Resumen de Optimización del manejo de cultivos leñosos a través del análisis automatizado de imágenes obtenidas con vehículos aéreos no tripulados
1. Introducción o motivación de la tesis La actividad agrícola ha seguido un largo proceso de evolución y de intensificación para incrementar la producción de los cultivos y satisfacer así la creciente demanda de alimentos, pienso y fibra (FAO, 2004). Uno de los cambios más relevantes del desarrollo agrícola se produjo en el siglo XX (1960-1980) con la denominada “Revolución Verde”. Esta agricultura se caracterizó por la utilización de nuevas variedades de cereales de alto rendimiento (García Olmedo, 1998) y el uso generalizado de la mecanización y los agroquímicos, siendo su principal objetivo el aumento de la producción sin prestar especial atención a la calidad nutricional ni a la conservación de los recursos naturales, es decir, a la sostenibilidad de la actividad agrícola. A causa de ello, en las últimas décadas han surgido inconvenientes de diversa índole relacionados, entre otros, con la contaminación de acuíferos y la erosión de suelos, la reducción notable de biodiversidad y la aparición de resistencias y nuevas plagas, enfermedades y malas hierbas. Sin embargo, la sensibilización y la preocupación de la sociedad por la conservación del medio ambiente han originado una búsqueda del equilibrio entre producción y sostenibilidad, surgiendo nuevas formas de agricultura sostenible entre las que destaca la conocida como Agricultura de Precisión (Robert, 2002).
En la actualidad, el sector agrícola está inmerso en un nuevo paradigma conocido como Agricultura 4.0 que persigue la Digitalización de la Agricultura por medio del uso de nuevas tecnologías. Esto se presenta como una de las prioridades de la política europea de I+D+i para los próximos años, estando incorporada a la Política Agraria Común (PAC) a través de uno de sus objetivos transversales. Entre las nuevas tecnologías, destaca la Teledetección como una de las herramientas con mayor contribución para resolver las dificultades en la adopción práctica de la Agricultura de Precisión por parte de los agricultores y técnicos (JRC-EC, 2014). En el área de la teledetección, los últimos avances sobre vehículos aéreos no tripulados (UAVs) y sensores asociados les han permitido convertirse en una herramienta de gran potencial para la adquisición de información de numerosas variables agronómicas en el contexto de la Agricultura de Precisión (López-Granados et al., 2016; Torres-Sánchez et al., 2013; Zhang and Kovacs, 2012). Las elevadas resolución espacial y variabilidad intra-clase de las imágenes tomadas desde un UAV requieren la aplicación de técnicas automáticas y robustas de análisis de imagen basados en objetos (OBIA) (Blaschke, 2010).
2. Contenido de la investigación La presente Tesis Doctoral se ha centrado en contribuir en la generación de conocimiento para la optimización del manejo de dos cultivos leñosos de gran relevancia agronómica y socioeconómica (olivar y viñedo) de forma eficiente, económica y sostenible, en el contexto de la agricultura de precisión y principalmente en cuanto al uso sostenible de fitosanitarios. Para ello, se ha empleado la combinación de UAV, modelos tridimensionales a partir de técnicas fotogramétricas y el desarrollo de algoritmos automáticos de análisis OBIA.
Esta Tesis está estructurada en cinco capítulos: introducción (Capítulo 1), tres artículos de investigación publicados en revistas SCI (Capítulos 2, 3 y 4) y conclusiones (Capítulo 5). Los Capítulos 2, 3 y 4 comprenden los siguientes objetivos específicos: a) Monitorización multitemporal 3D de cada árbol de una parcela de olivar bajo marco de plantación intensivo para cuantificar la influencia de tres tipos diferentes de poda (adaptada, tradicional y mecánica) sobre los parámetros morfológicos de la copa (altura, área proyectada y volumen), así como evaluar su respuesta vegetativa después de un año de realizarse cada tratamiento de poda (Capítulo 2).
b) Caracterización espacio-temporal 3D de alto rendimiento (high-throughput) de la arquitectura de cada cepa en tres viñedos en espaldera en dos momentos fenológicos distintos para computar los parámetros morfológicos de cada cepa, detectar huecos por marras en la parcela y sentar las bases metodológicas para crear mapas de tratamientos foliares de fitosanitarios según tamaño del dosel (Capítulo 3).
c) Detección y cartografía multitemporal automática de las infestaciones de la mala hierba gramínea y perenne Cynodon dactylon L. (grama) en dos viñedos en espaldera durante dos años consecutivos para establecer estrategias de control localizado incorporando un rango de umbrales de tratamiento según niveles de infestación permitiendo una racionalización de su manejo (Capítulo 4).
3. Conclusiones De los trabajos anteriormente descritos se han podido obtener las siguientes conclusiones:
1. La combinación de tecnología UAV y modelización 3D a partir del Modelo Digital de Superficie (DSM, por sus siglas en inglés), junto con el desarrollo de un algoritmo OBIA automatizado de análisis de las imágenes adquiridas por una cámara RGB convencional a bordo de un UAV, permitió la monitorización multitemporal de cada individuo de una parcela de 648 olivos sometidos a tres tratamientos de poda distintos. El algoritmo OBIA identificó y clasificó automáticamente cada olivo exportando sus valores de altura, área proyectada y volumen permitiendo cuantificar los efectos de cada tipo de poda sobre la arquitectura de cada olivo, así como la respuesta vegetativa de cada olivo un año después de la poda. Los resultados ofrecen información cartográfica y tabulada útil para el diseño de estrategias de manejo localizado del olivar en el contexto de la agricultura de precisión, no solo para aplicaciones optimizadas de poda, sino también para fertilización, fitosanitarios y/o riegos en función de la arquitectura de cada olivo, lo cual reporta beneficio medioambiental y ahorro económico para el agricultor. Capítulo 2, Jiménez-Brenes et al. (2017). Plant Methods, 13:55.
doi:10.1186/s13007-017-0205-3 (Open Access).
2. Un novedoso algoritmo automático OBIA fue capaz de caracterizar tridimensionalmente tres viñedos con cubiertas vegetales entre calles en dos momentos fenológicos distintos a partir de imágenes tomadas por una cámara convencional RGB a bordo de un UAV. La utilización de técnicas fotogramétricas y el DSM permitieron al algoritmo separar cada cepa de la cubierta vegetal del viñedo en base a la diferencia de altura entre ambas clases, superando así el problema de similitud espectral entre cepas y cubierta vegetal en los momentos de adquisición de las imágenes. El algoritmo OBIA diseñado clasificó con un alto grado de precisión (90-95%) cada cepa de vid, computando su altura, área proyectada y volumen, además de la existencia de huecos en cada hilera (marras). Las alturas obtenidas por el algoritmo fueron validadas con datos verdad-terreno tomados en campo, obteniéndose un error medio cuadrático de 0,19 metros para los tres viñedos analizados. El algoritmo OBIA exportó mapas georreferenciados con la localización y dimensiones de cada cepa lo cual tiene múltiples aplicaciones en el contexto de la viticultura de precisión: tratamiento variable de fitosanitarios foliares, determinación del momento óptimo de cosecha o evaluación del efecto de diferentes tratamientos de poda según la estructura 3-D de cada cepa. Capítulo 3, de Castro et al. (2018). Remote Sensing, 10(4): 584. doi:10.3390/rs10040584 (Open Access).
3. Se desarrolló un algoritmo OBIA capaz de detectar y cartografiar de forma precisa los rodales de grama (Cynodon dactylon L.) en dos viñedos distintos, analizando automáticamente las imágenes tomadas por dos sensores con distinto rango espectral (RGB y RGNIR) a bordo de un UAV. El DSM hizo posible la clasificación de la viña en base a información de altura, superando así el problema de similitud espectral entre ésta y los rodales de grama en el momento en que se llevó a cabo la investigación. El análisis espectral para separar la grama del suelo desnudo demostró que los índices de vegetación óptimos eran ExGR y GNDVI para las cámaras RGB y RGNIR, respectivamente. Se alcanzaron valores de precisión mayores del 97,7% en la clasificación de las clases presentes en el viñedo con cada una de las cámaras empleadas, por lo que se recomienda el uso del sensor RGB por ser más manejable y económico. Los mapas y la información tabulada generados por el algoritmo OBIA constituyen una herramienta útil y precisa para los viticultores ya que podrían ser utilizados en la optimización del manejo de grama en viñedos, tanto ecológicos como no ecológicos, a través de un programa basado en estrategias de control localizado según la posición de los rodales de grama y el umbral de infestación. Capítulo 4, Jiménez-Brenes et al. (2019). PLoS ONE, 14(6): e0218132. doi.org/10.1371/journal.pone.0218132 (Open Access).
4. Los resultados obtenidos en los artículos presentados en esta Tesis Doctoral han demostrado que los algoritmos OBIA de análisis de imágenes UAV desarrollados podrían ser adaptables y transferibles a otros cultivos leñosos, tanto para la caracterización tridimensional en otros objetivos como fenotipado de variedades, como para la cartografía de otras malas hierbas problemáticas o de difícil control, si bien es necesario realizar previamente ajustes sobre el algoritmo OBIA dependiendo del cultivo objeto de estudio.
4. Bibliografía Blaschke, T., 2010. Object based image analysis for remote sensing. ISPRS Journal of Photogrammetry and Remote Sensing 65, 2–16. https://doi.org/10.1016/j.isprsjprs.2009.06.004 de Castro, A.I., Jiménez-Brenes, F.M., Torres-Sánchez, J., Peña, J.M., Borra-Serrano, I., López-Granados, F., 2018. 3-D characterization of vineyards using a novel UAV imagery-based OBIA procedure for precision viticulture applications. Remote Sensing 10, 584. https://doi.org/10.3390/rs10040584 FAO, 2004. La ética de la intensificación sostenible de la agricultura. Roma: FAO.
García Olmedo, F., 1998. La tercera revolución verde. Plantas con luz propia. Debate.
Jiménez-Brenes, F.M., López-Granados, F., de Castro, A.I., Torres-Sánchez, J., Serrano, N., Peña, J.M., 2017. Quantifying pruning impacts on olive tree architecture and annual canopy growth by using UAV-based 3D modelling. Plant Methods 13, 55. https://doi.org/10.1186/s13007-017-0205-3 Jiménez-Brenes, F.M., López-Granados, F., Torres-Sánchez, J., Peña, J.M., Ramírez, P., Castillejo-González, I.L., Castro, A.I. de, 2019. Automatic UAV-based detection of Cynodon dactylon for site-specific vineyard management. PLoS ONE 14, e0218132. https://doi.org/10.1371/journal.pone.0218132 JRC-EC, 2014. Precision Agriculture: An Opportunity for EU-Farmers – Potential Support with the CAP 2014-2020 - Think Tank. URL http://www.europarl.europa.eu/thinktank/en/document.html?reference=IPOL-AGRI_NT(2014)529049 (accessed 8.27.19).
López-Granados, F., Torres-Sánchez, J., Serrano-Pérez, A., Castro, A.I. de, Mesas-Carrascosa, F.-J., Peña, J.-M., 2016. Early season weed mapping in sunflower using UAV technology: variability of herbicide treatment maps against weed thresholds. Precision Agric 17, 183–199. https://doi.org/10.1007/s11119-015-9415-8 Robert, P.C., 2002. Precision agriculture: a challenge for crop nutrition management. Plant and Soil 247, 143–149. https://doi.org/10.1023/A:1021171514148 Torres-Sánchez, J., López-Granados, F., Castro, A.I.D., Peña-Barragán, J.M., 2013. Configuration and specifications of an unmanned aerial vehicle (UAV) for early site-specific weed management. PLoS ONE 8, e58210. https://doi.org/10.1371/journal.pone.0058210 Zhang, C., Kovacs, J.M., 2012. The application of small unmanned aerial systems for precision agriculture: A review. Precision Agriculture 13, 693–712. https://doi.org/10.1007/s11119-012-9274-5
