Discriminación de infestaciones de malas hierbas crucíferas en cultivos anuales de invierno utilizando imágenes de alta resolución espacial mediante métodos basados en píxeles, objetos y redes neuronales para su control de precisión

Abstract

Desde finales del siglo XX la sociedad ha demandado el desarrollo de nuevas técnicas agrícolas que optimicen los recursos sin degradar el medio ambiente, buscando un equilibrio entre agricultura productivista y exigencias medioambientales. En este contexto surge la agricultura de precisión, una técnica de gestión de parcelas agrícolas que incorpora la variabilidad espacial de los factores implicados en el rendimiento de los cultivos, realizando aplicaciones dirigidas o localizadas y en la dosis óptima de los insumos necesarios (semillas, riego, fertilizantes y fitosanitarios). Esta técnica permite reducir costes, optimizar la producción agrícola, aumentar la rentabilidad para los productores y obtener beneficios ecológicos y ambientales (Robert, 2002; Srinivasan, 2006). Esta preocupación económica y ambiental, junto con el excesivo consumo de productos fitosanitarios en Europa, se ha visto plasmada en el Reglamento (CE) 1107/2009 para la Comercialización de Productos Fitosanitarios, dentro del cual se ha definido la Directiva 2009/128/CE para el Uso Sostenible de Plaguicidas, destacando como elementos clave ¿el fomento del bajo consumo (reducción de las aplicaciones) y la utilización de dosis adecuadas en función de las infestaciones de malas hierbas¿. El desarrollo de la agricultura de precisión se ha hecho posible gracias a la emergencia de tecnologías entre las que cabe destacar la Teledetección, que permite obtener información sobre un objeto, área o fenómeno a través del análisis de los datos adquiridos por un sensor que no está en contacto con el mismo, mediante mediciones de la energía electromagnética reflejada o emitida por estos objetos o fenómenos de interés (Chuvieco y Huete, 2010). La diferencia en el comportamiento espectral intrínseco de cada especie es lo que permite su discriminación y mapeo mediante técnicas de análisis y clasificación digital (Thorp y Tian, 2004).

2. Contenido de la investigación.

En esta Tesis Doctoral se ha medido la firma espectral de varios cultivos de invierno (trigo y habas) y de malas hierbas crucíferas, principalmente Diplotaxis spp. y Sinapis spp.), mediante el empleo de espectrorradiómetro de campo y métodos de clasificación basados en Análisis Discriminante y Redes Neuronales (Perceptrón Multicapa y Función de Base Radial). Se han analizado estadísticamente los datos hiperespectrales y multiespectrales obtenidos para seleccionar las longitudes de onda, bandas e índices de vegetación, así como el momento más adecuado para la discriminación entre el cultivo y las malas hierbas. Posteriormente, se ha evaluado el uso de imágenes aéreas y de satélite de alta resolución espacial (QuickBird) para elaborar mapas de infestación de rodales de Diplotaxis spp. y Sinapis spp. en estado fenológico tardío en cultivos de invierno mediante técnicas de teledetección y distintos métodos de clasificación (bandas, índices de vegetación y Máxima Probabilidad). Para finalizar, se utilizaron los mapas de infestaciones de malas hierbas obtenidos a partir de las imágenes anteriores para elaborar los mapas de tratamiento dirigido únicamente a las infestaciones, tanto a escala parcela como a escala comarcal.

3. Conclusiones.

De los trabajos anteriormente descritos se han podido obtener las siguientes conclusiones:

1. La discriminación entre las malas hierbas crucíferas y los cultivos de trigo y habas fue posible mediante el análisis de las firmas espectrales tomadas con espectrorradiómetro de campo. Las tres técnicas evaluadas permitieron clasificar de forma satisfactoria tanto las firmas multiespectrales como las hiperespectrales de las malas hierbas crucíferas y de los cultivos. Los mejores resultados se obtuvieron con la red Perceptrón Multicapa, con valores de precisión por encima del 98,1%, y en algunos casos del 100%, permitiendo seleccionar en cada caso las longitudes de onda o índices de vegetación con mayor potencial para la discriminación de las malas hierbas crucíferas en imágenes remotas. El estado fenológico más adecuado para llevar a cabo la discriminación de malas hierbas crucíferas y los cultivos de invierno y por tanto, para la captura de las imágenes remotas, es cuando las firmas espectrales del cultivo y la mala hierba muestren sus máximas diferencias que, según se concluye de este estudio, corresponde con el estado de floración de las crucíferas (color amarillo intenso) y con el estado vegetativo del cultivo (color verde), que generalmente se observa entre finales de marzo y mediados de abril en las condiciones de clima mediterráneo de los campos estudiados en esta Tesis. Esta ventana temporal es amplia y permite extrapolar estos resultados a otras zonas del área mediterránea con parecidas condiciones agronómicas y climáticas (Resultados publicados en De Castro et al., 2012a). 2. La utilización de imágenes aéreas multiespectrales junto con técnicas de teledetección permitió clasificar de forma eficiente los rodales de malas hierbas crucíferas en trigo, habas y guisantes, y elaborar mapas de infestación de crucíferas en estado fenológico tardío en dichos cultivos de invierno. Los índices de vegetación Rojo/Azul y Azul/Verde, así como el algoritmo de Máxima Probabilidad, fueron los métodos más precisos en las clasificaciones en los tres cultivos, y se utilizaron para elaborar los mapas de tratamiento localizado para el control de crucíferas en post-emergencia o para diseñar estrategias de control para campañas siguientes. El empleo de imágenes aéreas multiespectrales junto con técnicas de teledetección permitiría obtener una ahorro del 71,9 al 95,5 % en aquellas zonas que no requieren tratamiento y del 4,3 al 12 % para las zonas que necesitan tratamiento herbicida a dosis reducidas (Resultados publicados en De Castro et al., 2012b). 3. Las imágenes multiespectrales de alta resolución espacial del satélite QuickBird permitieron la discriminación de los rodales de las malas hierbas crucíferas en trigo, tanto a nivel de parcela (en campos individuales) como a escala comarcal (en múltiples campos distribuidos por toda la imagen satélite). Los clasificadores más precisos fueron el índice Azul/Verde y el algoritmo de Máxima Probabilidad, tanto a escala parcela como a escala comarcal. En esta última, los resultados de las clasificaciones fueron ligeramente inferiores, atribuyéndose a la variabilidad espectral entre los diferentes campos de trigo analizados repartidos por toda la imagen. La elaboración de mapas de tratamiento localizado con imágenes QuickBird permite extraer rápidamente información espacial de extensas superficies agrarias y diseñar diferentes estrategias de control de malas hierbas crucíferas permitiendo reducir la cantidad de herbicida aplicado en post-emergencia. La aplicación de mapas de tratamiento localizado en fase tardía del cultivo a escala comarcal permitiría un ahorro de herbicida del 61,31% para las zonas que no requieren tratamiento, y del 13,02% en aquéllas que necesitan tratamiento herbicida a dosis reducidas (Resultados publicados en De Castro et al., 2013).