Optimización del manejo de cultivos leñosos a través del análisis automatizado de imágenes obtenidas con vehículos aéreos no tripulados

Abstract

La actividad agrícola ha seguido un largo proceso de evolución y de intensificación para incrementar la producción de los cultivos y satisfacer la creciente demanda de alimentos, pienso y fibra. Las técnicas empleadas en agricultura durante la “Revolución Verde” (1960-1980) tuvieron como principal objetivo el aumento de la producción sin prestar especial atención a la calidad nutricional ni a la conservación de los recursos naturales, es decir, a la sostenibilidad de la actividad agrícola. A causa de ello, en las últimas décadas han surgido inconvenientes de diversa índole relacionados, entre otros, con la contaminación de acuíferos y la erosión de suelos, la reducción notable de biodiversidad y la aparición de resistencias y nuevas plagas, enfermedades y malas hierbas. La sensibilización y la preocupación de la sociedad por la conservación del medio ambiente han originado una búsqueda del equilibrio entre producción y sostenibilidad. En este contexto, han surgido nuevas formas de agricultura sostenible entre las que destaca la Agricultura de Precisión, cuyo desarrollo se ve potenciado por la Digitalización de la Agricultura creándose un nuevo paradigma conocido como “Agricultura 4.0”. Una de las tecnologías con más proyección para este fin es la Teledetección, debido a la disponibilidad de nuevas plataformas para la adquisición de imágenes y al aumento del poder computacional de los equipos informáticos para el análisis de éstas. Ambos factores han permitido la aplicación de técnicas de análisis de imagen basado en objetos (OBIA) y aprendizaje automático, contribuyendo a resolver parte de las dificultades relacionadas con la adopción práctica de la Agricultura de Precisión. En esta Tesis Doctoral se han desarrollado un conjunto de trabajos mediante la combinación del uso de un vehículo aéreo no tripulado (UAV), modelos tridimensionales a partir de técnicas fotogramétricas y el desarrollo de procedimientos automáticos OBIA. El UAV fue equipado con sensores en distinto rango espectral para la adquisición de información de diferentes variables agronómicas y escenarios en el contexto de la agricultura de precisión. A partir de lo anterior, la presente Tesis Doctoral se ha centrado en contribuir en la generación de conocimiento para la optimización del manejo de dos cultivos leñosos de gran relevancia agronómica y socioeconómica (olivar y viñedo) de manera eficiente, económica y sostenible, principalmente en cuanto al uso sostenible de fitosanitarios. Por un lado, se ha abordado la caracterización tridimensional de ambos cultivos para llevar a cabo una monitorización multitemporal de la arquitectura de cada uno de los olivos, o cepas (en el caso de viñedo), presentes en las parcelas analizadas para la cuantificación del crecimiento vegetativo en viñedo según diferentes fechas y distintas podas en olivar, y por otro, se ha puesto a punto una metodología para la detección y cartografía de la mala hierba gramínea y perenne, conocida como grama (Cynodon dactylon L.), cuya presencia en los viñedos de diferentes zonas geográficas del país está ocasionando serios problemas de competencia y control. Los resultados obtenidos ponen de manifiesto el potencial de la combinación UAV-OBIA para llevar a cabo estrategias de manejo localizado y contribuir a la Digitalización de la Agricultura. Además, con los ajustes oportunos, los algoritmos OBIA de análisis de imágenes UAV desarrollados podrían ser adaptables y transferibles a otros cultivos leñosos, ya sea para la caracterización tridimensional con otros objetivos como el fenotipado de variedades, o para la cartografía de otras malas hierbas problemáticas o de difícil control.

The agricultural activity has followed a long process of evolution and intensification to increase crop production and meet the growing demand for food, feed and fiber. The techniques used in agriculture during the "Green Revolution" (1960-1980) had as their main objective the increase of production without paying special attention neither to the nutritional quality nor to the conservation of natural resources, i.e., to the sustainability of the agricultural activity. As a result, serious problems have arisen in last decades, including water pollution and soil erosion, a significant reduction in biodiversity and the emergence of resistances and new pests, diseases and weeds. Society's awareness and concern for environmental conservation have led to a search for a balance between production and sustainability. In this context, new forms of sustainable agriculture have emerged, including Precision Agriculture, whose development is strengthened by the Digitalization of Agriculture creating a new paradigm known as "Agriculture 4.0". One of the technologies with more projection for this purpose is Remote Sensing due to the availability of new platforms for acquiring images and the increase in the computational power of computer equipment for their analysis. Both factors have allowed the application of object-based image analysis (OBIA) and automatic learning techniques, contributing to solve part of the difficulties related to the practical adoption of Precision Agriculture. In this Doctoral Thesis, a set of works have been developed by combining the use of an unmanned aerial vehicle (UAV), three-dimensional models based on photogrammetric techniques and the design of automatic OBIA procedures. The UAV was equipped with sensors in different spectral range for acquiring information of several agronomic variables and scenarios in the context of precision agriculture. On this basis, this Doctoral Thesis has focused on contributing to the generation of knowledge for the optimization of the management of two woody crops of great agronomic and socioeconomic relevance (olive orchard and vineyard) in an efficient, economic and sustainable way, mainly in terms of sustainable use of phytosanitary applications. The three-dimensional characterization of both crops has been used to carry out a multitemporal monitoring of the architecture of each one of the olive trees or vines, present in the analyzed fields, for quantifying the vegetative growth in olive orchards according to different prunings and in vineyards, and on the other hand, a methodology has been developed for detecting and mapping bermudagrass (Cynodon dactylon L.), a perennial weed whose presence in vineyards of different geographical areas of the country is causing serious problems of competition and control. The results obtained show the potential of the UAV-OBIA combination to address site-specific management strategies and contribute to the Digitization of Agriculture. In addition, it is discussed that with the appropriate adjustments, the OBIA algorithms developed for analyzing the UAV images could be adaptable and transferable to other woody crops, either for three-dimensional characterization with other objectives such as the phenotyping of varieties, or for mapping other weeds difficult to control.