Los drones constituyen un tipo particular de vehículos aéreos no tripulados (UAV, según sus siglas en inglés), que ofrecen algunas ventajas comparativas con respecto a otras tecnologías remotas como las imágenes de satélites. En este artículo se detallan algunos consejos prácticos para obtener de esta tecnología un mayor beneficio cuando se aplica al sector agrícola.
Pilar Barreiro Elorza. Catedrática de Universidad. LPF_TAGRALIA. UPM-CEI_MONCLOA.
Dentro de la categoría de dron, encontramos distintos tipos de vehículos atendiendo a la máxima capacidad de carga portante, el alcance y la altura máxima. En el caso de los drones agrícolas, la categoría es la 0, es decir, menos de 25 kg de capacidad de carga con un alcance máximo (alejamiento) de 15 km y una altura máxima típica de 300 m.
El término dron, proviene del inglés y quiere decir abejorro, puesto que los multi-rotores (ejemplo más típico de dron) tienen la particularidad de poder permanecer estáticos en una posición durante el vuelo, tal y como hacen la abejas cuando liban las flores. Por extensión, sin embargo, se ha extendido el término dron a muchos planeadores aunque en dicho caso sería más correcto emplear simplemente UAV.
Los drones han sido nominados como una de las diez tecnologías disruptivas en la agricultura del año 2014 por la revista MIT Technology Review, editada por el prestigioso centro de investigación universitario americano. Ahora bien, cuando hablamos de los drones en la agricultura curiosamente no es el UAV el que más marca la diferencia, sino su sistema de visión: color, multiespectral, hiperespectral, termográfica o Lidar (láser de barrido).
Consejos prácticos sobre su uso
Figura 1. Algunas ventajas comparativas entre los drones y los satélites o aeronaves.
Es bien cierto que los drones ofrecen algunas ventajas comparativas respecto a otras tecnologías remotas como las imágenes de satélites puesto que la resolución espacial es mejor (cm2 e incluso mm2), la programación de vuelos es más sencilla y frecuente, y no se tiene tanta dependencia de las condiciones atmosféricas (las nubes altas no afectan a la toma de datos), aunque al tratarse de una técnica reciente no se dispone de unas hojas técnicas comparativas entre fabricantes y marcas bien contrastada (figura 1); es más el rango de precios puede oscilar entre 1.000 y 20.000 euros para profunda perplejidad de los usuarios.
Pasos en la utilización de un dron
Figura 2. Pasos a seguir en la utilización de un dron con fines agronómicos.
En algunos contextos se considera que volar el dron es la actividad fundamental para el mapeado de la información, sin embargo, conviene recordar que el número de pasos que han de cubrirse para disponer del mapa sobre el que realizar las estimaciones agronómicas, requiere la secuencia resumida en la figura 2: definir el objeto de interés (suelo, vegetación, mala hierba), seleccionar de la tecnología de detección, elegir la resolución espacial en función del objeto mínimo a identificar, y consecuente seleccionar la altura de vuelo, definir la trayectoria y los puntos de paso, ejecutar el vuelo y adquirir las imágenes, calcular las ortofotos (corrección de la perpendicularidad) y mosaicar para la reunificación de la imágenes en un mapa unificado.
En cada uno de los pasos anteriormente mencionados hay detalles que son determinantes en el éxito de labor, como por ejemplo: la selección de la dirección de vuelo que ha de ser perpendicular a la posición del sol (no tenerlo de cara y no tenerlo de cola, figura 3), comprender el efecto de la altura del sol sobre el horizonte sobre la interacción de la radiación con el cultivo (figura 4), o establecer el error de posicionamiento con el sistema de georreferenciación.
Figura 3. Calibración y corrección de efectos interferentes (Agrosensor).
¿De qué sirve una resolución de mm2 si el error de posicionamiento es 10 o 100 veces superior? En este sentido el desarrollo de antenas RTK de muy reducido peso y tamaño es fundamental y sin embargo no es frecuente oír hablar de este aspecto cuando se cotejan drones. Es más, si el sistema de georreferenciación dispone de los algoritmos adecuados para el cálculo de la densidad de probabilidad de su localización (filtro de Kalman), es a su vez posible reconstruir los mapas de índices espectrales empleando estas funciones, es decir corrigiendo en función de los valores espectrales vecinos.
Otro aspecto fundamental es la calidad de la óptica del detector, y la corrección de sus inhomogeneidades, así como sus algoritmos de calibración contra efectos interferentes como la radiación total incidente, la presencia de sombras o la altura del sol en el horizonte. Hay muy pocas empresas que aporten datos de campo contrastados y es Airinov la que dispone de unos trabajos científicos verificados a través del INRA (Consejo Superior de Investigación de Francia), con patentes que son fácilmente localizables en internet.
El paso del espectro a estado agronómico
La viabilidad de emplear no sólo luz visible sino radiaciones multi e hiper-espectrales (decenas o centenas de bandas respectivamente) es algo conocido y reconocido (figura 5). Lo más sencillo es simplemente intentar segregar suelo de vegetación aunque cada especie vegetal dispone de su propia firma espectral y es por tanto potencialmente identificable en imágenes hiperespectrales.
Figura 4. Espectro y reflectancia.
Ahora bien cuando empleamos drones (u otras tecnologías remotas) para establecer un estado agronómico, resulta imprescindible establecer una serie de hipótesis que en muchos casos resultan discutibles.
¿Cuál es la contribución espectral de hojas, tallos u otros órganos vegetativos a la respuesta espectral global? ¿Cuál es la reflexión especular y cuál la difusa? La ventaja de la tecnología de los drones es que se están nutriendo de la experiencia de décadas de desarrollo de algoritmos de cálculo por parte de las tecnologías satelitales.
Y así sabemos que en el rango visible lo que detectamos son pigmentos como la clorofila, los carotenos y los polifenoles, mientras que en el infrarrojo detectamos la densidad y la estructura de las células y tejidos, así como su contenido en humedad, de manera que resulta posible estimar la biomasa seca y húmeda, el índice de área foliar (LAI), el índice de área verde (GAI, incluye tallos) o el nivel de cobertura vegetal del suelo (figura 5); mientras que combinando rojo e infrarrojo podemos establecer el índice de vegetación normalizado o NDVI que ofrece indicaciones sobre la calidad del desarrollo vegetativo.
Figura 5. Bases teóricas para realizar el paso de espectro a estado agronómico.
Una revisión reciente nos muestra algunos usos de NDVI en distintos cultivos (figura 6a) empleando como parámetros de comparación el coeficiente de determinación, es decir, la capacidad de explicación (máximo 1), respecto al índice agronómico representado en la figura 6b: la LAI, el rendimiento del cultivo, la biomasa, la actividad fotosintética o el estado de los estomas. Y es aquí donde encontramos una gran diferencia entre aquellos autores y dispositivos que simplemente buscan relaciones empíricas entre los índices espectrales y los índices agronómicos (aproximación típica americana por parte del USDA), y los que emplean modelos radiométricos (como la serie Prospect) como el dron desarrollado originalmente por Airinov.
Figura 6. Algunos usos de NDVI en diferentes cultivos.
Más allá del establecimiento de los índices de vegetación (directamente relacionados con las necesidades de fertilización, riego y potencial presencia de plagas y enfermedades), la cartografía aérea con drones permite establecer un conteo exhaustivo de plantas y su período de nascencia (relacionado entre otras cuestiones con variaciones de la profundidad de siembra especialmente en no-laboreo). Por tanto, a su vez estos índices agronómicos nos llevan de vuelta a la calidad de la labor mecanizada previamente realizada y no sólo a las variaciones sub-parcelarias de origen natural. En cuanto a las malas hierbas, hay que aclarar que a día de hoy su detección se restringe a cultivos en líneas puesto que el número de bandas espectrales que se emplea no permite identificar las malas hierbas en un cereal de invierno.
Procesado de los mapas aéreos
Para poder comprender la complejidad que supone el procesado de los mapas aéreos hasta obtener un mapa de aplicación o tratamiento. Incluyo la figura 7 en la que se establece en un diagrama de flujo el conjunto de cálculos desde la imagen UAV hasta la obtención del mapa de prescripción.
Figura 7. Algunos usos de NDVI en diferentes cultivos.
Finalmente, me gustaría indicar que el mayor beneficio del empleo de la cartografía área resulta en aquellos casos en que no sólo podemos establecer una prescripción diferencial de insumos en la parcela, sino en aquellas ocasiones en que incluso podemos tomar la decisión de no recorrer toda la parcela (cuando el área a tratar esté muy acotada), y en este caso, obtenemos beneficios adicionales como la reducción de la compactación del suelo o el ahorro de combustible. De donde se deduce que la generación de estándares de interoperabilidad entre los drones y otras aplicaciones agrícolas es fundamental, tal y como lo ha declarado la asociación europea de fabricante de maquinaria agrícola (CEMA) en su hoja informativa de julio de 2016.
