Investigación en Agronomía y Agroalimentación

Un sistema mide el abono que necesita cada olivo

Un equipo de investigación de la Universidad de Huelva ha validado la eficiencia de un método que indica el contenido de nitrógeno, fósforo y potasio en las hojas de los olivares. Con él los agricultores podrán conocer cuál es la necesidad de fertilización de cada individuo concreto de manera casi instantánea.

Un equipo de investigación de la Universidad de Huelva y el Instituto Nacional de Investigación Agraria y Veterinaria de Portugal ha probado un nuevo método que combina el uso de drones, cámaras multiespectrales e inteligencia artificial con el que los agricultores conocerán las necesidades de fertilización de cada árbol de su finca con bajo coste y de manera inmediata.

En agricultura, se hace imprescindible conocer el estado de la planta para intervenir lo más rápido posible ante cualquier deficiencia para que no quede alterado el fruto. En el artículo ‘Nutritional status assessment of olive crops by means of the analysis and modelling of multispectral images taken with UAVs’ publicado en la revista Biosystems Engineering, los expertos proponen un sistema que ofrece en una sola imagen digital la información necesaria para que los agricultores conozcan el estado de sus cultivos. Así, puedan intervenir de una manera más dinámica y con menor coste en la fertilización individualizada de cada árbol o sector de su finca.

De esta forma, no habrá que tomar muestras de campo, enviarlas a laboratorio y esperar los resultados. “Por un lado, la toma de datos siempre es aleatoria y el estado de un árbol no implica que sea el de todo el cultivo. Por otro, los tiempos se reducen considerablemente, algo fundamental para una intervención inmediata”, indica a la Fundación Descubre el investigador de la Universidad de Huelva Miguel Noguera, autor del artículo.

Así, un dron sobrevuela el campo equipado con una cámara que establece los distintos espectros de luz que emanan del olivo. Los datos son tratados por un algoritmo basado en redes neuronales artificiales, una estructura de inteligencia artificial que diferencia automáticamente distintas situaciones a partir de una gran cantidad de datos. Estas redes asimilan la información que les llega y crean nuevo conocimiento a partir de ella. De esta forma son capaces de hacer estimaciones del estado nutricional de los olivos en el momento del muestreo. La información toma forma de imagen en la que el agricultor puede observar claramente qué individuos necesitan una intervención.

Los ensayos realizados por el equipo del Centro de Investigación en Tecnología, Energía y Sostenibilidad se han llevado a cabo con dos variedades de olivo (Arbequina y Arbosana) en una finca ubicada en Elvas, del distrito de Portalegre del Alentejo portugués con un total de 2116 árboles. Los expertos plantean aumentar las localizaciones para nuevos estudios y confirmar sus resultados.

Miguel Noguera.

En el interior del olivo desde el aire

Los trabajos de análisis en el campo son costosos, arduos y tardan demasiado tiempo en obtenerse. Los agricultores que quieran conocer el estado de sus árboles, deberán contratar a empresas expertas que tomarán una muestra química aleatoria de las plantas, las analizarán y ofrecerán los resultados tras un tiempo, a veces, demasiado prolongado. Tras esto, incluirán los aportes de nutrientes necesarios a toda la finca. Pero esto, puede que no sea lo correcto, ya que cada ejemplar cuenta con unas necesidades específicas. Realizar análisis de todo el cultivo sería demasiado caro, de ahí que se haga necesario buscar alternativas que ofrezcan información asequible, rápida e individualizada.

Así, el sistema propuesto por los expertos consiste en un dron equipado con geolocalización y cámaras que toman imágenes multiespectrales en 5 bandas diferentes. Es decir, toma fotos con distintas longitudes de ondas de la luz, percibiendo lo que el ojo humano no puede captar. Son registradas en una aplicación y ofrece una representación proyectada ortogonal del terreno en forma de una sola foto, llamada ortomosaico. La imagen que se obtiene diferencia los elementos en cuanto altitud, distinguiendo el suelo, tomando sólo información de los olivos y marcando los déficits de nitrógeno, fósforo o potasio de cada parcela. Así, el agricultor actuará exclusivamente en las zonas donde sea necesaria la fertilización añadida.

Sistema de agricultura de precisión.

Los datos obtenidos mejoran los resultados de otros métodos utilizados en la captación de imágenes y tratamiento de la información, por lo que los expertos lo proponen como el sistema idóneo para la toma de decisiones por parte del agricultor.

Sin embargo, los investigadores continúan sus comprobaciones para mejorar la influencia que las condiciones ambientales pueden tener sobre los sensores del dron para afinar los resultados. Además, proponen nuevos ensayos con otras variedades de olivo y etapas del ciclo de desarrollo del cultivo.

Este trabajo ha sido financiado mediante el proyecto ‘0115_TECNOLIVO_6_E’, aprobado por el Programa Interreg V-A España – Portugal (POCTEP) 2014-2020 y cofinanciado con fondos FEDER.

Referencias

Miguel Noguera, Arturo Aquino, Juan M. Ponce, António Cordeiro, José Silvestre, Rocío Calderón, Maria da Encarnação Marcelo, Pedro Jordão y José M. Andújar. ‘Nutritional status assessment of olive crops by means of the analysis and modelling of multispectral images taken with UAVs’. Biosystems Engineering. 2021

Dejar una respuesta

Please enter your comment!
Please enter your name here

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.