capcelera

 

UdL

 

ETSEA

 

EAGROF

 

Logo Agrotecnio v2

 

 

 

Esta línea de investigación ha sido parcialmente financiada por:

 

 

 

 

 

Inici > Versión en Español > Investigación del GRAP > Trabajos del GRAP > Análisis espacial de datos agronómicos

Análisis espacial de datos agronómicos

Mapeado de la cosecha en viña (vendimia)

La utilización de sensores y monitores de cosecha en vendimiadoras ha puesto de manifiesto que la producción de uva dentro de una misma parcela puede ser muy variable. De hecho, son muchos los viticultores conocedores de esta variabilidad espacial, la cual afecta no sólo a la producción, sino también a determinados parámetros relacionados con la calidad de la uva. La consecuencia final es una mayor dificultad en predecir la cosecha y, en todo caso, la entrada en la bodega de un producto que, al no diferenciarse su calidad, limita finalmente la oportunidad de poder elaborar y comercializar vinos de calidades también significativamente diferentes.

 

 

Recerca_Geostadxstica_1

Fuente: Spatial variability in grape yield and quality influenced by soil and crop nutrition characteristics, Precision Agriculture 13(3): 393-410; DOI: 10.1007/s11119-011-9254-1

 

 

La obtención de un mapa de cosecha, a partir de la información suministrada por un monitor instalado en una vendimiadora, es una tarea relativamente sencilla. Sin embargo, la interpretación adecuada de un mapa de cosecha puede llegar a ser más complicada. De hecho, antes que del patrón específico de distribución de la cosecha que haya en sus parcelas, el viticultor se preocupa más bien por cuestiones como: ¿por qué la cosecha es tan diferente dentro de una misma parcela? ¿Cuáles son las causas de esta variación? ¿Si la producción es variable, también lo será la calidad de la uva? ¿Estaría justificado, técnica y económicamente, llevar a cabo un manejo diferencial de la parcela ante la variabilidad espacial que contiene?

 

La investigación iniciada a finales de los años noventa en países como Australia, Sudáfrica, Francia, Chile y, algo más tarde, en España comienza a hacer posible una nueva forma de hacer y entender la viticultura, donde la idea clásica de "parcela" como unidad mínima territorial se sustituye por el concepto de "subparcela" (o zona de manejo diferencial) los límites de la cual, ahora dinámicos, se puedan establecer año tras año una vez valorados diferentes parámetros y teniendo en cuenta criterios productivos y /o cualitativos.

 

Teledetección y análisis de la variabilidad espacial de la cosecha y la calidad

El índice de vegetación PCD (Plant Cell Density) se utiliza para la clasificación del vigor en viticultura. El interés de la estimación del vigor de la viña mediante el uso de sensores remotos se debe a la influencia que tiene sobre el rendimiento y la calidad de la uva. En Australia se ha demostrado (Lamb, 2001) que, en variedades tintas, las viñas con mayor vigor y /o densidad de hoja producen más uva pero de más baja calidad debido a la baja concentración de componentes fenólicos y de color en la pulpa. En esta misma línea, se ha podido comprobar la alta correlación que existe entre el índice de vegetación PCD (obtenido a partir de fotografía aérea) y ciertas propiedades cualitativas del mosto, las cuales se expresan posteriormente de manera significativa en las microvinificaciones realizadas a partir de la uva de diferentes zonas (test de Friedman).
 

Recerca_Geostadxstica_2

Fuente: Experiències en Viticultura de Precisió a Catalunya. Xarxa Temàtica de Viticultura de Precisió, 2009

 

Oportunidad de la vendimia selectiva

Las investigaciones más recientes en el campo de la viticultura de precisión han demostrado, además de la estabilidad temporal de los mapas de cosecha, que la delimitación dentro de una parcela de una cantidad pequeña de zonas de diferente productividad (2 ó 3 zonas ) consigue discriminar de igual manera zonas de diferente calidad de la uva (en general, las zonas de la parcela con menor cosecha suelen presentar una mejor calidad de la uva frente a las zonas más productivas) (Bramley y Hamilton, 2004). Aprovechando el hecho de que las cepas más productivas suelen ser las cepas de mayor vigor (o mayor desarrollo foliar), y la posibilidad que ofrecen las imágenes de satélite de poder discriminar satisfactoriamente las zonas de diferente vigor dentro de las parcelas de viña (en base a la obtención del Índice de Vegetación de la Diferencia Normalizada, NDVI, u otros índices), se ha comprobado también la idoneidad de las imágenes de satélite como herramienta de discriminación intraparcelaria de zonas de diferente calidad.

 

En la figura se muestra una parcela de Cabernet Sauvignon de 5,01 ha y los puntos representativos de las cepas muestreadas para características de calidad. Previamente, la imagen (índice NDVI) se clasifica en dos niveles mediante un análisis de conglomerados (análisis clúster). La realización de un análisis de la varianza (ANOVA) para cada uno de los parámetros de calidad según los clústeres de vigor permite comprobar la existencia de diferencias significativas entre los clústeres y, por tanto, la validación del índice NDVI como parámetro de zonificación de la calidad en viña. Sin duda, los resultados obtenidos demuestran que la vendimia selectiva en base a la zonificación de la parcela es una opción a tener en cuenta a la hora de diferenciar la calidad de la uva y, en definitiva, una técnica muy interesante cuando se pretende elaborar y comercializar vinos de calidades también significativamente diferentes.

 

 

Recerca_Geostadxstica_3

Fuente: Review. Precision Viticulture. Research topics, challenges and opportunities in site-specific vineyard management, Spanish Journal of Agricultural Research (2009) 7(4): 779-790

 

Mapeado del Índice de Área Foliar (IAF) mediante sensores láser terrestres

Un ejemplo de utilización de la tecnología LiDAR en agricultura es la obtención de mapas de vegetación. Concretamente, es factible obtener un mapa del índice de área foliar (IAF o LAI) mediante el escaneo continuo de las cepas en una parcela vitícola. La adquisición de datos se realiza con un sensor láser terrestre (p. ej. el LMS 200 de SICK AG, Waldkirch, Alemania), el cual se complementa con un sensor inercial y un receptor GNSS + RTK. A partir de los datos obtenidos y aplicando un algoritmo de cálculo específico (filtrado de datos atípicos, cálculo de superficies de vegetación) es posible la estimación del IAF (para cada metro de longitud a lo largo de la fila de cepas) y su georreferenciación en coordenadas UTM. Para la obtención final de un mapa de superficie (mapa raster), se lleva a cabo una interpolación geoestadística (ordinary kriging) sobre una malla de proyección de 2 m. Finalmente, se puede zonificar la parcela con respecto a la cantidad de vegetación (mapa de 2 o 3 clases) mediante la clasificación de los valores interpolados de IAF con un análisis clúster (algoritmo fuzzy de c-medias).



Recerca_Geostadxstica_4
  Fuente: Mapping the leaf area index in vineyard using a ground-based LiDAR scanner, 11th International Conference on Precision Agriculture (ICPA), 2012


Mapeado de la distribución espacial de plagas para su control y gestión

Otra aplicación de la geoestadística en agricultura es el estudio de la distribución espacial de plagas. El GRAP, junto con el IRTA y el Servicio de Protección Vegetal de la Generalitat de Catalunya, hace más de 10 años que recoge datos de las capturas de determinadas plagas en trampas que hay distribuidas por el área frutícola de Lleida.

 

Los técnicos de las Asociaciones Defensa Vegetal (ADV) son los que mantienen y controlan la red de trampas de feromonas. Los datos sobre capturas se envían vía correo electrónico al centro receptor para la elaboración de mapas digitales de distribución de la plaga (UdL) mediante técnicas geoestadísticas. La distribución de las poblaciones en un determinado territorio se caracteriza por un número importante de variables que hacen que su estudio resulte complicado.

 

A escala local y a gran escala, la geoestadística permite estudiar la mayoría de estas variables como, por ejemplo, el número de capturas de machos de Cydia pomonella (L.) en trampas de feromonas, en los diferentes vuelos de la especie y en una determinada zona . La localización geográfica los años 1996-97 se realizó en una extensión de 5.000 ha (ADV de Torregrossa, con 55 trampas). Los años 2001-2002 el estudio se amplió a 90.000 ha con 240 trampas en 2001 y 500 en 2002, agrupando diferentes ADV del Pla de Urgell. El resultado puede llegar al productor y técnicos en tres días.

 

Una vez realizado el estudio geoestadístico es posible cartografiar la incidencia de la plaga en el territorio. Para poder relacionar y buscar correlaciones entre los diferentes años, se han utilizado los sistemas de información geográfica (SIG). La incorporación de determinadas capas de información (hidrología, humedad, vías de comunicación, distribución de la plaga, etc.) permitirá estudiar las posibles interrelaciones entre ellas, así como el estudio de diferentes índices de dispersión. Conviene hacer referencia también a la influencia de diferentes elementos del paisaje que podrán ser incorporados y estudiados mediante el uso de cartografía de precisión.

 

Geostadistica_plagues_1    Geostadistica_plagues_2

 

 

Mapeado de la distribución espacial de malas hierbas

Complementando los trabajos de identificación y classificación de malas hierbas, una vez desarrollado el sistema se pueden georeferenciar los datos obtinidos con tal de mapear la posición de las malas hierbas dentro del campo. El análisis de esta información permitirá al agricultor o al técnico asesor decidir cual es la mejor estrategia de actuación a llevar a cabo:

 

1 - No aplicar ningún herbicida
2 - Aplicar un herbicida con cobertura total
3 - Realizar una aplicación selectiva, aplicando herbicida solamente donde sea necesario.

 
En la figura siguiente se muestra un mapa de la distribución espacial de malas hierbas clasificades en monocotiledóneas y dicotiledóneas:

 

 

Mapa_distribucio_males_herbes

   Fuente: Weed discrimination using ultrasonic sensors. 2011. Weed Research 51 (6), 543-547. DOI: 10.1111/j.1365-3180.2011.00876.x

 

 

Última modificación: 13/05/2015
Imprimir Enrera Pujar


Inicio | Accessibilidad | Sobre la web | Mapa | Aviso legal | Contacto
© 2014 Universitat de Lleida - Pl. de Víctor Siurana, 1, 25001 Lleida - Tel. (+34) 973 702 000 - Todos los derechos reservados
Ombra