OLIVICULTURA 72 Predicción de cosecha La producción del olivo, además de por otros parámetros de gran importancia como la cantidad de insumos recibidos o la incidencia de plagas y enfermedades, se ve influenciada por la cantidad de luz recibida por la copa, y esta guarda estrecha relación con el tamaño del árbol. Por tanto, se han realizado estudios en los que, utilizando cámaras fotográficas convencionales para la adquisición de imágenes, se han hallado altos niveles de correlación entre parámetros geométricos de la copa como el área proyectada (Sola-Guirado et al. 2017) y el volumen (Torres-Sánchez et al. 2022) con la producción final expresada en kg de aceituna por árbol. Estos trabajos se han llevado a cabo tanto en parcelas de olivar con diferentes sistemas de plantación, como en ensayos de fenotipado cultivados en seto. Aunque los resultados obtenidos en la estimación de cosecha son prometedores, estos estudios aún deberían validarse en un rango más amplio de condiciones de cultivo y variedades de olivar. Además, el desarrollo de futuros modelos de predicción de cosecha, junto al tamaño de la copa, debería tener en cuenta factores como la vecería o la cantidad de agua o nutrientes recibidos por los olivos. Detección de enfermedades Para el manejo de las enfermedades en el olivar es importante poder lograr una detección temprana de las mismas que permita evitar, o limitar en la medida de lo posible, la expansión de la enfermedad desde los pies afectados a los sanos. Los primeros síntomas detectables de las enfermedades del olivar suelen ser la clorosis, una incipiente defoliación, y una tasa reducida de transpiración. Todos estos síntomas pueden ser detectados remotamente usando información espectral en el rango visible, el infrarrojo y el térmico, lo que permite la detección temprana de enfermedades usando sensores embarcados en drones. Las dos enfermedades en las que más se ha trabajado usando esta tecnología son una de carácter fúngico, la verticilosis (Calderón et al. 2013), y otra causada por una bacteria, la infección por Xylella fastidiosa (Castrignanò et al. 2021). En ambas enfermedades, causadas por distintos tipos de agentes infecciosos, se han obtenido resultados prometedores en lo que respecta a su detección temprana con sensores multiespectrales, hiperespectrales y térmicos. Detección de estrés hídrico El estrés hídrico induce el cierre de estomas en el olivar, lo que lleva a un menor enfriamiento de las hojas por transpiración que provoca una subida de la temperatura de la copa del olivo. En los años 80 del pasado siglo se desarrolló un índice de estrés hídrico para cultivos (CWSI por sus siglas en inglés) que permite evaluar el nivel de estrés hídrico en base a mediciones de la temperatura del cultivo y del ambiente en las que se tienen en cuenta ciertos parámetros de referencia. Inicialmente la temperatura del cultivo se medía empleando sensores de temperatura a pie de campo, pero, en los últimos años, el uso de cámaras termográficas a bordo de drones ha permitido hacer mediciones de la temperatura de los olivos de una manera precisa y eficiente, facilitando el cálculo del CWSI para parcelas de cultivo completas en vez de para una cantidad limitada de árboles. Se ha demostrado que los valores de CWSI calculados con drones en olivares tienen elevados niveles de correlación tanto con la conductancia estomática como con el potencial hídrico (Berni et al. 2009; Caruso et al. 2022), lo que abre la puerta al cálculo de necesidades reales de agua en el marco de programas de riego deficitario controlado. Detección de malas hierbas Muchas especies de malas hierbas se distribuyen en rodales, lo que implica que la aplicación de tratamientos herbicidas podría focalizarse en esos rodales dejando el resto de la parcela sin tratar, con el consecuente ahorro económico y reducción del impacto medioambiental. Sin embargo, y aunque en otros aspectos del manejo del olivo se lleva más de diez años investigando sobre la utilización de los drones, hasta muy recientemente no se ha comenzado a implementar la teledetección en el control de malas hierbas en olivar. En este contexto, un trabajo reciente ha conseguido cartografiar la extensión y ubicación de rodales de Ecballium elaterium Figura 2. Vista parcial de una nube de puntos tridimensional representando un olivar en seto en fase juvenil. Colores asignados según altura sobre el suelo.
RkJQdWJsaXNoZXIy Njg1MjYx