capcelera

 

UdL

 

ETSEA

 

EAGROF

 

Logo Agrotecnio v2

 

 

 

Aquesta línia de recerca ha estat parcialment finançada per:

 

 

 

 

 

 

Inici > Recerca del GRAP > Treballs del GRAP > Anàlisi espacial de dades agronòmiques

Anàlisi espacial de dades agronòmiques

Mapat de la collita en vinya (verema)

La utilització de sensors i monitors de collita en veremadores ha posat de manifest que la producció de raïm dins d’una mateixa parcel·la pot ser molt variable. De fet, són molts els viticultors coneixedors d’aquesta variabilitat espacial, la qual afecta no només a la producció, sino també a determinats paràmetres relacionats amb la qualitat del raïm. La conseqüència final és una major dificultat en poder predir la collita i, en tot cas, l’entrada en el celler d’un producte que, al no diferenciar-se la seva qualitat, limita finalment l’oportunitat de poder elaborar i comercialitzar vins de qualitats també significativament diferents.

 

Recerca_Geostadxstica_1

Font: 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

 

L’obtenció d’un mapa de collita a partir de la informació subministrada per un monitor instal·lat en una veremadora és una tasca relativament senzilla. Però, la interpretació adequada d’un mapa de collita pot arribar a ser més complicada. De fet, abans que el patró específic de distribució de la collita que hi hagi en les seves parcel·les, el viticultor es preocupa més aviat per qüestions com: ¿per què la collita és tan diferent dins d’una mateixa parcel·la? ¿quines són les causes d’aquesta variació? ¿si la producció és variable, també ho serà la qualitat del raïm? ¿estaria justificat, tècnicament i econòmica, portar a terme un maneig diferencial de la parcel·la davant la variabilitat espacial que conté?

La investigació iniciada a finals dels anys noranta en països com Austràlia, Sudàfrica, França, Xile i, una mica més tard, a Espanya comença a fer possible una nova forma de fer i entendre la viticultura, on la idea clàssica de “parcel·la” como a unitat mínima territorial es substitueix pel concepte de “subparcel·la” (o zona de maneig diferencial) els límits de la qual, ara dinàmics, es puguin establir any rere any un cop valorats diferents paràmetres i tenint en compte criteris productius i/o qualitatius.

 

Teledetecció i anàlisi de la variabilitat espacial de la collita i la qualitat

L’índex de vegetació PCD (Plant Cell Density) s’utilitza per a la classificació del vigor en viticultura. L’interès de l’estimació del vigor de la vinya mitjançant l’ús de sensors remots es deu a la influència que té sobre el rendiment i la qualitat del raïm. A Austràlia s’ha demostrat (Lamb, 2001) que, en varietats negres, les vinyes amb major vigor i/o densitat de fulla produeixen més raïm però de més baixa qualitat degut a la baixa concentració de components fenòlics i de color a la polpa. En aquesta mateixa línia, s’ha pogut comprovar l’alta correlació que existeix entre l’índex de vegetació PCD (obtingut a partir de fotografia aèria) i certes propietats qualitatives del most, les quals s’expressen posteriorment de manera significativa en les microvinificacions realitzades a partir del raïm de diferents zones (test de Friedman).
 

Recerca_Geostadxstica_2

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

 

Oportunitat de la verema selectiva

Les investigacions més recents en el camp de la viticultura de precisió han demostrat, a més de l’estabilitat temporal dels mapes de collita, que la delimitació dins una parcel·la d’una quantitat petita de zones de diferent productivitat (2 o 3 zones) aconsegueix discriminar d’igual manera zones de diferent qualitat del raïm (en general, les zones de la parcel·la amb menor collita solen presentar una millor qualitat del raïm en front les zones més productives) (Bramley i Hamilton, 2004). Aprofitant el fet que els ceps més productius solen ser els ceps de major vigor (o major desenvolupament foliar), i la possibilitat que ofereixen les imatges de satèl·lit de poder discriminar satisfactòriament les zones de diferent vigor dins les parcel·les de vinya (en base a l’obtenció de l’Índex de Vegetació de la Diferència Normalitzada, NDVI, o altres índex), s’ha comprovat també la idoneïtat de les imatges de satèl·lit com a eina de discriminació intraparcel·lària de zones de diferent qualitat.

A la figura es mostra una parcel·la de Cabernet Sauvignon, de 5,01 ha, i els punts representatius dels ceps mostrejats per a característiques de qualitat. Prèviament, la imatge (índex NDVI) es classifica en dos nivells mitjançant una anàlisi de conglomerats (anàlisi cluster). La realització d’una anàlisi de la variància (ANOVA) per a cadascun dels paràmetres de qualitat segons els clusters de vigor permet comprovar l’existència de diferències significatives entre els clusters i, per tant, la validació de l’índex NDVI com a paràmetre de zonificació de la qualitat en vinya. Sens dubte, els resultats obtinguts demostren que la verema selectiva en base a la zonificació de la parcel·la és una opció a tenir en compte a l’hora de diferenciar la qualitat del raïm i, en definitiva, una tècnica molt interessant a l’hora d’elaborar i comercialitzar vins de qualitats també significativament diferents.

 

Recerca_Geostadxstica_3

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

 

Mapat de l’Índex d’Àrea Foliar (IAF) amb sensors làser terrestres

Un exemple d’utilització de la tecnologia LiDAR en agricultura és l’obtenció de mapes de vegetació. Concretament, és factible obtenir un mapa de l’índex d’àrea foliar (IAF o LAI) mitjançant l’escaneig en continu dels ceps en una parcel·la vitícola. L’adquisició de dades es realitza amb un sensor làser terrestre (p.ex el LMS 200 de SICK AG, Waldkirch, Alemanya), el qual es complementa amb un sensor inercial i un receptor GPS+RTK. A partir de les dades obtingudes i aplicant un algorisme específic de càlcul (filtrat de dades atípiques, càlcul de superfícies de vegetació) es possible l’estimació del IAF (per a cada metre de longitud al llarg de la fila de ceps) i la seva georeferenciació en coordenades UTM. Per a l’obtenció final d’un mapa de superfície (mapa ràster), es porta a terme una interpolació geoestadística (ordinary kriging) sobre una malla de projecció de 2 m. Finalment, es pot zonificar la parcel·la pel que fa a la quantitat de vegetació (mapa de 2 o 3 classes) mitjançant la classificació dels valors interpolats d’IAF amb una anàlisi cluster (algorisme fuzzy de c-mitjanes).



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


Mapat de la distribució espacial de plagues per al seu control i gestió

Una altra aplicació de la geoestadística a l'agricultura és l'estudi de la distribució espacial de plagues. El GRAP, juntament amb l’IRTA i el Servei de Protecció Vegetal de la Generalitat de Catalunya, fa més de 10 anys que recull dades de les captures de determinades plagues en trampes que hi ha distribuïdes per l’àrea fructícola de Lleida.

Els tècnics de les Associacions Defensa Vegetal (ADV) són els que mantenen i controlen la xarxa de trampes de feromones. Les dades sobre captures s'envien via correu electrònic al centre receptor per a l’elaboració de mapes digitals de distribució de la plaga (UdL) mitjançant tècniques geoestadístiques. La distribució de les poblacions en un determinat territori està caracteritzada por un nombre important de variables que fan que el seu estudi resulti complicat.

A escala local i a gran escala, la geoestadística permet estudiar la majoria d’aquestes variables com, per exemple, el número de captures de mascles de Cydia pomonella (L.) en trampes de feromones, en els diferents vols de l’espècie i en una determinada zona. La localització geogràfica els anys 1996-97 es va realitzar en una extensió de 5.000 ha (ADV de Torregrossa, amb 55 trampes). Els anys 2001-2002 l’estudi es va ampliar a 90.000 ha amb 240 trampes l’any 2001 i 500 el 2002, agrupant diferents ADV del Pla d’Urgell. El resultat pot arribar al productor i tècnics en tres dies.

Una vegada realitzat, l’estudi geoestadístic permet cartografiar la incidència de la plaga al territori. Per a poder relacionar i buscar correlaciones entre els diferents anys, s’han utilitzat els sistemes d’informació geogràfica (SIG). La incorporació de determinades capes d’informació (hidrologia, humitat, vies de comunicació, distribució de la plaga, etc.) permetrà estudiar les possibles interrelaciones entre elles, així com l’estudi de diferents índex de dispersió. Convé fer referència també a la influència de diferents elements del paisatge que podran ser incorporats i estudiats mitjançant l’ús de cartografia de precisió.

 

Geostadistica_plagues_1    Geostadistica_plagues_2

 

Mapat de la distribució espacial de males herbes

Complementant els treballs d'identificació i classificació de males herbes, una vegada desenvolupat el sistema es poden georeferenciar les dades obtingudes per tal de mapar la posició de les males herbes dins del camp. L'anàlisi d'aquesta informació permetrà a l'agricultor o al tècnic assessor decidir quina és la millor estratègia d'actuació a dur a terme:

1.- No aplicar cap herbicida

2.- Aplicar un herbicida amb cobertura total

3.- Realitzar una aplicació selectiva, aplicant herbicida només allà on sigui necessari.

 

A la figura següent es mostra un mapa de la distribució espacial de males herbes classificades en monocotiledònies i dicotiledònies.

 

Mapa_distribucio_males_herbes

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

 

 

 

 

Darrera modificació: 13/05/2015
Imprimir Enrera Pujar


Inici | Accessibilitat | Sobre el web | Mapa | Avís legal | Contacte
© 2014 Universitat de Lleida - Pl. de Víctor Siurana 1, 25003 Lleida - Tel. (+34) 973 702 000 - Tots els dret reservats
Ombra