La combinación de tecnologías avanzadas es clave para mejorar la gestión agronómica de las explotaciones superintensivas ya que cada tecnología presenta una serie de ventajas y limitaciones

La intensificación del almendro está transformando el paisaje agrícola mediterráneo, impulsando sistemas superintensivos que permiten una mecanización avanzada y mayor rentabilidad. Sin embargo, estos modelos presentan desafíos de sostenibilidad que exigen nuevas estrategias de seguimiento y manejo. Tecnologías de Agricultura de Precisión, como imágenes de satélite, vehículos aéreos no tripulados (UAVs) o drones multiespectrales y sensores LiDAR, ofrecen herramientas para monitorizar el dosel, estimar el índice de área foliar y optimizar podas, riegos y fertilización, reduciendo costos e impactos ambientales.

El almendro (Prunus dulcis (Mill.) d.A. Webb) es uno de los cultivos que mejor ejemplifica esta revolución. De ser una especie marginal en países mediterráneos ha pasado a convertirse en uno de los protagonistas clave del paisaje agrícola. Aunque los sistemas tradicionales de secano todavía representan gran parte de la superficie cultivada (Figura 2a), la expansión de plantaciones en regadío ha impulsado un aumento significativo de las áreas dedicadas a este cultivo. 

El almendro, en concreto, ha registrado un aumento del 367% en superficie en apenas una década, pasando de 38.600 ha en 2010 a más de 180.000 ha en 2023 (Figura 2b). Este crecimiento responde, en gran medida, a la creciente demanda de almendras, que aumenta aproximadamente un 5% anual, impulsada por su valor nutricional y el auge de la dieta mediterránea, por lo que se espera que esta tendencia continúe aumentando exponencialmente en los próximos años (Miras-Avalos et al., 2023).

Figura 2. a) Área (ha) ocupada por almendros en España en 2023. b) Aumento de la superficie ocupada por almendro en regadío entre 2010 y 2023. Fuente: ESYRCE, 2023.

Pese a los avances en mecanización, muchas plantaciones superintensivas todavía se gestionan de forma homogénea, sin aprovechar la variabilidad interna de la parcela, lo que limita su eficiencia y potencial productivo

Sin embargo, el salto hacia sistemas superintensivos no está exento de desafíos. Aunque este modelo ha crecido rápidamente, trae consigo incertidumbres agronómicas que pueden poner en riesgo la sostenibilidad económica de las explotaciones. Entre los principales retos se encuentran los altos costes de implantación y manejo, la mayor vulnerabilidad a plagas y enfermedades, y una posible reducción en la vida útil de las explotaciones. Además, la alta densidad de plantación y el uso intensivo de agua y fertilizantes requieren un control riguroso para evitar problemas como la lixiviación de nitratos y la contaminación de acuíferos. 

Estos sistemas dependen de podas regulares para mantener la estructura del seto y evitar el sombreado excesivo, lo que eleva los costes y puede afectar la arquitectura de los árboles si no se maneja correctamente. Pese a los avances en mecanización, muchas plantaciones superintensivas todavía se gestionan de forma homogénea, sin aprovechar la variabilidad interna de la parcela, lo que limita su eficiencia y potencial productivo.

Aquí es donde la Agricultura de Precisión juega un papel clave, permitiendo caracterizar esta variabilidad para optimizar la producción y minimizar el impacto ambiental. Tecnologías como la teledetección por satélite, vehículos aéreos no tripulados (UAVs), sensores LiDAR, cámaras RGB-D y otros tipos de sensores de suelo y planta se utilizan cada vez más para recopilar datos detallados en plantaciones superintensivas, lo que permite a agricultores y técnicos gestionarlas y aplicar técnicas de AP para un uso más eficiente de insumos como el agua, fertilizantes y pesticidas. Los resultados incluyen mejoras en los rendimientos de los cultivos y una reducción del impacto ambiental (Zude-Sasse et al., 2021).

Las tecnologías disponibles para el manejo intensivo pueden dividirse en sensores de proximidad (LiDAR, sensores de suelo y planta) y sensores remotos (imágenes satelitales, UAVs). El desarrollo y perfeccionamiento de estas tecnologías es una prioridad en la investigación agronómica actual, con el objetivo de lograr un seguimiento más preciso de la vegetación y una gestión más eficiente de las explotaciones. 

Entre las herramientas más destacadas se encuentra la tecnología LiDAR (Light Detection And Ranging), que ha adquirido un papel protagonista gracias a su capacidad para caracterizar la vegetación con un nivel de detalle sin precedentes (Figura 3). A través de escaneos que generan nubes de puntos en tres dimensiones (3D), el LiDAR ofrece una representación precisa de la estructura de los árboles, lo que permite evaluar parámetros como la densidad foliar, la forma del dosel y la distribución espacial de la biomasa. Esta tecnología no solo mejora la comprensión de la arquitectura foliar, sino que también aporta datos esenciales para optimizar la gestión de los cultivos en cada etapa del ciclo productivo.

Por otra parte, las imágenes obtenidas por satélites con sensores ópticos han experimentado un notable avance en los últimos años, no solo en términos de resolución espacial, sino también en frecuencia de captura, lo que las convierte en una herramienta clave para el seguimiento agrícola. La resolución temporal, es decir, la frecuencia con la que un satélite puede volver a capturar una misma área es especialmente valiosa para monitorizar cultivos ya que permite obtener datos continuos y detallados sobre el estado y la evolución de los cultivos. En este sentido, la misión Sentinel-2 formada por tres satélites (2A, 2B y 2C), siendo este último lanzado el día 5 de septiembre de 2024, ofrece actualmente un periodo de revisita mínimo de 5 días, mientras que la constelación PlanetScope, formada por nanosatélites comerciales, proporciona imágenes diarias con una resolución espacial que puede alcanzar hasta los 3 metros permitiendo observar y caracterizar la superficie terrestre con alta precisión y frecuencia.

Estas tecnologías, aunque eficaces por separado, ofrecen sus mejores resultados cuando se analizan desde una perspectiva comparativa y combinada. Comprender las ventajas y limitaciones de cada una resulta esencial para diseñar estrategias de manejo eficientes en sistemas superintensivos como los del almendro.

La combinación de tecnologías avanzadas es clave para mejorar la gestión agronómica de las explotaciones superintensivas ya que cada tecnología presenta una serie de ventajas y limitaciones. Por un lado, las imágenes y productos derivados de sus análisis obtenidos por UAVs y los sensores LiDAR ofrecen una resolución centimétrica, ideal para caracterizar la estructura del dosel y obtener métricas detalladas del cultivo. No obstante, este alto nivel de detalle conlleva ciertas limitaciones: los enormes volúmenes de datos generados requieren capacidades computacionales avanzadas, tiempo de procesamiento y personal especializado. Además, en el caso de los UAVs, factores operativos como la altura de vuelo, la velocidad, la dirección e incluso las sombras proyectadas por la inclinación solar pueden afectar la calidad radiométrica de las imágenes adquiridas. Por otro lado, los satélites, aunque no alcanzan el mismo nivel de detalle espacial, permiten un monitoreo frecuente y a bajo coste, lo que los convierte en aliados estratégicos para supervisar grandes superficies y detectar cambios vegetativos a escala regional.

En este contexto, el Grupo de AgróTICa y Agricultura de Precisión (GRAP) de la Universitat de Lleida ha liderado importantes avances recientes que ilustran el enorme potencial de combinar tecnologías para mejorar la gestión de los cultivos superintensivos. Uno de estos logros ha sido aprovechar las ventajas de los productos derivados de imágenes de satélite (Sentinel-2, PlanetScope) y UAVs para el seguimiento de cultivos, mediante el estudio de su relación con parámetros geométricos y estructurales clave, obtenidos a partir de datos LiDAR terrestres, como la altura, la sección transversal de los setos y la porosidad. El objetivo es determinar hasta qué punto estos parámetros pueden estimarse a partir de imágenes de satélite, reduciendo así la necesidad de mediciones de campo.

Aunque la resolución espacial de las imágenes de satélite no se compara con la precisión del LiDAR, los resultados obtenidos mediante su integración son altamente prometedores. Como muestran los estudios realizados en una explotación superintensiva de almendro (cv. Lauranne Avijor), publicados por el GRAP en Agronomy y Precision Agriculture (Martínez-Casasnovas et al., 2022; Sandonís-Pozo et al., 2022). La aplicación de algoritmos de zonificación reveló una fuerte correspondencia espacial entre el NDVI y los parámetros interpolados a partir del LiDAR. Así mismo, se encontraron diferencias significativas al analizar estadísticamente las relaciones entre los parámetros y el NDVI. Valores más altos de NDVI, indicativos de mayor vigor vegetal, se asociaron significativamente con mayor anchura y sección transversal del seto. También, valores altos de este índice de vegetación se correspondieron con valores bajos de porosidad del dosel foliar. Esta tendencia fue identificada tanto en los datos de Sentinel-2 y PlanetScope como en los obtenidos mediante imágenes procedentes de UAVs. La metodología se ha aplicado a una plantación super intensiva de almendro, pero podría ser aplicada a otros cultivos plantados en seto.

En este contexto, el índice Leafiness-LiDAR (LLI), desarrollado recientemente por el GRAP (Sandonís-Pozo et al., 2024), se presenta como una herramienta destacada para abordar estos desafíos. Basado en datos de escaneo láser terrestre, permite estimar el LAI a partir de la sección transversal del seto y la porosidad, sin depender de las condiciones de luz. Este método facilita diferenciar entre años productivos e improductivos y ajustar las prácticas de manejo, manteniendo el equilibrio entre desarrollo vegetativo y producción para garantizar la estabilidad del cultivo.

La Figura 5 muestra la distribución de valores de LLI obtenidos en una explotación superintensiva de almendro durante dos años productivos y dos improductivos consecutivos. Los cálculos se realizaron en momentos clave para la gestión agronómica: después de la poda de primavera y antes de la cosecha, proporcionando una herramienta adicional para apoyar la toma de decisiones y ajustar las estrategias de manejo según las necesidades de cada temporada.

Estos resultados son relevantes ya que, a la hora de tomar decisiones agronómicas, contar con información continua de LAI a lo largo del desarrollo del cultivo y, además, ser capaces poder tener una estimación de parámetros clave como la altura, la sección o la porosidad del seto en plantaciones tan extensas, constituye un factor clave a tener en cuenta para la aplicación de las técnicas de Agricultura de Precisión.

Por ejemplo, la geometría de los parámetros (particularmente los relacionados con la anchura del seto) son importantes para determinar el volumen del dosel y la porosidad se relaciona directamente con la densidad de la hoja y, por tanto, esta información resulta de vital importancia a la hora de efectuar una optimización de la dosis de productos fitosanitarios o de realizar la estimación del volumen de vegetación del que se dispone a la hora de planificar tratamientos relacionados con la poda. 

Además, esta metodología ofrece la posibilidad de zonificar las tareas de manejo y aplicar técnicas de Agricultura de Precisión, tales como la aplicación variable de tratamientos fitosanitarios y control de la fertirrigación o la formación y la poda, que son los principales contribuyentes a los costos de producción del cultivo, y, por lo tanto, siendo capaces de poder reducir costos y aumentar la sostenibilidad y resiliencia de las explotaciones.

En fruticultura, conocer parámetros geométricos y estructurales —como el tamaño del dosel, la altura, la porosidad y el vigor del cultivo— es fundamental para planificar podas, ajustar la fertilización y estimar rendimientos, aunque sigue siendo una tarea laboriosa

La intensificación del cultivo del almendro ha abierto nuevas oportunidades para los agricultores del área mediterránea, pero también ha traído consigo desafíos que requieren soluciones innovadoras y una visión a largo plazo. Las tecnologías de Agricultura de Precisión, como el LiDAR, los UAVs y las imágenes de satélite, permiten a los productores no solo optimizar el uso de recursos y mejorar el rendimiento, sino también reducir el impacto ambiental y avanzar hacia modelos de producción más sostenibles.

Implementar estrategias de manejo basadas en datos detallados, ajustar dinámicamente la fertirrigación y gestionar adecuadamente la estructura del dosel son pasos fundamentales para garantizar la resiliencia y rentabilidad de las explotaciones superintensivas. Los avances científicos y tecnológicos seguirán desempeñando un papel crucial para asegurar que la expansión del almendro no solo sea económicamente viable, sino también respetuosa con el medio ambiente y capaz de enfrentar los desafíos climáticos y agronómicos del futuro.

REFERENCIAS BIBLIOGRÁFICAS

ESYRCE. (2023). Encuesta sobre Superficies y Rendimientos de Cultivos. Ministerio de Agricultura, Pesca y Alimentación, España. Disponible en: https://www.mapa.gob.es/fr/estadistica/temas/estadisticas-agrarias/boletin20231_tcm36-690544.pdf

Maldera, F., Vivaldi, G. A., Iglesias-Castellarnau, I., & Camposeo, S. (2021). Two almond cultivars trained in a super-high-density orchard show different growth, yield efficiencies and damages by mechanical harvesting. Agronomy, 11(7), 1406.

Martínez-Casasnovas, J.A.; Sandonís-Pozo, L.; Escolà, A.; Arnó, J.; Llorens, J. Delineation of Management Zones in Hedgerow Almond Orchards Based on Vegetation Indices from UAV Images Validated by LiDAR-Derived Canopy Parameters. Agronomy 2022, 12, 102.

Mirás-Ávalos, J. M., González-Dugo, V., García-Tejero, I. F., López-Urrea, R., Intrigliolo, D. S., & Egea, G. (2023). Quantitative analysis of almond yield response to irrigation regimes in Mediterranean Spain. Agricultural Water Management, 279, 108208.

Sandonís-Pozo, L., Llorens, J., Escola, A., Arno, J., Pascual, M., & Martínez-Casasnovas, J. A. (2022). Satellite multispectral indices to estimate canopy parameters and within-field management zones in superintensive almond orchards. Precision Agriculture, 23(6), 2040–2062.

Sandonís-Pozo, L., Oger, B., Tysseire, B., Martínez-Casasnovas, J. A., Pascual, M., Llorens, J., & Escola, A. (2024). Leafiness-LiDAR Index and NDVI for Identification of temporal Patterns in super-intensive Almond orchards as Response to Different Management Strategies. Available at SSRN 4795788.

Torres-Sánchez, J., de Castro, A. I., Pena, J. M., Jiménez-Brenes, F. M., Arquero, O., Lovera, M., & López-Granados, F. (2018). Mapping the 3D structure of almond trees using UAV acquired photogrammetric point clouds and object-based image analysis. Biosystems engineering, 176, 172–184.

Zude-Sasse, M., Akbari, E., Tsoulias, N., Psiroukis, V., Fountas, S., & Ehsani, R. (2021). Sensing in Precision Horticulture. In R. Kerry & A. Escola (Eds.), Sensing approaches for precision agriculture (pp. 221–251). Springer, Berkshire, United Kingdom.