (< 25 % píxeles infestados, y que corresponderían a áreas no tratadas), 2) infestación media (25 50 % píxeles infestados), y 3) infestación elevada (> 50 % píxeles infestados. Las zonas con infestaciones media y alta se referirían a las áreas que deberían ser tratadas con herbicida. Estas clases se fijaron para facilitar al agricultor la toma de decisión basada en resultados numéricos y no subjetivos o arbitrarios. De tal forma que el agricultor puede elegir entre no tratar o aplicar herbicida dependiendo de la densidad real de malas hierbas de cada zona. En nuestro estudio, el umbral de la densidad de malas hierbas que permite una dosis reducida de herbicida se estableció en % de píxeles infestados. Resultados En la Tabla 2 se resumen los mejores resultados obtenidos con los dos métodos de clasificación, es Figura 5. a) Campos de trigo infestados de malas hierbas crucíferas clasificados con el método de Máxima Probabilidad. Detalle de las infestaciones en dos campos de la imagen (b), y de los mapas de tratamientos correspondientes (c). Figura 6. Campos de trigo infestados de malas hierbas crucíferas clasificados con el método de Máxima Probabilidad (a) y detalle de mapas de tratamiento localizado en varias zonas de la imagen QuickBirdtrigo (b). decir, bandas e índices vegetales y Máxima Probabilidad así como las fluctuaciones del área infestada de cada clase discriminada. Se muestran a modo de ejemplo varios campos de trigo situados en diferentes localidades con el fin de comparar la precisión de las clasificaciones en caso de que se consideren campos de trigo por separado o todos los campos incluidos en la imagen. De entre todos los procedimientos estudiados, la tendencia en la precisión de la clasificación fue: Máxima Probabilidad > A/V > banda V > banda R > banda NIR. De forma general, el porcentaje de superficie clasificada como crucíferas fue mayor con el método de Máxima Probabilidad que cuando se utilizaron índices de vegetación o bandas excepto en el campo denominado Los Molinos (Figs. 5 a y b). En la Tabla 3 se muestra la distribución de los campos de trigo de la imagen QuickBird-trigo en función de las tres categorías establecidas según el porcentaje de superficie infestada (baja o moderada, media y alta), del porcentaje de campos con cada nivel de infestación respecto al número total de campos infestados, así como la superficie media infestada de los campos que representan cada categoría en cada uno de ellos. Así en una aproximación general, de los 263 campos de la imagen, 184 estaban infestados, y de ellos un total de 68 campos presentaban una baja infestación, 73 campos una media infestación y 43 campos una elevada infestación. Si tenemos en cuenta el conjunto de campos con infestación baja-moderada, es decir, campos con 20% de píxeles infestados, de los 68 campos que lo conforman, 34 presentaban una superficie infestada entre 0,1-10 % del total de su superficie, mientras que los 34 restantes contaban con un 11-20% de su superficie infestada de malas hierbas, obteniéndose también que cada campo ocupaba una superficie media de 17,1 ha. Considerando la infestación media, un total de 73 estaban infestados, de los cuales 26 presentaban entre % de sus píxeles infestados y tenían una superficie media de 8,5 ha. En el caso de una infestación alta ( 51% de píxeles infestados), se contabilizaron 6 campos que tenían entre % de sus píxeles infestados. Estos 6 campos supo- 44

9 nían el 3,2 de los campos infestados de la imagen QuickBird-trigo y contaban con una superficie media de 7 ha. La Tabla 3 se podría considerar una forma clásica de presentar los datos de un estudio malherbológico ya que resume la información numérica de la imagen. Sin embargo, en el trabajo que presentamos (Figs. 5 a, 5 b) ofrecemos datos de la distribución espacial de los campos de trigo así como de sus infestaciones. Por lo tanto, uno de los resultados que hay que enfatizar en este trabajo es que se han obtenido los mapas de las infestaciones de malas hierbas crucíferas a escala comarcal mediante el análisis de una imagen de satélite QuickBird. A continuación, el siguiente resultado relevante es el diseño de mapas de tratamiento localizado de los rodales de malas hierbas crucíferas en toda el área de estudio. En la Fig. 5 c se muestra el detalle de los tratamientos en dos de campos de la imagen. Además, en la Figura 6 se pueden observar los tratamientos localizados que se deberían realizar en varias áreas de la imagen que engloban numerosos campos. Según los resultados obtenidos, un 61% (es decir: 1628,96 ha) del total de los campos de trigo se clasificó como zona sin tratar, y un 39% (1027,84 ha) del área total clasificada presentaba rodales de malas hierbas crucíferas, y serían la zona que se debería tratar. Conclusiones El principal objetivo de este trabajo fue determinar la viabilidad de las imágenes de satélite de alta resolución espacial QuickBird para detectar y cartografiar las infestaciones de malas hierbas crucíferas en cultivos de trigo a escala comarcal mediante métodos de clasificación basados en bandas, índices y Máxima Probabilidad, para posteriormente elaborar mapas de control localizado dirigido a las zonas infestadas. Nuestros resultados muestran que los mapas obtenidos de las infestaciones cuentan con la precisión estadística necesaria (> 89%) para diseñar una estrategia de tratamientos localizados en post-emergencia tardía (malas hierbas crucíferas en floración) y una elevada cantidad de superficie agrícola que reúne áreas de fácil y difícil acceso. Los ahorros herbicidas estimados son del 61% (zonas no tratadas). Actualmente hay tecnología y equipos agrícolas que pueden llevar a cabo tratamientos herbicidas dirigidos a las zonas infestadas si se les ofrece un mapa que defina dichas zonas y que estos equipos puedan leer. Es importante destacar que los resultados fueron altamente satisfactorios y que se pudieron estudiar un elevado número de campos con la consiguiente variabilidad espacial que conlleva que los 263 campos estuviesen gestionados según la conveniencia de cada agricultor (fechas de siembra, fertilización, etc.). Ello confiere a nuestro estudio elevadas dosis de fiabilidad y certidumbre lo que permitiría tomar imágenes QuickBird de zonas más amplias con la certeza de poder extrapolar la metodología que proponemos sin esperar grandes variaciones en la precisión de la detección de los mapas de las infestaciones. Hay que añadir que el precio de las imágenes del satélite QuickBird se reduce cada año y que esto las hace competitivas para acometer el control de estas malas hierbas de forma más racional. Agradecimientos: Este trabajo ha estado parcialmente financiado por los Proyectos AGL CO3-03 y AGL CO2-01 (Fondos FEDER, MICINN y MINECO). Las autoras agradecen al CSIC (Programa JAE-Pre CSIC, FEDER) la beca predoctoral concedida a Ana I. de Castro Megías para la realización de su Tesis Doctoral, así como a la Dra. M. T. Gómez-Casero, al Dr. D. Gómez-Candón, a A. Torre y J. J. Caballero su valiosa ayuda en los muestreos de campo. BIBLIOGRAFÍA BOE nº 223 del 15 de septiembre de 2012, páginas Real Decreto 1311/2012, de 14 de septiembre, por el que se establece el marco de actuación para conseguir un uso sostenible de los productos fitosanitarios. Castillejo-González, I.L., López-Granados, F., García-Ferrer, A., Peña-Barragán, J.M., Jurado-Expósito, M., Sánchez de la Orden, M. and González-Audicana, M. (2009). Object and pixel based analysis for mapping crops and their agro-environmental associated measures using QuickBird imagery. Computers and Electronics in Agriculture 68: De Castro, A.I., Jurado-Expósito, M., Peña-Barragán, J.M. and López-Granados, F. (2012). Airborne multi-spectral imagery for mapping cruciferous weeds in cereal and legume crops. Precision Agriculture 13: De Castro, A.I., López-Granados, F., Peña-Barragán, J.M. and Jurado-Expósito, M. (2013). Broad-scale cruciferous weed patches classification in winter wheat using QuickBird imagery for in-season site-specific control. Precision Agriculture, aceptada. García-Torres, L., Peña-Barragán, J.M., López-Granados, F., Jurado-Expósito, M. and Fernández-Escobar. R. (2008). Automatic assessment of agro-environmental indicators from remotely sensed images of tree orchards and its evaluation using olive plantations. Computers and Electronic in Agriculture 61: Gómez-Candón, D., López-Granados, F., Caballero-Novella, J. J., García-Ferrer, A., Peña-Barragán, J.M., Jurado-Expósito M. and García-Torres, L. (2012). Sectioning remote imagery for characterization of Avena sterilis infestations. Part A: Weed abundance. Precision Agriculture 13: López-Granados, F.; Jurado-Expósito, M.; Peña-Barragán, J.M.; García-Torres, L. (2006). Using remote sensing for identification of late-season grass weed patches in wheat. Weed Science 54: López-Granados F., Jurado-Expósito M., Peña-Barragán, J.M. and García-Torres L. (2005). Using geostatistical and remote sensing approaches for mapping soil properties. European Journal of Agronomy 23: López-Granados, F. (2011). Weed detection for site-specific weed management: mapping and real time approaches. Weed Research 51:1-11. MAGRAMA, (2011). Ministerio de Agricultura, Alimentación y Medioambiente. Peña-Barragán, J.M. López-Granados F. Jurado-Expósito, M. García-Torres, L. (2007). Mapping Ridolfia segetum patches in sunflower crop using remote sensing. Weed Research 47: Peña-Barragán, J.M., López-Granados F., García-Torres L., Jurado-Expósito M., Sánchez de la Orden M., and García-Ferrer A. (2008). Discriminating cropping systems and agri-environmental measures by remote sensing. Agronomy for Sustainable Development 28: Peña-Barragán, J.M., López-Granados, L., Jurado-Expósito, M. and García-Torres, L. (2010). Sunflower yield related to multitemporal aerial photography, land elevation and weed infestation. Precision Agriculture 11: