Doing business in Spain? Interempresas Media is the key
Futuras líneas de investigación irán orientadas a profundizar en la predicción de cosecha

La teledetección con drones como herramienta en los programas de mejora del almendro

Jorge Torres Sánchez1, Francisco Manuel Jiménez Brenes1, Octavio Arquero2, Ana I. de Castro1,3, María Lovera2, Francisca López Granados1

1Grupo Imaping, Instituto de Agricultura Sostenible (IAS). Consejo Superior de Investigaciones Científicas (CSIC)

2IFAPA-Centro Alameda del Obispo

3Dpto. Ingeniería Gráfica y Geomática, Universidad de Córdoba

29/07/2020

La rentabilidad del almendro ha crecido en los últimos años causando la expansión y modernización de su cultivo. Los programas de mejora han colaborado desarrollando variedades con floración tardía y diferente arquitectura de copa. Los mejoradores han caracterizado arquitectura y floración del almendro mediante un intenso trabajo de campo.. Como alternativa, se ha creado un procedimiento basado en: 1) generación de modelos 3D con color utilizando imágenes procedentes de un drone; 2) un algoritmo automático y otro semiautomático para cuantificar la copa de los árboles, y su densidad floral y periodo de floración. Este procedimiento determinó la variabilidad fenotípica de los cultivares de las parcelas objeto de estudio y algunas variedades de almendro mostraron un ajuste lineal significativo entre volumen de copa y rendimiento.

En los últimos años se viene observando un importante incremento en el consumo de frutos secos, especialmente de almendra. Este hecho ha causado que se eleve su precio, provocando un incremento en la rentabilidad de su cultivo que, junto a la necesidad de cultivos alternativos, ha propiciado el establecimiento de nuevas plantaciones de almendro. El almendro, que tradicionalmente había sido un cultivo marginal en toda la Cuenca Mediterránea, ha comenzado a plantarse en zonas con condiciones adecuadas de suelo y clima, con dotaciones de riego, aunque en la mayoría de los casos sean deficitarias, y un mejor cuidado del cultivo (Lovera et al., 2016).

foto

En los últimos años han surgido, fruto de programas de mejora, nuevas variedades de almendro que también han contribuido al aumento de su rentabilidad en España. Frente a las variedades tradicionales autoincompatibles y de floración temprana, los nuevos cultivares suelen ser autocompatibles (permitiendo las plantaciones monovarietales) y de floración tardía (escapan a los daños por heladas). Lógicamente hay una gran diversidad varietal respecto a arquitectura de copa o hábitos vegetativos. Estas características varietales, sobre todo vigor, porte y grado de ramificación, son relevantes ya que condicionan densidad de plantación, sistema de formación y poda, y recolección (Arquero et al., 2008).

En los programas de mejora, las variedades de almendro bajo estudio se evalúan en parcelas experimentales tomando datos periódicamente sobre la arquitectura de copa y de la dinámica de floración. Esta información se adquiere mediante intensivos muestreos de campo que exigen gran cantidad de trabajo y recursos humanos, lo que suele suponer un cuello de botella para avanzar en la mejora y selección de variedades de forma precisa y para descartar de forma temprana los cultivares que no interesan ahorrando tiempo y dinero.

Recientemente, los drones o UAV (Unmanned Aerial Vehicle, o vehículo aéreo no tripulado) han venido demostrando su versatilidad como plataformas para la toma de datos con diferentes aplicaciones en agricultura como la medición tridimensional de olivos (Torres-Sánchez et al., 2015), o la detección de estrés hídrico en viña (Santesteban et al., 2016), entre otros. Gracias a que pueden volar a baja altura, las imágenes-UAV permiten generar detallados modelos tridimensionales de los cultivos aplicando técnicas de fotogrametría. Además, sus costes cada vez más bajos y la gran flexibilidad a la hora de programar vuelos en momentos críticos del cultivo, como la floración, los hacen herramientas idóneas para la toma de datos en programas de mejora. Sin embargo, no es suficiente con ser capaces de adquirir imágenes-UAV de calidad, sino que también es necesario desarrollar procedimientos automáticos de análisis de las mismas para poder procesarlos, interpretarlos y hacerlos útiles para el mejorador.

Por lo anteriormente expuesto, se ha desarrollado un protocolo de trabajo basado en: 1) la generación de nubes de puntos fotogramétricas con color utilizando una cámara de bajo coste a bordo de un drone; 2) un algoritmo de análisis de las nubes de puntos para detectar y medir las copas de los almendros; y 3) un algoritmo semiautomático para monitorizar la densidad floral y el periodo de floración de cada almendro en el marco de ensayos de campo en programas de mejora de almendro con diferentes variedades y fechas de plantación. A continuación vamos a presentar de forma resumida dicho procedimiento y sus resultados, los cuales pueden ser consultados en detalle en las siguientes publicaciones científicas: (Torres-Sánchez et al., 2018), (López-Granados et al., 2019).

Metodología

Parcelas de estudio

Los ensayos y vuelos para el desarrollo de la presente metodología se realizaron en dos campos de variedades de almendro localizados en Andalucía. Ambos campos tenían un marco de plantación de 6×7 m, estaban podados en vaso, y tenían riego por goteo bajo riego deficitario. El campo 1, plantado en el año 2000, se ubicaba en una parcela llana en IFAPA-Alameda del Obispo-Córdoba, y albergaba 144 árboles de 12 variedades (tabla 1). Los árboles estaban repartidos en 6 bloques con dos repeticiones de cada variedad por bloque. El campo 2, plantado en 2012, estaba situado en Antequera (Málaga), en una ladera con una pendiente del 10%. Este campo presentaba también 12 variedades (tabla 1). El ensayo se componía por 4 bloques con 4 árboles por variedad en cada uno de ellos, lo que hacía un total de 192 árboles.

foto
Tabla 1. Variedades de almendro en las parcelas de estudio.

Para la validación de la metodología propuesta, se midieron en campo las alturas de todos los árboles a fin de compararlas con las alturas detectadas por las imágenes-UAV y el algoritmo automático desarrollado. Asimismo, en 2017 y durante la época de floración de los almendros, se realizaron visitas de campo periódicas cada dos o tres días para registrar la dinámica de floración y en septiembre se pesó la producción de ambos campos. No se registró el peso de la cosecha en forma individual para cada árbol, sino agrupando los cuatro árboles que componen las parcelas elementales (variedad/bloque).

Toma de datos con UAV

El drone utilizado fue un multirrotor modelo MD4-1000 (Fig. 1a) (Microdrones GmbH, Siegen, Alemania), al que se acopló una cámara convencional de bajo coste modelo Olympus PEN E-PM1 (Olympus Corporation, Tokyo, Japón). El drone fue configurado para volar a 50 m del suelo tomando imágenes con un gran nivel de solape entre ellas. A continuación, las imágenes fueron introducidas junto a las coordenadas de varios puntos del terreno en un programa de fotogrametría para generar una nube de puntos tridimensional y con color (Fig. 1b). En los siguientes vídeos se pueden observar en detalle el vuelo del drone y las nubes de puntos generadas:

https://www.youtube.com/watch?v=XmtfifjTPGQ

https://www.youtube.com/watch?v=K64iIoCZd8A

En el año 2016 se realizaron dos vuelos para el desarrollo del algoritmo de detección y caracterización de las copas de los almendros. Adicionalmente, a lo largo de 2017 se realizaron vuelos en varias fechas con el objetivo de capturar la dinámica de floración de las diferentes variedades.

foto
Figura 1. Muestras del flujo de trabajo con el drone: a) despegue en la parcela 2; b) ejemplo de nube de puntos en el campo 1 durante la floración, zona izquierda con colores según alturas, zona derecha con color real.

Funcionamiento de los algoritmos

El algoritmo de detección y medición de los almendros se divide en los pasos descritos a continuación. Todos ellos se ejecutan de manera automática y sin necesidad de intervención del usuario (más información en Torres-Sánchez et al. (2018).

  1. Creación de un modelo digital del terreno (MDT). El algoritmo busca a lo largo de toda la nube de puntos aquellos que tienen menor altura, que se corresponderán con el suelo.
  2. Detección de almendros. Una vez que se ha creado el MDT se resta la altura de este a la altura de todos los puntos de la nube, con lo que se obtiene su altura sobre el suelo. Todos los puntos con una altura superior a 0.50 m son clasificados como almendro. Una vez detectados los puntos pertenecientes a almendros, se aplica un procedimiento basado en el marco de plantación para separar las copas que se tocan.
  3. Medición de almendros. Para cada almendro se busca el punto más alto, y se toma su altura como la altura máxima del almendro. Además, teniendo en cuenta la altura y posición de todos los puntos que forman un almendro, se calcula el volumen de copa. El algoritmo exporta una tabla con las coordenadas de cada árbol, altura máxima, superficie de copa proyectada y volumen.

Para determinar la cantidad de flores de la copa se compara el brillo de los puntos de la copa con el de un panel de referencia que se sitúa en el campo. Los puntos con un brillo superior al del panel de referencia se considera que corresponden a flores, y al conocerse el volumen de copa, se puede calcular el número de flores por m³ de copa.

Resultados

Eficiencia del procedimiento

Cada uno de los vuelos en las parcelas de ensayo no duró más de 10 minutos, y el procesado de las imágenes para obtener los modelos 3D puede estar listo en unas 4 h. El análisis posterior por parte de los algoritmos consume aproximadamente 30 minutos. Por tanto, los datos pormenorizados de cada uno de los árboles de las parcelas de ensayo pueden generarse de un día para otro, con el consiguiente ahorro de tiempo y recursos humanos en comparación con la toma de datos tradicional en campo.

Detección y caracterización tridimensional de los almendros

El algoritmo fue capaz de detectar todos los árboles presentes en los campos de estudio. En la comparación entre la superficie de copa detectada por el algoritmo y la delimitada de manera manual en las ortofotografías se consiguieron precisiones superiores al 90%. La validación de la estimación automática de la altura con los datos medidos en campo arrojó como resultado un coeficiente de determinación de 0.94 entre ambas variables, indicativo de la gran precisión alcanzada por la metodología propuesta.

La figura 2 muestra las diferencias en volumen entre las diferentes variedades del campo 1. Se aprecia cómo algunas de las variedades representan un porte mucho mayor que las otras, estando ′Cambra′ entre las de mayor volumen y ′Guara′ entre las de menor. El desarrollo en volumen de la copa es un factor muy relevante en el diseño de una plantación, ya que variedades con un vigor excesivo podrían dificultar el paso de la maquinaria entre las calles. También es importante determinar el área proyectada de copa en momentos como el llenado de la almendra, ya que hay variedades cuya copa se abre mucho lo que dificulta la recolección mecanizada.

foto

Figura 2. Gráfico de cajas de bigotes mostrando el volumen estimado para cada variedad en una de las fechas en el campo 1. Se incluye un ranking por tamaño de las diferentes variedades. Letras diferentes indican diferencias significativas (test HSD Tukey, p<0.05). (Adaptada de López-Granados et al., 2019).

Además de en programas de fenotipado, los datos provenientes de la metodología desarrollada se pueden utilizar para realizar mapas de volumen (Fig. 3) que permitirían la elaboración de mapas de prescripción de tratamientos adaptados al tamaño de copa de los árboles. Otro aspecto destacable es que, al ser un procedimiento que se puede aplicar de manera recurrente, se pueden realizar comparativas entre fechas, lo que abre la puerta a monitorizar el crecimiento de cada árbol. Por ejemplo, en el mapa de la izquierda en la figura 3 se puede ver el volumen de la parcela 2 en el mes de marzo, a comienzos de la foliación, mientras que en el de la derecha se puede ver el crecimiento de cada árbol entre esa fecha y el mes de septiembre, calculado a partir de la comparación entre el vuelo de marzo y otro realizado en septiembre.

foto
Figura 3. Mapas de volumen de copa en el campo 2. El mapa de la izquierda representa el volumen en marzo, al comienzo de la foliación. El de la derecha indica los cambios en volumen entre marzo y septiembre. (Adaptada de Torres-Sánchez et al., 2018).

Seguimiento de las dinámicas de floración

La metodología desarrollada fue capaz de detectar la dinámica de floración de las variedades de almendro en los campos de ensayo mediante vuelos en diferentes fechas. La figura 4 representa mediante colores los calendarios de floración registrados mediante visitas a campo. Superpuestas a estos calendarios se pueden leer las densidades de floración detectadas por el procedimiento desarrollado. En esta comparación entre lo detectado y lo observado en campo se aprecia que los mayores valores de densidad (resaltados en amarillo) detectados por el algoritmo coinciden en prácticamente todos los casos con los periodos de máxima floración registrados en campo.

foto
Figura 4. Calendarios de floración para los campos 1 (a) y 2 (b). Los días en morado oscuro indican el periodo de máxima floración, los marcados en morado claro representan el comienzo e inicio de floración. Los valores numéricos se corresponden con la densidad de flores (número/m3) detectada, en amarillo los valores máximos. (Adaptada de López-Granados et al., 2019).

Relaciones entre volumen de copa y cosecha

Un trabajo previo (Underwood et al., 2016) realizado con medidas tomadas en campo con sensores láser instalados en un tractor encontró correlaciones entre la cosecha de los almendros y estimaciones de volumen. En el caso de los volúmenes detectados mediante UAV con la metodología aquí presentada, se han detectado correlaciones significativas y mayores a 0,7 en ′Antoñeta′, ′Cristomorto′ y ′Supernova′ para el campo 1. En el campo 2 se detectaron correlaciones de igual o mayor nivel para ′Belona′, ′Ferraduel′, ′Guara′, ′Lauranne′, ′Soleta′ y ′Vairo′. Estas correlaciones se obtuvieron en diferentes momentos del año en función de la variedad y el campo de estudio, y están basadas en un conjunto de datos reducido. Por tanto, aunque hay potencial para hacer estimaciones de cosecha que serían de gran ayuda para planificar la recolección y gestión de la cosecha, es necesario proseguir investigando en esta línea para conseguir resultados más robustos.

Líneas de trabajo actuales y futuras

Nuestros trabajos se han realizado en parcelas de ensayo con almendros en vaso y en un marco de 7×6m, mientras que nuestras líneas de trabajo actuales están orientadas a estudiar diferentes densidades de plantación en sistema superintensivo o en seto, ya que está siendo cada vez más común en los últimos años. Futuras líneas de investigación irán orientadas a profundizar en la predicción de cosecha, incluyendo datos de más árboles y años, así como de diferentes sistemas de formación.

Agradecimientos

Los trabajos presentados han sido financiados por los siguientes proyectos: AGL2017-83325-C4-4-R, Programa Intramural-CSIC 201840E002 y 202040E230, Transforma (ref.: PP.TRA.TRA.2019.00.2).

Bibliografía

  • Arquero, O.; Lovera, M.; Navarro, A.; Viñas, M.; Salguero, A.; Barranco, D.; Serrano, N. 2008. Hábitos de vegetación y respuesta a la intensidad de la poda de formación de las principales variedades de almendro. Junta de Andalucía-Consejería de Agricultura, Pesca y Desarrollo Rural. Sevilla. 101pp
  • López-Granados, F., Torres-Sánchez, J., Jiménez-Brenes, F.M., Arquero, O., Lovera, M., de Castro, A.I., 2019. An efficient RGB-UAV-based platform for field almond tree phenotyping: 3-D architecture and flowering traits. Plant Methods 15, 160.
  • Lovera, M., Serrano, N., Arquero, O. 2016. El cultivo del almendro en Andalucía. Horticultura, especial 2016, 30–37.
  • Santesteban, L.G., Di Gennaro, S.F., Herrero-Langreo, A., Miranda, C., Royo, J.B., Matese, A., 2016. High-resolution UAV-based thermal imaging to estimate the instantaneous and seasonal variability of plant water status within a vineyard. Agricultural Water Management.
  • Torres-Sánchez, J., de Castro, A.I., Peña, 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.
  • Torres-Sánchez, J., López-Granados, F., Serrano, N., Arquero, O., Peña, J.M., 2015. High-Throughput 3-D Monitoring of Agricultural-Tree Plantations with Unmanned Aerial Vehicle (UAV) Technology. PLoS ONE 10, e0130479.
  • Underwood, J.P., Hung, C., Whelan, B., Sukkarieh, S., 2016. Mapping almond orchard canopy volume, flowers, fruit and yield using lidar and vision sensors. Computers and Electronics in Agriculture 130, 83–96.

Comentarios al artículo/noticia

Nuevo comentario

Atención

Los comentarios son la opinión de los usuarios y no la del portal. No se admiten comentarios insultantes, racistas o contrarios a las leyes vigentes. No se publicarán comentarios que no tengan relación con la noticia/artículo, o que no cumplan con el Aviso legal y la Política de Protección de Datos.

Advertencias Legales e Información básica sobre Protección de Datos Personales:
Responsable del Tratamiento de sus datos Personales: Interempresas Media, S.L.U. Finalidades: Gestionar el contacto con Ud. Conservación: Conservaremos sus datos mientras dure la relación con Ud., seguidamente se guardarán, debidamente bloqueados. Derechos: Puede ejercer los derechos de acceso, rectificación, supresión y portabilidad y los de limitación u oposición al tratamiento, y contactar con el DPD por medio de lopd@interempresas.net. Si considera que el tratamiento no se ajusta a la normativa vigente, puede presentar una reclamación ante la AEPD.

ENLACES DESTACADOS

Sant Miquel - Eurofruit (Fira de Lleida): 24 al 27 /09 / 2020

ÚLTIMAS NOTICIAS

OPINIÓN

OTRAS SECCIONES

SERVICIOS