Los factores ambientales, el suelo, la cultura, las plagas y las enfermedades tienen el potencial de influir en la productividad de un cultivo. Tratar este complejo sistema como homogéneo no resulta interesante para el agricultor y puede conducir a una baja productividad, rentabilidad y calidad en sus productos. El análisis de imágenes y la georreferenciación son herramientas importantes para una gestión más eficiente del proceso productivo. Una de las formas más rápidas de comprender oportunamente lo que les está sucediendo a las plantas en el campo es capturar imágenes satelitales y UAV asociadas con el procesamiento y la interpretación correcta.
Esta tecnología, aplicada en tiempo y forma, ayuda en la toma de decisiones respecto al manejo de la planta y evita pérdidas de producción. Tecnologías como los drones proporcionarán una “reforma” a la industria agrícola, a través de una planificación y una estrategia basadas en la recopilación y el procesamiento de datos en tiempo real. Nathan Oman de Sky View 3D cree que la recopilación y el análisis de datos multiespectrales mediante drones ayuda a los productores de todo tipo a visualizar y predecir con precisión enfermedades (resistentes), plagas y problemas de nutrientes de manera temprana, para que puedan actuar con anticipación. Esto ayuda a proteger los cultivos, permitiendo a los productores producir productos de mayor calidad y alto rendimiento y reducir el impacto ambiental. Esta tecnología es el futuro de todas las aplicaciones agrícolas. PWC estima que el mercado de soluciones agrícolas impulsadas por drones asciende a 32,4 millones de dólares.
Pero ¿qué son los drones? Este término se está volviendo cada vez más popular para referirse a los pequeños dispositivos parecidos a helicópteros (cuadricópteros) que utilizan millones de personas en todo el mundo. Sin embargo, se utilizan varios otros términos para describirlos, lo que puede hacer que las cosas sean un poco más confusas. Es probable que algunas de estas definiciones cambien en un futuro próximo por parte de las agencias FAA (Administración Federal de Aviación – Norteamérica) y Anac (Agencia Nacional de Aviación Civil). Pero, por ahora, todavía tenemos varias terminologías que definen diferentes modelos, como veremos a continuación.
Históricamente, el nombre dron lleva el nombre de un avión militar controlado por radio creado en la década de 1950, el Queen Bee. Si bien los drones hacen pensar a la mayoría de la gente en un vehículo aéreo no tripulado que puede volar de forma autónoma sin necesidad de que un humano esté a los controles, este término también se puede aplicar a una amplia variedad de vehículos terrestres y submarinos. Por ejemplo, existe la navegación con barcos (como la plataforma de aterrizaje de cohetes espaciales de SpaceX - Falcon 9), submarinos y vehículos autónomos (coches y camiones como el Tesla Semi), que también tienen la definición de drone. El término Vant, que significa vehículo aéreo no tripulado, está relacionado con dispositivos que son capaces de volar de forma remota con controladores, tabletas, teléfonos celulares o de forma autónoma.
Por tanto, todos los UAV son drones, pero no al revés. En un pasado no tan remoto, había pocas opciones de cuadricópteros y las principales limitaciones en el tiempo de vuelo eran las baterías, la velocidad, la escala de trabajo, los soportes de las cámaras y el precio. La llegada de drones más pequeños y baratos se produjo gracias a notables avances tecnológicos, como sensores diminutos, procesadores increíblemente potentes y una variedad de radios digitales. Después de la introducción de equipos de ala fija como Parrot's Disco en 2016, Tron y Trinity de Quantum Systems en 2017, la industria cobró un nuevo impulso.
Cada dispositivo tiene características inherentes que pueden resultar ventajosas o no para determinadas tareas y objetivos. En términos de agilidad y la ventaja de flotar en el aire, los cuadricópteros/octacópteros ganan en este sentido. Si el objetivo es tomar fotografías o vigilar el aire o análisis más detallados que requieren altitudes bajas y aplicación de pulverizaciones con fungicidas, herbicidas o insecticidas, los equipos de hélice tienen una gran ventaja por su estabilidad.
En términos de operación a velocidad, los drones de ala fija, en general, tienen un rendimiento superior en comparación con los aviones de ala giratoria. Los drones de ala fija pueden alcanzar los 75 km/h frente a los 15 km/h que alcanzan los drones con hélices o alas giratorias. En cuanto a carga útil y horas de vuelo, los drones de ala fija son más eficientes, por las mismas razones que no tenemos helicópteros jumbo intercontinentales. Estos dispositivos generalmente son más eficientes en cuanto al uso de la batería para lograr más velocidad y alcanzar distancias más largas.
Y, por último, la durabilidad y la forma de despegue son muy importantes cuando pensamos en el régimen de trabajo que estos equipos tendrán que afrontar en entornos agrícolas, ya que un quadcopter tiene más partes móviles que un drone con alas fijas. La comparativa robustez de un dispositivo de ala fija (o la facilidad de reemplazar un ala de espuma) hace que este tipo de equipo sea atractivo para trabajos de campo como la investigación biológica o agrícola.
Por lo tanto, un productor con 50 hectáreas y uno con cinco mil hectáreas necesitan evaluar qué tipo de equipos adquirirán para satisfacer sus necesidades. Sin embargo, incluso equipos de menor capacidad, como los cuadricópteros, pueden servir a un gran productor, en determinadas circunstancias. Este equipo puede utilizarse para capturar, fumigar, regar, evaluar y monitorear con precisión el desarrollo del ciclo del cultivo en tiempo real. Literalmente podemos relacionar este proceso con un “escaneo” de la plantación, que puede reducir las pérdidas y aumentar la productividad. Este equipo es capaz de generar mapas tridimensionales que pueden superponerse a mapas de fertilidad (química y física del suelo), permitiendo interpretar patrones en fertilidad, parches de suelo, incidencia de enfermedades, insectos, nematodos y malezas en áreas de producción.
Sin embargo, de todas las aplicaciones de los drones, una de las principales es la generación de imágenes multiespectrales asociadas a la salud de los cultivos. Es fundamental evaluar la salud de los cultivos y detectar infecciones bacterianas o fúngicas en las plantas. Al analizar un cultivo utilizando luz visible e infrarroja cercana, los dispositivos transportados por drones pueden identificar qué plantas reflejan diferentes cantidades de luz verde y luz NIR. Esta información puede producir imágenes multiespectrales que rastrean los cambios en las plantas e indican su salud. Una respuesta rápida puede salvar un huerto o una plantación.
Además, una vez que se descubre una enfermedad, los agricultores pueden monitorear y aplicar pesticidas con mayor precisión. Estas dos posibilidades aumentan la capacidad de la planta para superar la enfermedad. Y en caso de pérdida de cosechas, el agricultor podrá documentar las pérdidas de manera más eficiente para las reclamaciones de seguros. La tecnología de imágenes de detección remota de cámaras multiespectrales se compone de bandas verde, roja, roja, infrarroja cercana (NIR) y térmica para capturar imágenes visibles e invisibles de cultivos y vegetación.
Las imágenes multiespectrales se integran con software agrícola especializado, que convierte la información en datos significativos. Este software varía según la necesidad y el valor del procesamiento, algunos tienen una base de procesamiento en la nube (basado en Internet), como Atlas de la empresa Micasense y que no requiere supercomputadoras para su procesamiento. Software como Agisoft y Pix4D realizan el procesamiento utilizando máquinas potentes con buena memoria y capacidad gráfica. Estos datos de telemetría de la tierra, el suelo y los cultivos permiten al productor monitorear, planificar y gestionar la finca.
Los sensores multiespectrales de drones ofrecen un rendimiento diferente según la cantidad de cámaras/sensores instalados. Por tanto, existe diversidad de precios, calidades y funciones. Los sensores pueden integrarse con una multitud de plataformas de drones, lo que permite a cualquier productor acceder de forma rápida y asequible a los datos de los cultivos. Estos sensores avanzados facilitan la integración de datos de índice basados en satélites con datos de índice basados en drones. Cada equipo utiliza filtros que pueden generar información NDVI o NDRE en diferentes ocasiones.
Un sensor de imagen multiespectral captura datos de imágenes en frecuencias específicas en todo el espectro electromagnético. Las longitudes de onda se pueden separar mediante filtros o mediante el uso de instrumentos que sean sensibles a determinadas longitudes de onda, incluida la luz de frecuencias más allá de nuestra visión visible, como la infrarroja. Las imágenes espectrales también permiten la extracción de información adicional que el ojo humano no puede captar. El ojo humano puede ver una variedad de colores que van desde el violeta al rojo. Sin embargo, las longitudes de onda también pueden ser más cortas (ultravioleta) o más largas (infrarrojas) que las de nuestra visión visible. Las propiedades de reflectancia de la vegetación se utilizan para derivar índices de vegetación (NDVI).
Los índices se utilizan para analizar diversas ecologías. Los índices de vegetación se construyen a partir de mediciones de reflectancia en dos o más longitudes de onda para analizar características específicas de la vegetación, como el área foliar total y el contenido de agua. La absorción y reflexión de la radiación solar son el resultado de muchas interacciones con diferentes materiales vegetales, cuya longitud de onda varía considerablemente. El agua, los pigmentos, los nutrientes y el carbono se expresan en el espectro óptico reflejado de 400 nm a 2.500 nm, con comportamientos de reflectancia a menudo superpuestos pero espectralmente distintos.
Estas firmas espectrales permiten a los científicos combinar mediciones de reflectancia en diferentes longitudes de onda para mejorar características específicas de la vegetación y reflejar algunos parámetros relacionados con la defoliación que pueden generar información sobre la presencia de plagas o patógenos. La banda de onda verde corresponde a la energía reflejada en la banda espectral de 500 nm-600 nm y tiene la reflectancia más alta de una planta en esta banda. El pico de reflexión es de unos 550 nm. Se ha demostrado que esta banda espectral está fuertemente correlacionada con la cantidad de clorofila contenida en la planta. La estructura interna de las plantas sanas sirve como excelentes reflectores difusos de longitudes de onda del infrarrojo cercano.
Medir y monitorear la reflectancia del infrarrojo cercano es una forma de determinar qué tan saludable (o no saludable) puede ser la vegetación (presencia de nematodos, hongos y plagas). Sin embargo, la mayor parte de la luz del espectro visible reflejada por una planta estresada se encuentra en el rango verde. Por tanto, a simple vista, una planta sometida a estrés es indistinguible de una planta sana. Por otro lado, la diferencia se puede observar en la reflectancia de la luz en el infrarrojo, que es mucho menor. El rojo corresponde a la energía reflejada en el rango espectral de 600 nm a 700 nm. La fuerte absorción de clorofila en este rango da como resultado una baja reflectancia. La reflectancia varía significativamente en relación con factores como la biomasa, el LAI (índice de área foliar), la historia del suelo, el tipo de cultivo, la humedad y el estrés de las plantas.
Para la mayoría de los cultivos, este rango ofrece un excelente contraste entre las plantas y el suelo y se utiliza ampliamente para compilar la mayoría de los índices de vegetación en la agricultura. La banda RedEgde es muy estrecha (700 nm-730 nm), lo que corresponde al punto de entrada del infrarrojo cercano. Es el punto de cambio repentino en la reflectancia, desde una fuerte absorción del rojo hasta una importante reflexión del infrarrojo cercano. Esta banda es muy sensible al estrés de las plantas y proporciona información sobre la clorofila. NIR o infrarrojo cercano corresponde a longitudes de onda en el rango de 700 nm a 1,3 µm.
Existe una correlación muy fuerte entre esta reflectancia y el nivel de clorofila en la planta. Una variación muy significativa de la reflectancia en este rango se produce cuando una planta está bajo estrés. Junto con el rango espectral rojo, el infrarrojo se utiliza ampliamente para compilar la mayoría de los índices de vegetación en la agricultura. NIR es sensible a la estructura celular de las hojas y proporciona datos críticos para monitorear los cambios en la salud de los cultivos. En cuanto a la longitud de onda azul, la vegetación sana la absorbe para impulsar la fotosíntesis y crear clorofila. Una planta con más clorofila reflejará más energía en el NIR que una planta enferma.
El uso de sensores térmicos también indica fluctuaciones en la temperatura de los tejidos de las hojas, donde los tejidos enfermos se diferencian de los sanos por cambios repentinos de temperatura debido a diferencias en la actividad fotosintética. Los sensores térmicos acaban jugando un papel importante a la hora de detectar el periodo de latencia de enfermedades como la roya asiática de la soja (Phakopsora pachyrhizi) y café (Hemileia vasta).
Los drones agrícolas y las imágenes multiespectrales se están convirtiendo en una herramienta como cualquier otro dispositivo de consumo. Podemos informar que una tecnología militar y restringida se está transformando en una tecnología amigable con la sociedad. Y podemos concluir que las generaciones futuras crecerán acostumbradas a robots voladores que sobrevuelan las granjas como pequeños “espolvoreadores” agrícolas, barriendo los problemas uno por uno.
*Por Bruno Juliatti, de Juliagro Ltda, Nathan Omán, por Sky View 3D LLC, James Peters, de Sky Flightrobotics, y Fernando Cezar Juliatti, de la UFU-MG
Reciba las últimas noticias sobre agricultura en su correo electrónico
Reciba las últimas noticias sobre agricultura en su correo electrónico
Por Tiago Mencaroni Guazzelli, Marconi Ribeiro Furtado Júnior, Victor de Souza Lopes y Paulo Roberto Forastiere, de la UFV, y Humberto Santiago, de la Ufob
