Rendimiento de las cosechas

Un estudio del Instituto de Ingeniería del Agua y Medio Ambiente (IIAMA) de la Universitat Politècnica de València y del Centro de Investigaciones sobre Desertificación (CIDE, CSIC-UV-GVA), ha desarollado una metodología que combina modelos de silulación de cultivos con datos obtenidos mediante drones. Los resultados, publicados en la revista Computers and Electronics in Agriculture, optimizan la predicción del rendimiento agrícola y el análisis el uso del agua en cultivos agrícolas de alto valor, como el brócoli.

La metodología se apoya en Aquacrop, una herramienta desarrollada por la Organización de las Naciones Unidas para la Agricultura y la Alimentación (FAO) que evalúa la eficiencia hídrica del cultivo y proyecta el rendimiento final basándose en distintos escenarios de disponibilidad de agua. Se trata de una especie de laboratorio virtual que permite predecir con precisión cuánto producirá el campo según el agua disponible. “Concretamente, se utiliza Aquacrop-OSPy, una implementación de código abierto en el lenguaje de programación Python que reproduce la formulación de Aquacrop y facilita la integración de la teledetección y de técnicas de asimilación de datos”, explica Jesús Huertas, investigador del IIAMA y autor principal del estudio.

Los resultados muestran que la integración de la información obtenida mediante teledetección con drones, en particular, la relacionada con la cobertura vegetal del cultivo, reduce los errores a la hora de predecir la cosecha.

Brócoli, modelo de estudio

Con el objetivo de validar la metodología, los investigadores realizaron un ensayo de campo mediante el cultivo de brócoli durante dos campañas agrícolas en una parcela experimental de 0,2 hectáreas, situada en el este de España. La prueba comparó dos formas de gestionar el agua: una guiada por el sistema de apoyo a la toma de decisiones Irrigation Advisor (IA) y otra basada en la experiencia del agricultor. Este contraste permitió medir cuánto margen de mejora ofrece la tecnología frente a los métodos convencionales en el uso del agua.

“Esta comparación se utilizó para introducir variabilidad y evaluar el comportamiento del modelo bajo dos condiciones de manejo de riego”, indica Diego S. Intrigliolo, investigador del CSIC en el CIDE (CSIC-UV-GVA).

En la fase de validación, el equipo investigador introdujo en el software de Aquacrop datos reales captados por drones en tres vuelos diferentes, tanto de la cobertura vegetal del cultivo como de la evapotranspiración (pérdida de humedad por la evaporación directa desde el suelo y por la transpiración de las plantas a través de sus estomas). En relación a la predicción del rendimiento del cultivo, la integración de estos datos redujo el RMSE (Root Mean Square Error) —indicador que mide el margen de error del sistema— en torno al 12%. En concreto, el error disminuyó de 1.67 a 1.47 toneladas por hectárea en comparación con las simulaciones que no contaban con la información proporcionada por los drones.

Además, las estimaciones de evapotranspiración obtenidas a partir de imágenes térmicas y de un modelo de balance de energía (TSEB, Two-Source Energy Balance), que evalúa la cantidad de agua que pierden los cultivos en función de la temperatura que captan los drones, mostraron una elevada concordancia con las mediciones directas en campo mediante micro-lisimetría (técnica de medición que monitorea, en tiempo real y sobre el terreno, el balance hídrico).

Identificar los parámetros adecuados

El estudio permitió identificar, mediante un análisis de sensibilidad global, los parámetros del cultivo con mayor influencia en la simulación de la cobertura vegetal y del rendimiento de la cosecha. Esta información facilitó la calibración del modelo y orientó sobre qué parámetros resultan más informativos para las variables objetivo. Tras identificar los parámetros clave, el equipo ajustó el modelo en dos etapas a partir de un esquema de optimización híbrido (PSO + L-BFGS-B). Este sistema combina una exploración global para buscar los parámetros más adecuados con un ajuste de refinamiento local para asegurar la exactitud de la información.

“En conjunto, los resultados sugieren que integrar observaciones de vehículos aéreos no tripulados (UAV) de alta resolución en modelos de cultivo puede contribuir a mejorar el diagnóstico del uso del agua y la predicción del rendimiento en condiciones mediterráneas”, afirma Miguel Ángel Jiménez Bello, investigador del IIAMA y coautor del trabajo.

No obstante, “las conclusiones deben interpretarse como indicativas y requieren de una validación adicional en más campañas, explotaciones, cultivos y condiciones de manejo”, aclara el investigador del CIDE Juan Miguel Ramírez-Cuesta.

Este trabajo ha sido realizado en el ámbito del proyecto DigitalRiego, financiado por la Agencia Valenciana de la Innovación y la Unión Europea a través del Fondo Europeo de Desarrollo Regional (FEDER).