Desde hace varias décadas, el trabajo de técnicos y agricultores ha evolucionado gracias a la aparición de los satélites y drones, sensores y otras herramientas tecnológicas que nos permiten gestionar los cultivos con multitud de datos adicionales, a escala mundial.
Estos datos son un complemento ideal a los trabajos de campo para todos los profesionales, pudiendo optimizar su tiempo y recursos en búsqueda de la sostenibilidad del ecosistema agrario y de la rentabilidad del cultivo.
En anteriores artículos del blog de Graniot, podrá leer más sobre este periodo de transformación digital de la agricultura, conocida como Agricultura de Precisión o Agricultura 4.0.
En los últimos años, numerosos investigadores han desarrollado algoritmos matemáticos que se basan en las bandas o espectros en las que se divida el espectro electromagnético (rango visible, NIR, SWIR, etc).
Como resultado a estas combinaciones matemáticas, mediante teledetección aérea o espacial, somos capaces de extraer información espectral, en base a las longitudes de onda, y con ello conocer el estado y la estructura de la vegetación, incluso minimizando la perturbación de ciertas condiciones como es la presencia de suelos desnudos, escasas cubiertas vegetales o las condiciones atmosféricas (presencia de cobertura de nubes, por ejemplo).
En el mundo profesional, el índice más conocido y usado es el NDVI (Normalized Difference Vegetation Index), diseñado por Tucker (1979) para el monitoreo de coberturas vegetales.
En la agricultura, este índice nos permite estimar el estado de salud del cultivo asociado al vigor vegetal de la planta.
Su ecuación es la siguiente:
NDVI = (NIR-RED) / (NIR+RED)
El índice NDVI tiene unos valores que varían de -1 a 1, siendo los valores negativos todos aquellos que corresponden a vegetación muerta, nubes, masas de agua, nieve o núcleos urbanos; valores cercanos a 0 corresponden a suelos desnudos; mientras que, todo aquello que represente vegetación deberá mostrarse por encima de 0,1. Se entiende que, a mayor valor de índice, mayor salud del mismo (correlacionada con el vigor vegetal).
Estos valores pueden variar según cultivo, momento del ciclo fenológico, presencia de anomalías (plagas o enfermedades), carencia nutricional de la planta o características geográficas.
Para conocer, con mayor profundidad, sus beneficios y aplicaciones, te recomiendo leer el artículo “NDVI – ¿Qué es y cómo me beneficio aplicándolo?”
Cabe mencionar que, el NDVI es solamente uno de los muchos índices de vegetación que son estudiados profesionalmente en la actualidad. Desde Graniot se podrá estudiar los siguientes:
- NDMI (Índice de Humedad de Diferencia Normalizada)
- PCD (Densidad Celular de la Planta)
- LCI (Índice de Clorofila Foliar)
- OSAVI (Índice De Vegetación Ajustado Al Suelo Optimizado)
- MSAVI (Índice De Vegetación Ajustado Al Suelo Modificado)
- GNDVI (Índice De Vegetación De Diferencia Normalizada Verde)
- NDRE (Índice De Diferencia Normalizada De Borde Rojo)
En general, los índices ayudarán generar información relacionada con parámetros biofísicos y/o el estado fisiológico de la vegetación
Posteriormente, estos valores han de ser interpretados por un profesional que los usará, según crea conveniente para planificar sus visitas a campo (zonificando según necesidades del cultivo), tomar muestras foliares o de suelo para su posterior análisis en laboratorio e incluso para hacer prescripciones de tratamientos con productos fertilizantes.
“Decisiones agronómicas basadas en datos”
Los índices, a pesar de su gran valor, no deben ser la única fuente de información analizada, éstos deben ser verificados en campo, ya que no van a sustituir las visitas.
Por eso, es importante un análisis holístico y multidisciplinar del ecosistema agrario, con el objetivo de entender la evolución del cultivo, predecir sus necesidades y actuar para conseguir un mayor rendimiento del mismo.
De este modo, es recomendable correlacionar los índices de vegetación, no solamente entre sí, sino también con información externa. A continuación, os dejamos algunas de las más importantes.
1.- Datos meteorológicos
“Los factores climáticos y meteorológicos son clave para entender el comportamiento de un cultivo”
En el contexto actual de cambio climático, es vital poder monitorizar aquellos factores meteorológicos dentro del área geográfica donde se sitúe nuestro cultivo. La planta va a variar su comportamiento dentro del ciclo fenológico si existen temperaturas fuera del rango normal para una fecha específica o una pluviometría baja o escasa (sequía).
El mejor ejemplo es España, el presente año, donde se han dado unas temperaturas muy elevadas (por encima de 30º en regiones como Jaén, y ha imposibilitado una óptima floración y cuajado del fruto; por ende, se espera una escasa producción en 2023).
Por otro lado, una pluviometría escasa o baja hace que el cultivo no adquiera el agua necesaria para adquirir fortaleza y vigor, permitiendo afrontar las altas temperaturas.
La clave está en monitorizar el cultivo interrelacionando estos datos meteorológicos con los índices de vegetación para comprender la subida o bajada de los valores y anticiparse, con la mayor rapidez posible, en las futuras actuaciones en campo (tratamientos, calendario de riego, etc.).
Ejemplo de un caso real: parcela de olivos en la zona de Úbeda (Jaén) y su variación en el mes de junio del 2023 hasta mitad de julio de 2023 pre y post precipitaciones. Fig. 1.
Fig. 1a: pluviometría de la parcela en el mes de junio y julio de 2023; Fig. 1b: datos de temperaturas diarias en la parcela en el mes de junio y julio de 2023; Fig. 1c: Comparación de NDVI en un periodo de 10 días (12/06/23 a 22/06/23).
En este ejemplo se aprecia, perfectamente, la evolución del índice de vegetación en apenas 10 días. Justo en ese periodo, ha habido unas precipitaciones considerables tras una época de sequía y el valor de la temperatura media ha sido el mínimo en el mes de junio. Se puede decir que la vigorosidad de la planta se debe a efectos directos de esta situación meteorológica y por ende, hay correlación.
Además, como se aprecia en la Fig. 1a, la línea verde representa la subida de la media del índice NDVI, pasando de algo menos de 0.3 a más de 0.5 en un periodo corto de tiempo.
Sería interesante añadir otros datos como pluviometría acumulada, evapotranspiración, humedad relativa o integral térmica.
2.- Análisis multitemporales de índices.
“Los ciclos naturales existen. Realizar análisis multitemporales del cultivo ayuda a comprenderlos”
Comprender los resultados puntuales de un índice de vegetación, obtenido mediante dron o satélite ofrece una información interesante para comprender el cultivo en un momento determinado, pero esa información quedará desactualizada, puesto que el cultivo seguirá evolucionando (positiva o negativamente). De ahí que, monitorizar el cultivo antes, durante y a posteriori resulta fundamental para entender el cultivo y los ciclos naturales de esa parcela.
Asimismo, al tener información histórica de ciertos datos (por ejemplo, imágenes de satélite de años anteriores) puede ser fundamental para predecir datos clave como:
- Comportamiento del cultivo en periodos secos o húmedos.
- Fechas clave de posibles afecciones como plagas o enfermedades, teniendo en cuenta el historial y las condiciones en las que se han manifestado.
- Comparación entre un año 0 y un año «X», lo cual es útil para observar la evolución de ese cultivo en un tiempo determinado.
- Análisis de comparación de decisiones agronómicas entre dos o más años, con el objetivo de conocer la repercusión en el cultivo de determinados usos de insumos, actuaciones agrícolas, entre otros.
3.- Historial de la parcela
“El Historial de un cultivo es de suma importancia para evaluar la variabilidad de los cultivos y poder entender su comportamiento ante situaciones de estrés o anomalías”
La información se construye a través de las diferentes fuentes de información (drones, satélites, sensores, uso de insumos, cuadernos de campo…). El análisis de estos datos se puede correlacionar para determinar volúmenes de producción (en base a los años anteriores).
Cierta información habrá que tomarla desde un momento determinado (datos de campo) y otra se podrá obtener de registros históricos (datos ajenos al cultivo) como estaciones meteorológicas públicas o imágenes de satélite. Todos los datos tendrán más valor si están debidamente georrefenciados.
En Graniot, por ejemplo, se ofrece una base de datos de imágenes de satélite desde 2017 en caso de Sentinel 2 y de 2019 en caso de Planet, por lo que, una vez digitalizada la parcela en la plataforma, se tendría acceso a todos estos datos.
Fig. 3: Historial de notas georreferenciadas de actuaciones agrícolas en una parcela.
La Agricultura Inteligente ayudará a mejorar el rendimiento de los cultivos. Está claro que, las decisiones agronómicas serán óptimas si están basadas en la obtención y análisis de un gran volumen de datos de suelo, condiciones geográficas, necesidad/planificación de riego, historial de plagas o enfermedades, etc.
En definitiva, hay que poner en valor el estudio conjunto del gran volumen de datos que se puede obtener enfocándose en el contexto de la actual agricultura.
4.- Mapas de zonificación
“Entender de forma heterogénea una parcela es recomendable en la agricultura actual”
Un cultivo puede ser muy variable. Dentro de una parcela existen diferentes condiciones edafológicas o geográficas, necesidades nutricionales variables, entre otros factores. Caracterizar estas zonas son un punto clave para entender un cultivo.
Hay varias formas de realizar una zonificación; desde un mapeo directo en campo (lo cual requerirá invertir en recursos) o mediante índices de vegetación. Una vez realizados siempre podrán corroborarse en campo.
Con respecto a la figura 3, se ha descargado un mapa de zonificación automática en base a los datos de NDVI de una fecha determinada.
Este mapa ofrece unos datos claros, del cual se puede obtener:
- Establecer una estimación sobre el potencial productivo de las diferentes zonas
- Planificación de rutas óptimas del agricultor o técnico, pudiendo planificar la visita a campo con antelación. Esto, a su vez, permite:
- Ahorro del combustible. No hace falta visitar la parcela en su totalidad.
- Optimización del tiempo: el agricultor o técnico se centrará en las zonas que requieren de mayor atención.
- Datos para toma de decisiones como dónde coger una muestra y por qué.
- Mapa de prescripción variable, el cual permitirá aplicar la cantidad de producto o insumo que requiera realmente la planta.
- Planificación agrícola
A modo de conclusión, hay que poner en valor el estudio conjunto del gran volumen de datos que se puede obtener enfocándose en el contexto de la actual agricultura.
Todos estos datos puedes estudiarlos a través de nuestra plataforma GRANIOT
Por eso, ofrecemos una suscripción a nuestra plataforma web de 15 días, y te damos la oportunidad de tener una formación con nuestro equipo técnico, para que así puedas aprovechar al máximo las oportunidades que la agricultura de precisión brinda actualmente a cualquier tipo de explotación agraria. ¡Regístrate y comienza ya tu prueba gratuita!
“Infórmate de nuestras licencias o paquetes y lánzate a la digitalización de tu cultivo”.