La radiometria és la ciència que estudia i mesura la radiació electromagnètica. Per tant, els sensors radiomètrics són aquells sensors que mesuren i quantifiquen la radiació electromagnètica que els arriba. Aquests sensors poden ser actius o passius. Els sensors actius tenen la seva pròpia font d’energia i mesuren la fracció de la radiació emesa reflectida pels objectes que hi hagi al seu voltant. En canvi, els sensors passius no emeten radiació, de manera que la radiació que capten és la reflectida pels objectes a partir d’una font d’energia aliena al sensor. En agricultura, aquesta font d’energia acostuma a ser el sol i els objectes mesurats, les plantes.

Classificació de sensors radiomètrics

Hi ha diferents tipus de sensors radiomètrics segons la naturalesa de la radiació que mesuren. Els més habituals en Agricultura de Precisió són els sensors anomenats multiespectrals, és a dir, aquells que mesuren diverses bandes de l’espectre electromagnètic, normalment fins a unes 15. Quan poden mesurar més bandes, els sensors s’anomenen hiperespectrals i el seu ús és més habitual en l’àmbit de la recerca.

Segons la manera com capturen les dades, els sensors poden realitzar mesures de tipus puntual, matricial i per escombratge. Les mesures puntuals retornen la intensitat de la radiació reflectida en les diferents longituds d’ona a les que el sensor és sensible en una zona de mesura de dimensions reduïdes (alguns centímetres quadrats). Tanmateix, la mesura és un únic valor d’intensitat per cadascuna de les bandes mesurades. En canvi, un sensor de mesura matricial és capaç de mesurar la intensitat de la radiació rebuda en cadascuna de les cel·les d’una matriu de files i columnes. El resultat és un valor de radiació per cada cel·la del sensor i cada cel·la representa una fracció de l’escena mesurada. Aquest és el cas de les imatges RGB de les càmeres digital. El sensor de la càmera mesura les longituds d’ona corresponents als colors vermell, verd i blau en cadascuna de les cel·les que té. El resultat són tres matrius de píxels cadascuna enregistrant la quantitat de llum vermella, verda i blava que ha arribat al sensor. Les tres matrius superposades donen lloc a una imatge plana amb colors RGB. El nombre de files i columnes de cel·les determina la resolució de la imatge. Si en comptes de mesurar només les longituds d’ona corresponents als tres color, el sensor és capaç d’enregistrar altres bandes, a cadascuna de les noves bandes li correspondrà una nova matriu de valors. Finalment, els sensors d’escombratge només tenen una fila o una columna de cel·les i la matriu necessària per a representar l’escena capturada es genera amb el desplaçament del sensor. El cas més habitual són els sensors multiespectrals embarcats en satèl·lits (Figura 1).

Figura 1. Representació del satèl·lit Sentinel-2 que incorpora un sensor multiespectral d’escombratge de 13 bandes. Font: ESA.

 

Una altra classificació possible és segons el nombre d’objectius que tingui el sensor. Un sensor monofocal RGB, amb un sol objectiu, habitualment capta les tres longituds d’ona corresponents als colors vermell, verd i blau. Es pot modificar el sensor incorporant filtres a l’objectiu per a captar altres longituds d’ona (Figura 2 esquerra). Si es desitja captar més bandes, llavors caldrà disposar de més objectius, tal com es mostra a la Figura 2 dreta, on la càmera disposa de 6 objectius, cadascun per a captar una longitud d’ona diferent.   

Figura 2. Càmera Mapir Survey 3 monofocal amb 3 longituds d’ona RGNIR (esquerra) i càmera multifocal MicaSense RedEdge-P amb 6 longituds d’ona RGB+NIR+RedEdge+Pancromàtic (dreta).

Aplicacions en Agricultura de Precisió

En Agricultura de Precisió es fan servir aquest tipus de sensors per a obtenir informació sobre els cultius. A partir de la combinació de les diferents longituds d’ona es poden obtenir diversos índex de vegetació que descriguin l’estat dels cultius.

El tipus de sensor i les seves característiques determinen la resolució espacial de les mesures i la seva qualitat. No és el mateix obtenir una mesura puntual que una imatge en la que per cada píxel es pot obtenir un valor de l’índex de vegetació desitjat.

També és molt important la plataforma on s’embarca el sensor. Com més lluny estigui el sensor del cultiu, més afectacions tindrà la radiació que li arribi i més correccions caldrà realitzar per a obtenir mesures fiables. Això és especialment important en el cas dels sensors embarcats en satèl·lits, on la llum reflectida pel cultiu ha de travessar tota l’atmosfera abans d’arribar al sensor.

 

Documents relacionats

• Els índex de vegetació
• Sentinel-2
• Càlcul de l’NDVI amb Sentinel-2 i QGIS

Aquesta obra està sota una llicència de Creative Commons Reconeixement-NoComercial-CompartirIgual 4.0 Internacional(CC BY-NC-SA 4.0)

Les càmeres de profunditat són sensors que permeten adquirir imatges on, per cada píxel, es mesura la distància entre la càmera i els objectes (blancs) fotografiats (Figura 1.b), permetent la generació d’imatges 3D (tres dimensions) en format de núvol de punts (Figura 1.c). Algunes càmeres de profunditat també proporcionen dades de color (Figura 1.a). Els dispositius que proporcionen simultàniament una imatge de color i una imatge de profunditat també són anomenats càmeres o sensors RGB-D, on RGB es refereix a la imatge de color (acrònim pels canals de cada color, de “Red, Green and Blue” en anglès) i D es refereix a la imatge de profunditat (“depth” en anglès) que en català es podria anomenar distància.

A continuació es mostra un exemple d’una imatge RGB-D i el corresponent núvol de punts 3D:

Figura 1. Exemple d’imatge RGB-D adquirida amb el sensor Microsoft Azure Kinect DK en una plantació de pomeres. a) Imatge de color (RGB); b) Imatge de profunditat (D); c) Núvol de punts 3D generat a partir de la imatge de profunditat.

Tipus de càmeres de profunditat

Com es mostra a la Figura 2, segons el principi de funcionament, les càmeres de profunditat es classifiquen en: estereovisió, llum estructurada o temps de vol (ToF, “Time-of-flight” en anglès).

Figura 2. Representació dels principis de funcionament de les càmeres de profunditat basades en: a) estereovisió; b) llum estructurada; i c) temps de vol. (Font: http://hdl.handle.net/10803/669110)

L’estereovisió és una tècnica fotogramètrica inspirada en la visió humana. Els dispositius basats en estereovisió incorporen dos càmeres monofocals i calculen les distàncies fins als blancs mitjançant triangulació entre punts homòlegs en ambdues imatges. Un avantatge d’aquest tipus de sensors és que poden operar en condicions d’il·luminació elevades, permetent el seu ús a l’exterior sota l’efecte de la llum solar. Un exemple de sensor RGB-D basat en estereovisió és la càmera ZED de la firma Stereolabs (Figura 3).

Figura 3. Càmera ZED. Sensor RGB-D basat en el principi de funcionament d’estereovisió. (Font: https://www.stereolabs.com/zed-2/)

El principi de funcionament dels sensors de llum estructurada és similar al de l’estereovisió, però en aquest cas es basa en l’emissió (projecció) d’un patró conegut de llum infraroja (IR) sobre el blanc objecte d’estudi i la posterior captura mitjançant un receptor (càmera) del patró distorsionat per la superfície del blanc. Un inconvenient d’aquests sensors és que les mesures de profunditat es veuen afectades en condicions d’il·luminació elevades, limitant el seu ús en condicions d’interior o en franges horàries amb poca il·luminació solar. Un exemple de sensor RGB-D basat en llum estructurada és el sensor Kinect v1 de Microsoft (Figura 4).

Figura 4. Sensor Kinect v1. Sensor RGB-D basat en el principi de funcionament de llum estructurada. (Font: https://doi.org/10.1016/j.compag.2018.03.003)

Els sensors basats en el principi de temps de vol també incorporen un emissor i un receptor de llum IR. En aquest cas, la distància es calcula a partir del temps requerit pel pols de llum emès en completar la trajectòria d’anada i tornada entre el sensor i el blanc mesurat. Altres sensors de temps de vol emeten ones de llum modulades en amplitud i calculen la distància a partir de la diferència de fase entre l’ona de llum emesa i l’ona rebuda pel receptor (ona que retorna del blanc). El rendiment d’aquests sensors també es veu afectat en condicions d’il·luminació elevades, però aquesta afectació és menor quan es mesuren blancs a prop del sensor, permetent el seu ús en condicions exteriors quan es capturen dades des de distàncies curtes. Un exemple de sensor RGB-D basat en temps de vol (ToF) és el sensor Azure Kinect DK de Microsoft (Figura 5).

Figura 5. Sensor Azure Kinect DK. Sensor RGB-D basat en el principi de funcionament de temps de vol. (Font: https://azure.microsoft.com/es-es/products/kinect-dk)

Aplicacions a l’agricultura de precisió

Les càmeres de profunditat i sensors RGB-D s’han utilitzat per a la caracterització geomètrica de les plantacions, així com per la identificació i mesura d’òrgans vegetatius (fruits, fulles, etc.). Malgrat que els sensors LiDAR s’han emprat més per la caracterització geomètrica gràcies a la seva robustesa en condicions d’il·luminació elevades, els sensors RGB-D tenen l’avantatge de ser més econòmics i proporcionar dades de color. A més, els avenços tecnològics han permès que cada cop siguin menys sensibles a les condicions d’il·luminació.

Les seves principals aplicacions en l’agricultura de precisió són:

• Caracterització geomètrica: monitoratge del creixement i identificació de zones amb problemes de desenvolupament.
• Identificació i mesura d’elements vegetatius: troncs, branques, etc.
• Detecció i mesura automàtica de fruits per l’estimació de collita i mapes de producció.
• Ajust de la dosi de recursos agrícoles a les dimensions del dosser foliar: pesticides, fertilitzants, regs, etc.
• Maneig de la capçada en operacions de poda.
• Identificació de males herbes.

Més info i referències

Gregorio, E., Llorens, J. (2021). Sensing Crop Geometry and Structure. In: Kerry, R., Escolà, A. (eds) Sensing Approaches for Precision Agriculture. Progress in Precision Agriculture. Springer, Cham. https://doi.org/10.1007/978-3-030-78431-7_3

Publicacions científiques del Grup de Recerca en AgròTICa i Agricultura de Precisió: http://www.grap.udl.cat/ca/publications/Publicacions-cientifiques

 

 

Aquesta obra està sota una llicència de Creative Commons Reconeixement-NoComercial-CompartirIgual 4.0 Internacional
(CC BY-NC-SA 4.0)

Què son?

Els índex de vegetació (IV) són ràtios calculats amb la reflectància espectral de la vegetació en diferents bandes de l’espectre electromagnètic mesurades per un sensor (Figura 1). Es fan servir com indicadors de la presència de plantes o arbres i per a conèixer el seu estat general. La relació entre aquestes bandes té al darrere un estudi empíric que demostra la relació directa entre el valor numèric calculat i un determinat paràmetre de la planta a mesurar.

Figura 1. Espectre electromagnètic. (Font: Vikipèdia)

Per a què s’utilitzen?

Aquests índexs aprofiten el particular comportament de la vegetació sana en les diferents bandes espectrals, especialment, entre el visible i l'infraroig proper. En efecte, mentre en el visible, en particular a la banda vermella, els pigments de la fulla absorbeixen la major part de l'energia que reben per a fer la fotosíntesi, l'infraroig proper en ser una radiació més energètica, no es pot fer servir per a sintetitzar molècules orgàniques i és reflexat per la planta per evitar el sobreescalfament (Figura 2). Aquests contrastos són els que aprofiten els IV per establir diferències en la vegetació sana i vigorosa, quan els contrastos són més grans, i vegetació malalta o de baixa densitat, quan els contrastos són reduïts. Diferenciar les zones de vigor dins d’una parcel·la ens permetrà, per exemple, aplicar diferents quantitats d’insums mitjançant mapes de prescripció o dirigir mostrejos per al mostreig del sòl o per estimar la collita.

Figura 2. La vegetació verda (esquerra) absorbeix la llum visible i reflecteix la llum infraroja propera; La vegetació escassa (dreta) reflecteix més llum visible i menys llum infraroja propera. (Font: https://doi.org/10.1371/journal.pone.0108548).

 

Principals índexs espectrals

A continuació fem un resum dels índex de vegetació més utilitzats, la seva fórmula matemàtica i la fórmula amb referència a les diferents bandes espectrals proporcionades a les imatges dels satèl·lits Sentinel-2. Les imatges multiespectrals es poden descarregar de manera gratuïta, i t’expliquem com calcular l’NDVI amb el sistema d’informació geogràfica QGIS a mode d’exemple.

 

Normalized Difference Vegetation Index (NDVI):

L’índex NDVI és l’índex de vegetació de diferència normalitzada i és un dels més utilitzat. Serveix, bàsicament, per a mesurar el desenvolupament de les plantes, determinar la presència de cobertes vegetals i controlar la producció de biomassa. Quan un arbre és vigorós, reflecteix molta radiació solar en l'infraroig proper i poca en el vermell i, en conseqüència, s'obté un NDVI elevat. En canvi, quan un arbre està estressat, passa el contrari. Els valors donats per aquest índex varien entre -1 i 1. L’aigua i el sòl donen valors negatius o positius baixos i la vegetació dona valors més propers a 1 com més sana i vigorosa és. L’NDVI es calcula a partir de la següent equació:

NDVI= (infraroig proper – vermell) / (infraroig proper + vermell)

NDVI (Sentinel-2) = (B8 – B4) / (B8 + B4)

 

Green Normalized Difference Vegetation Index (GNDVI):

És un índex de "verdor" o activitat fotosintètica de la planta. És un dels índexs de vegetació més utilitzats per determinar l'absorció d'aigua i nitrogen per part del cultiu. Els valors donats per aquest índex varien entre -1 i 1. Es calcula mitjançant la següent equació:

GNDVI = (infraroig proper - verd)/(infraroig proper + verd)

GNDVI (Sentinel-2) = (B08 – B03) / (B08 + B03)

 

Enhanced Vegetation Index (EVI):

És un índex de vegetació "optimitzat" dissenyat per millorar el senyal de vegetació amb una sensibilitat millorada a les regions d'alta biomassa i un seguiment millorat de la vegetació mitjançant un desacoblament del senyal de fons del dosser i una reducció de les influències atmosfèriques. L'EVI es calcula seguint aquesta equació:

EVI = 2.5*(infraroig proper - roig) / (infraroig proper + 6*roig - 7.5*blau + 1)

EVI (Sentinel-2) = 2.5 * (B8 – B4) / ((B8 + 6 * B4 – 7.5 * B2) + 1))

 

Advanced Vegetation Index (AVI):

L’índex AVI és similar a l'NDVI donat que utilitza les bandes espectrals vermella i infraroja propera per monitorar les variacions dels cultius i dels boscos al llarg del temps. Amb la combinació multitemporal de l'AVI i l'NDVI és possible discriminar diferents tipus de vegetació i extreure les característiques de la fenologia. L’AVI es calcula amb la següent equació:

AVI = infraroig proper * (1-roig) * (infraroig proper-roig)

AVI (Sentinel-2) = B8 * (1 – B4)*(B8 – B4)

 

Soil Adjusted Vegetation Index (SAVI)

L’índex SAVI és un IV que intenta minimitzar a influència de la brillantor del sòl utilitzant un factor de correcció (L). Això sovint s'utilitza en regions àrides on la coberta de vegetació és baixa i genera valors entre -1,0 i 1,0. La seva equació és:

SAVI = ((infraroig proper - roig) / (infraroig proper + roig + L)) x (1 + L)

SAVI (Sentinel-2) = (B08 – B04) / (B08 + B04 + L) * (1+L)

Es va trobar un valor L d’aproximadament 0,5 a l'espai de reflectància per minimitzar les variacions de la brillantor del sòl i eliminar la necessitat d'un calibratge addicional per a diferents sòls.

 

Plant Cell Density (PCD)

En cultius amb més densitat de vegetació el vigor es contrasta millor a través de l'índex PCD que de l'NDVI, probablement a causa de la capacitat més gran del PCD de detectar diferències en la biomassa fotosintètica activa o canvis en l'índex d'àrea foliar. La seva equació és:

PCD = infraroig proper / roig

PCD (Sentinel-2)= B08 / B04

Després els valors es normalitzen en una resolució de 8 bits amb valors entre 0 i 255 (tots dos inclosos). És a dir, per a cada parcel·la i imatge, al valor mínim obtingut amb l'equació 1 se li assigna el valor 0, i al màxim el 255. Els valors intermedis s'interpolen de manera lineal. Per tant, aquest índex és relatiu i els mapes obtinguts en diferents moments i parcel·les no es poden comparar.

 

+ Índex de vegetació

• https://www.indexdatabase.de/

 

Aquesta obra està sota una llicència de Creative Commons Reconeixement-NoComercial-CompartirIgual 4.0 Internacional(CC BY-NC-SA 4.0)

La conductivitat elèctrica (CE) és la mesura de la capacitat d'un material per deixar passar el corrent elèctric a través seu. La seva unitat de mesura és S/m (siemens per metre), el siemens és la unitat del Sistema Internacional d'Unitats per a la mesura de la conductància elèctrica. En aquest cas, el material que actua com a conductor és el terra i la CE en mesura la capacitat per conduir el corrent elèctric gràcies a la interacció de diferents propietats.

Les mesures estàndard de la CE es fan en extractes aquosos de mostres de sòl (p.e., en extracte de pasta saturada, o en extracte aquós 1:5). A causa del temps, la mà d'obra i el cost d'obtenir extractes de la solució del sòl, en les darreres dècades, s'han desenvolupat tècniques per a la mesura de la CE del sòl “en brut”, cosa que es coneix com a conductivitat elèctrica aparent del sòl (CEa). Així, la CEa mesura la conductància no només a través de la solució del sòl, sinó també a través de les partícules sòlides del sòl i mitjançant els cations intercanviables que existeixen a la interfície sòlid-líquid dels minerals argilosos (Corwin i Lesch, 2003). Per tant, la conductància elèctrica en sòls suficientment humits es deu, principalment, a les sals contingudes a la solució del sòl que ocupen els porus més grans; en conseqüència, el mesurament de la CEa està estretament relacionat amb la salinitat del sòl. No obstant això, també hi ha una contribució de la fase sòlida, principalment a través dels cations intercanviables associats a les argiles (component textural del sòl) i, a més, a través de les partícules del sòl en contacte directe i continu entre si.

Aquestes relacions entre la CEa i les propietats dels sòls, encara que variables segons els casos, s'han aprofitat fins a convertir-se en un mitjà àmpliament acceptat d'establir la variabilitat espacial de les propietats fisicoquímiques del sòl que influeixen en el seu mesurament. No obstant això, cal saber que, atesa la complexitat de les interaccions entre els diferents components del sòl, no hi ha una correspondència exacta entre la CEa i el contingut de salinitat, la textura o altres propietats del sòl, sinó que en cada cas s'hi haurà de determinar mitjançant mostrejos i anàlisis en laboratori. Tot i això, autors com Lund et al. (1999) han arribat a establir una correspondència aproximada, com la que es mostra a la Figura 3. Les argiles pesades, amb alt contacte entre partícules i alta capacitat de retenció d'humitat, són altament conductores. Les sorres gruixudes, amb contacte limitat entre partícules i baixa capacitat de retenció d'humitat, són mals conductors. En sòls salins, la resposta de la CEa ve condicionada per la presència de sals dissoltes a l'aigua dels porus del terra. Així, els valors de la CEa de les taques salines solen ser molt més altes que els obtinguts en argiles pesades.

Figura 1. Correspondència aproximada entre la conductivitat elèctrica aparent del sòl i l'abundància al sòl de les diferents fraccions texturals i/o salinitat. Font: adaptat de Lund et al. (1999) i https://www.veristech.com/the-sensors/v3100 .

 

Sensors per a la mesura de la CEa

Els sensors existents per mesurar la CEa en continu es diferencien segons el mètode utilitzat per introduir o induir un corrent elèctric a terra: contacte galvànic directe, o per inducció electromagnètica. La CEa es mesura en siemens per metre (S/m), encara que en el cas d'aquest tipus de mesuradors, i a causa de la magnitud del corrent injectat i mesurat, la unitat més habitual són els milisiemens per metre (mS/m).

Sensors de contacte galvànic (o de resistivitat)

Es basen en la introducció d'un corrent elèctric a terra a través d'elèctrodes (transmissors) en contacte amb la superfície del sòl (a molt poca profunditat) i en el mesurament de la diferència en el potencial de flux de corrent en elèctrodes de potencial (receptors). Un exemple d‟aquest tipus d’instruments és el desenvolupat per Lund et al. (1999), anomenat Veris 3100 Soil EC Mapping System (Veris Technologies, Inc., Salina, KS, EUA). Certament, el principi de funcionament és força simple i la configuració es coneix com “Wenner array”. La Figura 2 mostra el principi de funcionament. El corrent elèctric és injectat a terra a través d'un parell de discos que penetren a terra uns 4-6 cm i que actuen com elèctrodes de corrent (elèctrodes de transmissió). Depenent de les propietats fisicoquímiques del sòl, aquest serà millor o pitjor conductor de l'electricitat, i el sensor captarà un senyal elèctric de més o menys magnitud. Això es fa mitjançant dues parelles addicionals de discos (elèctrodes de voltatge o receptors). Un d'aquests parells de discos de voltatge es troba situat entre els discos de corrent, i la CEa associada a aquests discos és la corresponent a una profunditat de sòl entre 0-30 cm. Els altres dos discos de voltatge estan situats als extrems de la barra suport o bastidor, per fora de les rodes de transport. Aquesta distància més gran entre discos permet tancar un circuit elèctric dins d'una profunditat aproximada de fins a 90 cm. Per tant, mitjançant aquesta configuració dual, el sensor Veris 3100 proporciona dues mesures de CEa (superficial i profunda). Aquesta funcionalitat és avantatjosa, ja que permet inferir si les propietats del sòl es mantenen uniformes amb la profunditat o, per contra, el sòl presenta capes o horitzons amb diferents propietats edàfiques contrastants. Cal tenir en compte que en parcel·les agrícoles l'horitzó superficial és el més alterat durant les operacions de conreu.

Figura 2. Esquerra: mesurador de CEa de contacte galvànic Veris 3100 (Veris Technologies, Inc., Salina, KS, EUA) de la Universitat de Lleida. Dreta: Il·lustració del principi de funcionament del sensor Veris 3100. El sensor registra la conductivitat elèctrica aparent de dues profunditats de sòl explorats: superficial (0-30 cm) i profund (0-90 cm). Mostra un punt cada segon i el georeferencia mitjançant un receptor GNSS que realitza una correcció diferencial a partir del senyal EGNOS, cosa que garanteix una precisió submètrica de la localització de les lectures. Font: foto José A. Martínez, gràfic adaptat de https://www.veristech.com/the-sensors/v3100.

 

Sensors d´inducció electromagnètica

Un altre tipus de sensors per mesurar la CEa són els d'inducció electromagnètica (IEM). L'aplicació de la IEM a la mesura de la CEa va aparèixer per primera vegada a finals de la dècada de 1970 i principis de 1980, per tal de mesurar la salinitat del sòl (Corwin i Lesch, 2005). Actualment, els dos mesuradors de CEa d'aquesta tipologia més estesos i utilitzats són l'EM38 (Geonics Ltd., Canadà) i el Dualem-2 (Dualem Inc., Milton, Canadà).

El principi del funcionament es mostra a la Figura 3. El sensor consta d'una barra on hi ha tres bobines, una a un extrem i les altres a l'altre. Una d'aquestes bobines està alimentada per un corrent altern i genera un camp magnètic primari que s'introdueix a terra. El desplaçament del sensor, sense necessitat de contacte físic amb el terra, indueix un corrent elèctric, ja que el terra es comporta com un conductor. La major o menor capacitat del sòl per conduir el corrent elèctric fa que els corrents induïts generin, en una segona etapa, un camp magnètic secundari de magnitud proporcional que, afegit al camp magnètic primari, acaben travessant el camp magnètic que formen les altres bobines situades a l'altre extrem de la barra. Aquestes bobines tenen debanats diferents, un en sentit vertical i l'altre en sentit horitzontal, cosa que fa que puguin captar el senyal a diferents profunditats. Així, el voltatge mesurat en aquestes bobines estarà doncs relacionat amb la CEa del sòl corresponent a diferents profunditats i, per tant, a diferents volums del mateix.

Figura 3. Exemple de mesurador de la CEa mitjançant inducció electromagnètica, en què es mostra el principi de funcionament. A la foto el sensor Dualem-2 (Dualem Inc., Milton, Canadà) muntat en un trineu de tubs de PVC i arrossegat per un quad (empresa Agrarium, Monzón, Huesca). Font: foto Jaume Arnó. Gràfic, elaboració pròpia.

 

A diferència dels sensors de contacte galvànic, els sensors de IEM tenen l'avantatge que no cal garantir un bon contacte entre el terra i el sensor. No obstant això, els sensors IEM requereixen un calibratge més complex. A més, la presència propera d'elements metàl·lics (com, per exemple, els pals metàl·lics per al guiatge dels arbres o ceps d'una plantació), pot ocasionar interferències en les mides. Pel que fa a la mesura de la CEa, totes dues tipologies de sensors presenten valors similars.

 

Més informació a:

Martínez-Casasnovas, J.A., Arnó, J., Escolà, A., 2022. Sensores de conductividad eléctrica aparente parra el análisis de la variabilidad del suelo ne Agricultura de Precisión. En: A. Namesny, C. Conesa, L. Martín, P. Papasseit (Eds.), Tecnología Hortícola Mediterránea. Evolución y futuro: viveros, frutales, hortalizas y ornamentales. Biblioteca de Horticultura, SPE3 S.L., Valencia, España. 1077 pp. ISBN: 978-84-16909-46-9. https://issuu.com/horticulturaposcosecha/docs/tecnologia_horticola_mediterranea , pag 775-796.

 

Bibliografía

Corwin, D.L., Lesch, S.M. (2003). Application of soil electrical conductivity to precision agriculture: theory, principles, and guidelines. Agronomy Journal, 95: 455–471.

Corwin, D.L., Lesch, S.M. (2005). Apparent soil electrical conductivity measurements in agriculture. Computers and Electronics in Agriculture, 46: 11–43.

Lund, E.D., Colin, P.E., Christy, D., Drummond, P.E. (1999). Applying soil electrical conductivity to precision agriculture. En: Proceedings of the Fourth International Conference on Precision Agriculture (pp. 1089–1100), St. Paul, MN, July 19–22, 1998. ASA-CSSA-SSSA, Madison, WI, USA.

 

 

Aquesta obra està sota una llicència de Creative Commons Reconeixement-NoComercial-CompartirIgual 4.0 Internacional(CC BY-NC-SA 4.0)

Una de les tecnologies que més ha avançat en els darrers anys és la que es basa en el principi de funcionament LiDAR, una sigla anglesa per a LIght Detection And Ranging o, en català, detecció i mesura de distàncies amb llum. D’una manera equivalent a la tecnologia radar i sonar, on es fan servir ones de ràdio i so, respectivament, la tecnologia LiDAR fa servir llum per a detectar objectes i per a estimar la distància entre ells i el sensor.

Bàsicament, els sensors basats en LiDAR emeten polsos de llum i esperen a que els retorni part de l’energia emesa després de rebotar en els objectes del seu voltant. A partir d’aquí el sensor estima a quina distància i en quin angle es troba l’objecte en qüestió. A partir de les dades d’aquests sensors es poden reconstruir les escenes mesurades. Tanmateix, per a fer-ho ens cal integrar aquests sensors en sistemes que inclouen altres components com receptors SSNG, unitats inercials de mesura (IMU), sistemes d’adquisició i altres components. Aquests sistemes se solen anomenar escàners làser donat que la llum que solen fer servir és una llum làser amb una longitud d’ona situada a la zona de l’infraroig proper.

Classificació de sensors basats en LiDAR

En funció del vehicle que s’utilitzi per a desplaçar aquests sistemes, podem parlar d’escàners làser aeris o d’escàners làser terrestres. Els primers poden anar embarcats en drons, avionetes, helicòpter i, fins i tot, en satèl·lits (gedi.umd.edu). Els terrestres poden ser estacionaris, portàtils, quan són transportats per persones, i mòbils, quan són transportats per vehicles.

Pel que fa, concretament, als sensors basats en LiDAR, aquest component dels escàners làser es poden classificar en 1D, 2D i 3D segons el tipus de dades que generen.

Els sensors 1D són aquells que realitzen mesures puntuals de distància o bé de distància i angle. En aquest cas, l’usuari apunta a un lloc concret i el sensor estima la distància. Les mesures obtingudes per aquest tipus de sensors seran una llista de punts i la seva distància i, opcionalment, també l’angle.

Els sensors 2D acostumen a tenir un emissor de llum únic i un mirall rotatiu que el fa sortir en diverses direccions d’un mateix pla d’escaneig. Aquest pla dependrà de la posició del sensor, podent ser vertical, horitzontal o estar inclinat en un determinat grau. Si es mesurar tota una escena, caldrà desplaçar el sensor 2D per tal de generar la tercera dimensió i obtenir dades tridimensionals que permetin reconstruir l’escena digitalment. Les mesures obtingudes amb un sensor 2D treballant en estàtic seran les coordenades polars (angle i distància de cada feix de llum) dels punts situats al pla d’escaneig. En cas de desplaçar el sensor integrant-lo en un sistema d’escaneig làser, caldrà determinar la posició del sensor a cada moment per tal d’anar situant cada pla d’escaneig a la seva posició real (Figura 1).

Figura 1. Animació d’un sensor basat en LiDAR. A dalt, vista en perspectiva del sensor. Al mig, vista en planta del sensor i l’escena escanejada. A baix, vista en planta de les mesures obtingudes en un pla d’escaneig (Autoria: Mike1024 a commons.wikimedia.org/w/index.php?curid=3688414).

Finalment, els sensors 3D generen per sí sols dades tridimensionals. Hi ha diferents tecnologies que ho permeten. Una d’elles és que el sensor LiDAR disposi de 2 miralls rotatius per a dirigir un únic feix de llum en diferents direccions de l’espai 3D. Una altra opció és que hi hagi un sol feix de llum amb un sol mirall rotatiu i que sigui el capçal del sensor els que roti per tal de generar diversos plans d’escaneig. Una altra opció és que hi hagi un sol feix de llum que sigui emès en direccions diferents per a generar diversos plans d’escaneig. També hi ha sensors que, en lloc de tenir 1 sol feix de llum en tenen més (actualment, entre 16 i 128) que realitzin mesures simultànies en sengles plans d’escaneig. Al mercat també hi ha sensors d’estat sòlid que no contenen elements mòbils i que permeten estimar distàncies en una matriu de punts rectangular. En generar mesures tridimensionals, alguns d’aquests sensors es fan servir de forma estacionària. Aquests sensors acostumen a ser els més exactes i precisos. Tanmateix, si es vol mesurar una escena gran o amb racons amagats, caldrà escanejar des de diferents estacions per a tenir tota l’escena capturada i registrar les mesures en un sol sistema de coordenades de referència. Alternativament, altres sensors 3D s’integren en sistemes d’escaneig mòbils, cosa que els permet escanejar escenes més grans de manera més còmoda. Això fa que perdin una mica d’exactitud i precisió respecte dels sistemes estàtics.

Dades dels escàners làser i informació obtinguda

El resultats obtinguts després d’un escaneig són una col·lecció de distàncies i angles, coordenades de receptors SSNG i rotacions d’unitats inercials que caldrà processar convenientment per a obtenir el producte final, que, habitualment, és un núvol de punts tridimensional que recrea l’escena escanejada en un espai 3D digital.

En Agricultura de Precisió, les dades obtingues es poden fer servir per a obtenir les dimensions i la geometria del dosser foliar tant de cultius baixos com de cultius arboris (alçades, amplades, seccions transversals i volums). A més, a partir de les mesures LiDAR també es poden obtenir paràmetres estructurals com la porositat del cultiu, l’ocupació de l’espai o la superfície foliar, entre d’altres. Per a determinar alguns d’aquests paràmetres cal establir relacions empíriques amb els paràmetres obtinguts amb mètodes convencionals.

El desenvolupament dels algorismes d’extracció d’informació, dels índex derivats de les dades i la seva aplicació encara estan en fase de desenvolupament però l’ús d’aquest tipus d’informació és molt prometedor en Agricultura i Fructicultura de Precisió.

Aplicacions de les dades 3D a l’Agricultura de Precisió

El resultat del processament de les dades LiDAR pot ser informació del dosser foliar per cada arbre, en plantacions en vas, o bé cada pocs centímetres al llarg de les files, en cultius en línia. Les dades obtingudes es poden fer servir en temps real (on-the-go) o bé en Agricultura de Precisió en base a mapes. En aquest darrer cas, donat que tota la informació està georeferenciada, fàcilment es poden crear mapes de la distribució espacial d’algun dels paràmetres obtinguts.

Les aplicacions d’aquestes dades tridimensionals són les següents:

• Estimació dels volum de vegetació d’una manera molt més acurada.
• Detecció i quantificació de la variabilitat en el desenvolupament dels cultius per a la detecció de problemes.
• Ajust de la dosificació de recursos agrícoles a les dimensions del dosser foliar: productes fitosanitaris, fertilitzants, regs, etc.
• Localització d’àrees amb risc potencial de malalties o afectacions.
• Maneig de la capçada amb operacions de poda.
• Estimació de la càrrega de fruits i de les seves dimensions.
• Noves aplicacions que es podran desenvolupar ara que aquest tipus de dades està disponible a un cost raonable.

Al Grup de Recerca en AgròTICa i Agricultura de Precisió, una de les seves línies de recerca és generar i aplicar dades 3D dins del marc de l’Agricultura de Precisió. A la Figura 2 es mostra un exemple de dos mapes ràster de volum de vegetació. La seva diferència, píxel a píxel, indica el creixement de la vegetació.

Figura 2. Mapes de volum de vegetació en una plantació d’olivers superintentius en dos dates diferents (esquerra i centre) i mapa de creixement (dreta). Font: Precision Agriculture 18(1), 111-132. DOI: 10.1007/s11119-016-9474-5.

Altres tecnologies per a l’obtenció de dades 3D de cultius

La tecnologia LiDAR no és l’única disponible per a obtenir dades 3D de cultius i dels seu entorn. Actualment, també és possible utilitzar càmeres RGB convencionals conjuntament amb tècniques fotogramètriques per a reconstruir escenes agrícola tant des de l’aire (amb drons) com des del terra. Al mercat també hi ha les anomenades càmeres RGB-D, que a més de generar imatges digitals en color (RGB), a cada píxel li assignen la distància a la que es troba de la càmera.

Tota aquesta oferta convida a pensar que en un futur proper aquestes dades seran fàcilment i econòmica a l’abast d’agricultors i tècnics.

Fabricants de sensors i de sistemes d’escaneig

A continuació hi ha una llista no exhaustiva ni prioritzada de fabricants de sensors basats en tecnologia LiDAR:

• Sick: sick.com
• Hokuyo: hokuyo-aut.jp
• Velodyne: com
• Leica: leica-geosystems.com/es-es/products/laser-scanners
• Ouster: com
• Riegl: riegl.com
• Teledyne: teledyneoptech.com
• Trimble: trimble.com/products-and-solutions/laser-scanning
• Topcon: topconpositioning.com/es/topograf%C3%ADa/escaneo
• Altres

A continuació hi ha una llista no exhaustiva ni prioritzada de fabricants de sistemes d’escaneig portàtils i mòbils:

• Terrestres:
  • Viametris: com
  • Leica: leica-geosystems.com/es-es/products/mobile-mapping-systems/capture-platforms
  • GreenValley International: greenvalleyintl.com
  • Altres
• Aeris:
  • Leica: leica-geosystems.com/es-es/products/airborne-systems ; leica-geosystems.com/es-es/products/laser-scanners/autonomous-reality-capture
  • GreenValley International: greenvalleyintl.com/LiAirV70
  • YellowScan: yellowscan-lidar.com
  • Riegl: riegl.com/products/unmanned-scanning
  • LidarUSA: lidarusa.com
  • Altres

 

Més informació a:

Publicacions científiques del Grup de Recerca en AgròTICa i Agricultura de Precisió: http://www.grap.udl.cat/ca/publications/Publicacions-cientifiques

 

Referències

Llibre Sensing Approaches for Precision Agriculture:

Gregorio E, Llorens J. 2021. Chapter 3. Sensing crop geometry and structure. A: Kerry R & Escolà A (eds). Sensing Approaches for Precision Agriculture. Cham, Suïssa. Springer Cham. p. 59-92. ISBN 978-3-030-78430-0.

 

Aquesta obra està sota una llicència de Creative Commons Reconeixement-NoComercial-CompartirIgual 4.0 Internacional(CC BY-NC-SA 4.0)

 

El comptatge de fruits (o càrrega de fruita) és el paràmetre normalment utilitzat a l’hora d’estimar la collita potencial de fruita a nivell de parcel·la, resultant finalment una estimació de pes o productivitat (kg/ha) que dependrà de l’espècie, varietat i calibre comercial esperable. Donat que aquest compteig de fruits es realitza normalment pels propis fructicultors i/o tècnics de les explotacions, un factor clau per tal d’obtenir estimacions no esbiaixades i precises és la selecció adequada dels arbres a mostrejar dins la parcel·la. Fins i tot, la possible aplicació els propres anys de la detecció electrònica de fruits (visió per ordinador i utilització de diferents sensors òptics) probablement requerirà també de l’aplicació de tècniques de mostreig. Això ha de permetre un ús dirigit d’aquestes tecnologies només en determinades zones, optimitzant els recursos i processant únicament les dades estrictament necessàries.

El nombre mínim d’arbes (o unitats de mostreig) a analitzar sol estar relacionat amb la producció esperada en tones (Taula 1, Ordre Ministerial PRE/1950/2005), sent aquesta recomanació aplicable en poma, pera, albercoc, pruna i préssec.

Taula 1. Número mínim d’unitats de mostreig segons producció⁽¹⁾

Unitat de mostreig	Producció de la parcel·la en tones
	Fins a 2	Fins a 5	Fins a 10	Fins a 20	Fins a 40	Fins a 60	Fins a 100
Arbre	3	6	8	10	12	14	16

⁽¹⁾ A partir de 100 tones, s’afegeix un arbre cada 10 tones addicionals

 

A nivell pràctic, els mètodes de mostreig que s’apliquin han de fer possible que l’error de mostreig (és a dir, la diferència entre el valor real i el valor estimat dividit pel valor real) no superi el 10% amb una probabilitat (o confiança) del 95%. Això significa que el mètode que s’utilizi ha de garantir que, com a màxim, només en el 5% dels mostrejos es pugui superar l’error estipulat del 10%. I, a poder ser, aquest requisit d’estimació no esbiaixada i el més exacta possible ha de poder complir-se utilitzant un nombre reduït d’arbres (Taula 1), és a dir, aplicant un mètode que sigui el més precís possible.

Al tutorial “Mètodes de mostreig per a l’estimació de la collita en fructicultura” podeu consultar els diferents mètodes actuals en AP.

Noves perspectives en mostreig d’arbres fruiters

 El desenvolupament de la detecció de fruits mitjançant sensors i visió per ordinador obre noves oportunitats en l’estimació de la collita. Possiblement, tot i la consolidació d’aquesta tecnologia, continuarà sent necessari el disseny d’esquemes de mostreig que n’optimitzin el seu ús en grans parcel·les dins de grans explotacions. Per tant, la qüestió que queda ara per resoldre és la possible combinació de mètodes avançats de mostreig i tècniques modernes de visió i detecció de fruits per a una estimació més precisa de la collita, ja sigui en termes de càrrega de fruita o en termes de producció potencial en kg o tones per hectàrea.

La pràctica del mostreig en fructicultura ens diu que la variabilitat (entre arbres o dins l’arbre) pel que fa al nombre de fruits, sol ser major que la variabilitat que presenta la seva mida o calibre. Per això, els esforços inicials s’han dirigit des de sempre a fer millors estimacions de la càrrega de fruita abans que de la distribució de calibres. No obstant, a curt/mig termini cal esperar, amb l’aplicació dels sistemes de detecció, el desenvolupament de models de predicció que utilitzin combinadament dades de compteig, distribució de calibres i pes dels fruits per a una estimació acurada i precisa de la collita.

 

Aquesta obra està sota una llicència de Creative Commons Reconeixement-NoComercial-CompartirIgual 4.0 Internacional(CC BY-NC-SA 4.0)

 

Els sensors existents per mesurar la conductivitat elèctrica aparent (CEa) en continu es diferencien segons el mètode utilitzat per introduir o induir un corrent elèctric a terra: contacte galvànic directe, o per inducció electromagnètica. La CEa es mesura en siemens per metre (S/m), encara que en el cas d'aquest tipus de mesuradors, ia causa de la magnitud del corrent injectat i mesurat, la unitat més habitual són els milisiemens per metre (mS/m).

Sensors de contacte galvànic (o de resistivitat)

Es basen en la introducció d'un corrent elèctric a terra a través d'elèctrodes (transmissors) en contacte amb la superfície del sòl (a molt poca profunditat) i en el mesurament de la diferència en el potencial de flux de corrent en elèctrodes de potencial (receptors). Un exemple d‟aquest tipus d‟instruments és el desenvolupat per Lund et al. (1999), anomenat Veris 3100 Soil EC Mapping System (Veris Technologies, Inc., Salina, KS, EUA). Certament, el principi de funcionament és força simple i la configuració es coneix com “Wenner array”. La Figura 1 mostra el principi de funcionament. El corrent elèctric és injectat a terra a través d'un parell de discos que penetren a terra uns 4-6 cm i que actuen com elèctrodes de corrent (elèctrodes de transmissió). Depenent de les propietats fisicoquímiques del sòl, aquest serà millor o pitjor conductor de l'electricitat, i el sensor captarà un senyal elèctric de més o menys magnitud. Això es fa mitjançant dues parelles addicionals de discos (elèctrodes de voltatge o receptors). Un d'aquests parells de discos de voltatge es troba situat entre els discos de corrent, i la CEa associada a aquests discos és la corresponent a una profunditat de sòl entre 0-30 cm. Els altres dos discos de voltatge estan situats als extrems de la barra suport o bastidor, per fora de les rodes de transport. Aquesta distància més gran entre discos permet tancar un circuit elèctric dins d'una profunditat aproximada de fins a 90 cm. Per tant, mitjançant aquesta configuració dual, el sensor Veris 3100 proporciona dues mesures de CEa (superficial i profunda). Aquesta funcionalitat és avantatjosa, ja que permet inferir si les propietats del sòl es mantenen uniformes amb la profunditat o, per contra, el sòl presenta capes o horitzons amb diferents propietats edàfiques contrastants. Cal tenir en compte que en parcel·les agrícoles l'horitzó superficial és el més alterat durant les operacions de conreu.

Figura 1. Esquerra: mesurador de CEa de contacte galvànic Veris 3100 (Veris Technologies, Inc., Salina, KS, EUA) de la Universitat de Lleida. Dreta: Il·lustració del principi de funcionament del sensor Veris 3100. El sensor registra la conductivitat elèctrica aparent de dues profunditats de sòl explorats: superficial (0-30 cm) i profund (0-90 cm). Mostra un punt cada segon i el georeferencia mitjançant un receptor GNSS que realitza una correcció diferencial a partir del senyal EGNOS, cosa que garanteix una precisió submètrica de la localització de les lectures. Font: foto José A. Martínez, gràfic adaptat de https://www.veristech.com/the-sensors/v3100

Sensors d´inducció electromagnètica

Un altre tipus de sensors per mesurar la CEa són els d'inducció electromagnètica (IEM). L'aplicació de la IEM a la mesura de la CEa va aparèixer per primera vegada a finals de la dècada de 1970 i principis de 1980, per tal de mesurar la salinitat del sòl (Corwin i Lesch, 2005). Actualment, els dos mesuradors de CEa d'aquesta tipologia més estesos i utilitzats són l'EM38 (Geonics Ltd., Canadà) i el Dualem-2 (Dualem Inc., Milton, Canadà).

El principi del funcionament es mostra a la Figura 2. El sensor consta d'una barra on hi ha tres bobines, una a un extrem i les altres a l'altre. Una d'aquestes bobines està alimentada per un corrent altern i genera un camp magnètic primari que s'introdueix a terra. El desplaçament del sensor, sense necessitat de contacte físic amb el terra, indueix un corrent elèctric, ja que el terra es comporta com un conductor. La major o menor capacitat del sòl per conduir el corrent elèctric fa que els corrents induïts generin, en una segona etapa, un camp magnètic secundari de magnitud proporcional que, afegit al camp magnètic primari, acaben travessant el camp magnètic que formen les altres bobines situades a l'altre extrem de la barra. Aquestes bobines tenen debanats diferents, un en sentit vertical i l'altre en sentit horitzontal, cosa que fa que puguin captar el senyal a diferents profunditats. Així, el voltatge mesurat en aquestes bobines estarà doncs relacionat amb la CEa del sòl corresponent a diferents profunditats i, per tant, a diferents volums del mateix.

Figura 2. Exemple de mesurador de la CEa mitjançant inducció electromagnètica, en què es mostra el principi de funcionament. A la foto el sensor Dualem-2 (Dualem Inc., Milton, Canadà) muntat en un trineu de tubs de PVC i arrossegat per un quad (empresa Agrarium, Monzón, Huesca). Font: foto Jaume Arnó. Gràfic, elaboració pròpia.

A diferència dels sensors de contacte galvànic, els sensors de IEM tenen l'avantatge que no cal garantir un bon contacte entre el terra i el sensor. No obstant això, els sensors IEM requereixen un calibratge més complex. A més, la presència propera d'elements metàl·lics (com, per exemple, els pals metàl·lics per al guiatge dels arbres o ceps d'una plantació), pot ocasionar interferències en les mides. Pel que fa a la mesura de la CEa, totes dues tipologies de sensors presenten valors similars.

Més informació en:

Martínez-Casasnovas, J.A., Arnó, J., Escolà, A., 2022. Sensores de conductividad eléctrica aparente parra el análisis de la variabilidad del suelo ne Agricultura de Precisión. En: A. Namesny, C. Conesa, L. Martín, P. Papasseit (Eds.), Tecnología Hortícola Mediterránea. Evolución y futuro: viveros, frutales, hortalizas y ornamentales. Biblioteca de Horticultura, SPE3 S.L., Valencia, España. 1077 pp. ISBN: 978-84-16909-46-9. https://issuu.com/horticulturaposcosecha/docs/tecnologia_horticola_mediterranea , pag 775-796.

 Referències

Lund, E.D., Colin, P.E., Christy, D., Drummond, P.E. (1999). Applying soil electrical conductivity to precision agriculture. En: Proceedings of the Fourth International Conference on Precision Agriculture (pp. 1089–1100), St. Paul, MN, July 19–22, 1998. ASA-CSSA-SSSA, Madison, WI, USA.

Aquesta obra està sota una llicència de Creative Commons Reconeixement-NoComercial-CompartirIgual 4.0 Internacional(CC BY-NC-SA 4.0)

Què és?

El sensor Velodyne LiDAR PUCK™ VLP16 és un escàner làser d’ús general. El VLP16 es un sensor òptic del tipus LiDAR, el funcionament del qual es similar al RADAR (Radio Detection and Ranging) però utilitzant llum làser en lloc d’ones de radiofreqüència, d’aquí el seu nom: LiDAR, Light Detection and Ranging. Els sistemes LiDAR mesuren la distància existent entre el sensor i l’objecte detectat a partir del temps que tarda la llum emesa pel sensor en impactar sobre l’objecte i retornar al sensor, considerant coneguda i constant la velocitat de la llum emesa. Per això, disposen d’una font emissora d’un feix de llum làser i d’un fotodetector. El temps transcorregut entre l’emissió i la recepció pot determinar-se mitjançant diversos mètodes, éssent els mes comuns, el mètode del Temps de Vol (Time of Flight) i el mètode del Desplaçament de Fase (Phase Shift). El Velodyne LiDAR PUCK™ VLP16 es un LiDAR del tipus Temps de Vol. La denominació d’escàner LiDAR, fa referència als sensors LiDAR en els quals el feix làser s’emet progressivament en diverses direccions, normalment mitjançant un mirall rotatiu, aconseguint-se la mesura de les distàncies d’objectes situats en el plà en que es realitza l’escanneig (escombrada). El Velodyne LiDAR PUCK™ VLP16 es un sistema LiDAR que escaneja simultàniament en 16 plans diferents i, per cadascun d’aquests, dins d’un interval angular de 360º. Tal com es mostra a la Taula 1, i es mostra a la figura inferior central del començament d’aquesta fitxa, el VLP16 emet cadascun dels 16 feixos làser en 16 plans diferents, on cada feix làser va canviant de direcció en intervals angulars de dins d’un plà d’escaneig inclinat un cert angle respecte del plà horitzontal.

Taula 1: Identificació de cada feix làser i direcció del plà d’escaneig respecte del plà horitzontal.

El Velodyne LiDAR PUCK™ VLP16 proporciona les distàncies mesurades en coordenades esfèriques, es a dir, indica tres magnituts (r, ω, α) que permeten coneixer la localització de cada punt detectat respecte del sensor: la distància (r), l'angle vertical o d'elevació (ω) i l’angle horitzontal o azimut (α). Amb aquesta informació es poden calcular les coordenades cartesianes x,y,z, respecte del sensor, per a cada punt mesurat. El VLP16 disposa d’un software que, per cada punt mesurat, proporciona directament les seves coordenades cartesianes (x,y,z).

 Característiques generals

El sensor Velodyne LiDAR PUCK™ VLP16 conté una font de llum làser  i un fotodetector per detectar el feix reflectit a l’objecte d’interès per cadascun dels 16 plans d’escanneig. Per tan, permet crear imatges 3D amb un camp de visió horitzontal de 360º i vertical de 30º mitjançant 16 parells làser-detector (els làsers es disparen milers de vegades per segon) muntats en una carcassa compacta que gira ràpidament (ajustable entre 5 i 20 voltes per segon), proporcionant, en temps real, un ric núvol de punts 3D de l’entorn que l’envolta.

La distància entre l’objecte i el sensor es determina a partir del temps transcorregut entre l’emissió d’un pols de llum làser de molt curta durada i la detecció del retorn en el sensor de part de la llum reflectida en l’objecte detectat, segons el principi del temps de vol (time of flight, Tof). El Velodyne LiDAR PUCK™ VLP16 es un sistema LiDAR amb seguretat ocular  de classe 1, que emet llum amb una longitud d’ona de 903 nm (infraroig proper, invisible a l’ull humà). Està dissenyat per al seu ús tant en interiors com per a l’exterior, presentant, en absència de condicions desfavorables (condicions extremes de llum, pluja, boira, pols ...), unes prestacions satisfactòries. De fet, el sensor VLP16 està dissenyat per resistir la intempèrie i suportar el vent, la pluja i altres condicions meteorològiques adverses, tenint una protecció ambiental IP67.

Després de processar cada senyal de retorn rebut, el sensor determina la distància a la qual es troba l'objecte afectat pel pols de llum incident. El sensor realitza les estimacions en coordenades esfèriques, proporcionant la distància i els seus angles vertical (elevació) i horitzontal (azimut) per a cada punt de mesura, prenent el centre geomètric del sensor LiDAR com a origen de les coordenades. Destacar que té funcions de retorn múltiple, que proporcionen fins a 2 mesures de distància associades a impactes parcials del mateix pols làser emès sobre diferents objectes. El Velodyne LiDAR PUCK™ VLP16 té un abast de fins a 100 m, un interval angular de 360° per a cada plà d’escaneig i un camp de visió vertical de 30º (entre +15°i -15° respecte del plà horitzontal). La seva resolució angular vertical (elevació) es de 2°, mentres que la resolució angular horizontal (azimut) està compresa entre 0,1° i 0,4°, que, juntament amb una freqüència de rotació compresa entre 5 i 20 Hz,  proporciona, respectivament, entre 3.600 i 900 punts de mesura per cada  escaneig en cada pla (uns 18.000 punts per segon en cada pla); això dona lloc a, aproximadament, 300.000 punts s^-1 per cadascún dels dos retorns (es a dir, fins a 600.000 punts s^-1 en total, en cas que hi hagués dos rebots en el 100% dels casos). Per cada mesura, apart de les coordenades, es proporciona el valor calibrat de la reflectivitat a l’infrarroig (903 nm) del punt detectat. Les dades corresponents a les mesures son transferides a la unitat de control i emmagatzematge mitjançant una interfície Ethernet a una velocitat de fins a 100Mbps. L’interval de mesura compren entre 1  i 100 m amb una precisió de ±30mm. El VLP-16 pot sincronitzar les seves mesures amb polsos de temps subministrats per GPS, el que permet determinar el temps exacte d’emissió de cada pols làser, facilitant la fusió i sincronització de les mesures obtingudes amb altres sensors. A la Taula 2 es recullen les principals característiques de l’escàner làser Velodyne LiDAR PUCK™ VLP16.

 Taula 2. Principals característiques de l’escàner làser Velodyne LiDAR PUCK™ VLP16

 

Aplicacions en AP

L’aplicació dels escàners LiDAR en agricultura de precisió prové, principalment, de la seva capacitat per generar models tridimensionals dels arbres i cultius, permetent extreure’n paràmetres geomètrics (alçada, amplada, profunditat ...) i estructurals (densitat foliar, capacitat de penetració de la llum, estructura i geometría de les plantes ...) que poden ser molt valuosos a l’hora de prendre decisions relatives al maneig de les plantacions. A més, també es pot obtenir el model digital del terreny (MDT) de les parcel.les amb un alta ressolució.

El Velodyne LiDAR PUCK™ VLP16  es del tipus 3D, si be amb un camp de visió (FoV) limitat a 30^o en la direcció vertical. El VLP16 obté els models 3D escanejant els objectes simultàniament en 16 plans, en cadascun dels quals el sensor estima la distància a diferents punts de l'objecte d'interès modificant la direcció del feix làser emès mitjançant un mirall giratori que desvia el feix en diferents direccions dins de cada pla. Per tant, el sensor realitza una exploració angular de l'objecte dins de cada pla, obtenint les distàncies d'un conjunt de punts de l’objecte en cada pla de mesura, obtenint-se models 3D dels objectes o parts d’aquests que estan dins del seu camp de visió (en aquest cas, de les plantacions). Movent el sensor en una determinada direcció s’aconsegueix cobrir tot l’objecte d’interès, de manera que, juntant les mesures dels diferents plans escanejats, s’obté un model 3D de l’objecte mesurat.

El resultat de les mesures consisteix en un conjunt de punts (de l’ordre de milers o mil.lions), cadascun corresponent a una mesura d’un punt concret de la superfície de l’objecte, constituïnt el que s’anomena “núvol de punts (point cloud)”. Es a dir, el model 3D de l’objecte mesurat (en el nostre cas un arbre o una plantació completa) consisteix en un núvol de punts pertanyents a la superfície de l’objecte. Els sensors LiDAR solen treballar sincronitzats amb un sistema de posicionament global (GNSS, de l'anglès Global Navigation Satellite System) com ara el popular GPS o GALILEU, de manera que cada punt del núvol de punts obtingut te unes coordenades espaials conegudes, i es pot situar amb gran exactitud en mapes, facilitant la seva anàlisi juntament amb altres mapes de la mateixa plantació, en el context de l’Agricultura de Precisió.

Limitacions

Les principals limitacions de l'ús del escáner Velodyne LiDAR PUCK™ VLP16 consisteixen en: i) el grau d’especialització i coneixements del sistema que ha de tenir l’operador d’aquest sensor; ii) per poder obtenir models 3D de les plantacions, cal que aquest sensor treballi alhora i sincronitzadament amb un sistema GNSS, per tal de poder georeferenciar els núvols de punts resultants; iii) tot i que escaneja en diferents plans (millorant aquest aspecte en comparació amb els escàners 2D), es poden produir ombres i oclusions en les plantes que limiten la penetració dels feixos de llum dins de l’arbre; iv) a l’igual que succeeix amb la majoria de sistemes LiDAR actuals, el magatzematge dels resultats de les mesures obtingudes pot donar lloc a arxius molt grans, de l’ordre d’alguns GB.

Tutorials relacionats:

• Tutorial: VLP 16 'Puck' Set Up Overview: https://www.youtube.com/watch?v=Pa-q5elS_nE

 Referències

• https://velodynelidar.com/products/puck/
• manuals i fitxa de producte: https://velodynelidar.com/downloads/
• Gené-Mola J, Gregorio E, Guevara J, Auat F, Sanz-Cortiella R, Escolà A, Llorens J, Morros JR, Ruiz-Hidalgo J, Vilaplana V, Rosell-Polo JR. 2019. Fruit detection in an apple orchard using a mobile terrestrial laser scanner. Biosystems Engineering, 187 (2019), 171-184. DOI: 10.1016/j.biosystemseng.2019.08.017
• Gené-Mola J, Gregorio E, Auat F, Guevara J, Llorens J, Sanz-Cortiella R, Escolà A, Rosell-Polo JR. 2020. Fruit detection, yield prediction and canopy geometric characterization using LiDAR with forced air flow. Computers and Electronics in Agriculture, 168 (2020), 105121. DOI: 10.1016/j.compag.2019.105121
• LFuji-air dataset: conjunt de dades que conté models 3D de 11 pomeres Fuji escanejades amb el Velodyne LiDAR PUCK™ VLP16 des de diferents posicions i aplicant diferents condicions d’aire. http://www.grap.udl.cat/en/publications/LFuji_air_dataset.html

 

 

 

Aquesta obra està sota una llicència de Creative Commons Reconeixement-NoComercial-CompartirIgual 4.0 Internacional(CC BY-NC-SA 4.0)

Què és?

El sensor Microsoft Kinect for Windows V2 (K4W2) és probablement el model més popular i representatiu de les càmeres RGB de profunditat i baix cost (anomenades càmeres RGB-D o càmeres de profunditat –depth cameras en anglès) desenvolupades recentment i, per aquest motiu, s’utilitza àmpliament en una àmplia gamma de tecnologies i aplicacions científiques i de desenvolupament (R + D). Les càmeres RGB-D, apart de proporcionar imatges en color de l’objecte mesurat, també proporcionen informació de les distàncies dels punts de la seva superfície a la càmera, es a dir, estimen la profunditat de cada píxel de l’escena gravada. El sensor Kinect for Windows V2 es la segona generació del dispositiu Kinect desenvolupat per l’empresa Microsoft Corporation, EUA. Dissenyat per ser utilitzat com a complement de videojocs domèstics, el sensor K4W2 es va desenvolupar per al seu ús en entorns interiors i, particularment, amb nivells d’il·luminació baixos. És per això que la majoria de desenvolupaments tecnològics i treballs de recerca se centren en l’ús de Kinect en aplicacions d’interior, si be, en condicions de baixos nivells d’il.luminació o utilitzant llum artificial durant la nit, pot utilitzar-se en aplicacions a l’exterior, com en el cas de les aplicacions a l’agricultura. Les mesures del sensor K4W2 en mode estàtic, és a dir, sense moviment, són similars a les que realitza una càmera de vídeo estacionària, però amb la diferència que K4W2 també proporciona dades de distància, cosa que permet obtenir núvols de punts 3D. Així, en aquest mode operatiu, el sensor Kinect té un rendiment similar a un sitema LiDAR terrestre (TLS) estacionari, tot i que amb un abast més curt i un camp de visió (FOV) més reduït. Els sensors RGB-D de baix cost disponibles comercialment, com ara el sensor K4W2, poden ser una alternativa interessant als sistemes mòbils terrestres (MTLS) basats en LiDAR, ja que l’alta precisió pot no ser crítica en determinades aplicacions, per exemple en agricultura. Per això, cal incorporar un sistema per aconseguir el desplaçament d’aquests sensors al llarg d’una trajectòria determinada. A més, aquests sensors poden proporcionar informació addicional, com ara color i infrarojos, per a cada punt del núvol.

Característiques generals

El sensor Kinect for Windows V2 està format per una càmera RGB passiva i una càmera del tipus Time of Flight, ToF, activa. Mitjançant la càmera ToF, el sensor emet llum làser en múltiples direccions dins del seu camp de visió i mesura la distància als objectes detectats pels diferents feixos de llum mitjançant el principi del temps de vol –time of flight-, de manera similar a un LiDAR del tipus temps de vol: mesurant el temps transcorregut entre l’emissió i el retorn de la llum entre el sensor i l’objecte. El resultat de la mesura és un núvol de punts amb fins a set variables associades a cadascun dels punts o píxels: 1) informació d’ubicació, normalment coordenades cartesianes locals x, y i z relacionades amb l’origen de les coordenades del sensor, 2) informació del color, generalment en format RGB i 3) intensitat infraroja (IR) de la llum retrodispersada. Les dades de color i IR proporcionen informació addicional per permetre l'extracció de les característiques de l'objecte mitjançant algoritmes de post-processament. El sensor proporciona les dades del color, reflectància a l'infrarriog (IR) i distància (profunditat) de punts situats a la superfície de l’objecte mesurat amb una velocitat màxima de 30 fotogrames per segon (30 fps). Per mesurar la reflectància corresponent a l’infrarroig i estimar la profunditat, utilitza una càmera IR amb una resolució de 512 × 424 píxels i un camp de visió (FOV) de 70,6 × 60 graus. D’altra banda, la càmera de color (RGB) té una resolució de 1920 × 1080 píxels i un camp de visió de 84,1 × 53,8 graus. Els camps de visió d’ambues càmeres no son, per tant, coincidents. Les mesures infraroges es basen en la detecció activa, mentre que la profunditat s’estima segons el principi del temps de vol. Bàsicament, consisteix a mesurar la quantitat de llum rebuda pels detectors sincronitzats que funcionen de manera complementària. A més, el sensor té un filtre de llum ambiental integrat que detecta si un píxel està saturat i restableix el valor de reflectància mesurat per aquest píxel. Aquestes característiques fan que el dispositiu de detecció sigui prou versàtil i robust en diverses aplicacions a l’aire lliure.

A la Taula 1 es recullen les principals característiques del sensor Kinect for Windows V2.

Taula 1. Principals característiques del sensor Kinect for Windows V2

Resolució de la càmera de color (píxels)	1920 x 1080 a 30 fps
Resolució de la càmera de profunditat (píxels)	512 x 424 a 30 fps
Rang de mesura de profunditat	0,5 ~ 4,5 m  (fins a 8 m en condicions favorables)
Principi de mesura de profunditat	Temps de vol (ToF)
Camp de visió horitzontal de la càmera de profunditat	70o
Camp de visió vertical de la càmera de profunditat	60o
Resolució angular	0,14o /pixel
Camp de visió horitzontal de la càmera de color	84,1o
Camp de visió vertical de la càmera de color	53,8o
Interfase	USB 3.0
Sistema operatiu	Windows 8-8.1 (WSA)
Dimensions (cm)	249 x 66 x 67
Pes sense cables (g)	970
Tensió d’alimentació	12 VDC
Consum (W)	~ 15

Aplicacions en AP

L’aplicació dels sensors RGB-D o sensors de profunditat en agricultura de precisió prové, principalment, de la seva capacitat per generar models tridimensionals dels arbres i cultius, permetent extreure’n paràmetres geomètrics (alçada, amplada, profunditat ...) i estructurals (densitat foliar, capacitat de penetració de la llum, estructura i geometría de les plantes ...) que poden ser molt valuosos a l’hora de prendre decisions relatives al maneig de les plantacions. A més, també es pot obtenir el model digital del terreny (MDT) de les parcel.les amb un alta ressolució.

El sensor RGB-D Kinect for Windows V2 es del tipus 3D. Això vol dir que permet obtenir directament models 3D de la part dels objectes mesurats que estan dintre del seu camp de visió (field of view, FOV) i dins del seu rang de distàncies de mesura.  Ara be, per obtenir models tridimensionals d’objectes grans que tenen parts fora del camp de visió i/o del rang espaial de mesura (en aquest cas, d’arbres o plantacions) cal prendre múltiples mesures cobrint tot l’objecte d’interès. Per això, cal moure el sensor per situar-lo en diferents posicions, ja sigui de manera discontínua o contínua. Finalment, juntant les mesures obtingudes s’obté un model 3D de l’objecte mesurat. La integració o unió dels resultats de les diferents mesures realitzades per obtenir un únic model tridimensional de l’objecte es pot realitzar mitjançant diverses tècniques, com ara: i) la integració i funcionament sincronitzat amb un sistema de posicionament global (GNSS, de l'anglès Global Navigation Satellite System) com ara el popular GPS o GALILEU, de manera que cada punt del núvol de punts obtingut te unes coordenades espaials conegudes; ii) una altra tècnica freqüentment utilitzada es coneix com SLAM (de l’anglès Simultaneous Localization and Mapping), basats en l’ús de la informació de diferents tipus de sensors i l’aplicació d’algoritmes matemàtics per determinar les coordenades espaials.

Els resultats finals de les mesures consisteixen en un conjunt de punts, anomenat “núvol de punts (point cloud)”. Es a dir, el model 3D de l’objecte mesurat (en el nostre cas un arbre o una plantació completa) consisteix en un núvol de punts pertanyents a la superfície de l’objecte, de manera que cada punt del núvol de punts obtingut te unes coordenades espaials conegudes, i es pot situar amb gran exactitud en mapes, facilitant la seva anàlisi juntament amb altres mapes de la mateixa plantació, en el context de l’Agricultura de Precisió. A mes de les coordenades espaials, per cada punt del núvol obtingut es disposa d’informació del seu color i de la intensitat d’IR reflectida.

Limitacions

Les principals limitacions de l'ús dels sensors RGB-D Kinect for Windows V2 consisteixen en: i) el grau d’especialització i coneixements del sistema que ha de tenir l’operador d’aquest sensor; ii) en el cas de voler tenir les coordenades geogràfiques de cada punt mesurat, per poder obtenir models 3D de les plantacions, cal que aquest sensor treballi alhora i sincronitzadament amb un sistema GNSS, per tal de poder georeferenciar els núvols de punts resultants; iii) a l’igual que succeeix amb d’altres tecnologies 3D, el magatzematge dels resultats de les mesures obtingudes pot donar lloc a arxius molt grans, de l’ordre d’alguns GB; iv) en aplicacions agrícoles (i, en general en ambients exteriors) cal realitzar les mesures al començament o final del dia per a que el nivell d’il.luminació ambient natural es mantingui en nivells baixos (alternativament, es poden realitzar les mesures durant la nit, i, en cas de voler enregistrar la informació del color, il.luminar l’objecte amb llum artificial); v) per algunes aplicacions, el camp de visió del sensor K4W2 pot resultar massa reduit per enregistrar tot el camp d’interès, éssent necessari, en aquest cas, utilitzar diversos sensors treballant simultàniament o be realitzar diverses passades canviant la seva posició (normalment l’alçada de muntatge). 

Referències

• Classifying Agricultural Terrain for Machinery Traversability Purposes.
•  Yandun, F.J., Gregorio, E., Zúñiga, M., Escolá, A., Rosell-Polo, J.R., Auat Cheein, F.A. 2016. IFAC-PapersOnLine, 49(16), 457-462.DOI: 10.1016/j.ifacol.2016.10.083
• Kinect v2 Sensor-based Mobile Terrestrial Laser Scanner for Agricultural Outdoor Applications. Joan R. Rosell-Polo, Eduard Gregorio, Jordi Gené, Jordi Llorens, Xavier Torrent, Jaume Arnó, Alexandre Escolà. 2017. IEEE/ASME Transactions on Mechatronics, 22(6), 2420-2427. DOI: 10.1109/TMECH.2017.2663436
• Multi-modal deep learning for Fuji apple detection using RGB-D cameras and their radiometric capabilities. Gené-Mola J, Vilaplana V, Rosell-Polo JR, Morros JR, Ruiz-Hidalgo J, Gregorio E. 2019. Computers and Electronics in Agriculture, 162, 689-698. DOI: 10.1016/j.compag.2019.05.016

 

Aquesta obra està sota una llicència de Creative Commons Reconeixement-NoComercial-CompartirIgual 4.0 Internacional(CC BY-NC-SA 4.0)

Què és?

El sensor SICK LMS 200 és un escàner làser d’ús general. El LMS200 es un sensor òptic del tipus LiDAR, el funcionament del qual es similar al RADAR (Radio Detection and Ranging) però utilitzant llum làser en lloc d’ones de radiofreqüència, d’aquí el seu nom: LiDAR, Light Detection and Ranging. Els sistemes LiDAR mesuren la distància existent entre el sensor i l’objecte detectat a partir del temps que tarda la llum emesa pel sensor en impactar sobre l’objecte i retornar al sensor, considerant coneguda i constant la velocitat de la llum emesa. Per això, disposen d’una font emissora d’un feix de llum làser i d’un fotodetector. El temps transcorregut entre l’emissió i la recepció pot determinar-se mitjançant diversos mètodes, éssent els mes comuns, el mètode del Temps deVol (Time of Flight) i el mètode del Desplaçament de Fase (Phase Shift). El LMS200 es un LiDAR del tipus Temps de Vol. La denominació d’escàner LiDAR, fa referència als sensors LiDAR en els quals el feix làser s’emet progressivament en diverses direccions, normalment mitjançant un mirall rotatiu, aconseguint-se la mesura de les distàncies d’objectes situats en el plà en que es realitza l’escanneig (escombrada). El LMS200 es un sistema LiDAR que escaneja en un plà, dins un interval angular màxim de 180º, i que proporciona les distàncies mesurades en coordenades polars, es a dir, indica la distància i l’angle en el que està l’objecte detectat per a cadascuna de les direcions de mesura. 

Característiques generals

El LMS200 es un sistema LiDAR amb seguretat ocular  de classe 1, del tipus Temps de Vol, que emet llum amb una longitud d’ona de 905 nm (infraroig proper, no visible per l’ull humà). Tot i que el fabricant ha dissenyat aquest sensor per a ús en interiors, el seu ús en exterior, en absència de condicions desfavorables (pluja, boira, pols ...) presenta unes prestacions satisfactòries. El sensor proporciona les estimacions en forma polar, proporcionant una distància i el seu angle per a cada punt de mesura. El rang angular màxim és de 0° –180°, però es poden configurar intervals més petits. Les direccions del feix de 0° i 180° són verticals, apuntant cap amunt i cap avall, respectivament. L'usuari pot configurar la resolució angular amb una selecció de tres valors possibles: 1°, 0,5° i 0,25°. Per a la resolució angular de 0,25° el rang angular es limita a un màxim de 100°. Utilitzant l’interval angular màxim (0-180°) s’obté un total de 181 mesures de distància amb una resolució angular d’1° i un total de 361 mesures de distància amb una resolució angular de 0,5°. En comparació amb una resolució angular de 1°, l’obtenció de mesures amb resolució angular de 0,5° requereix el doble de temps ja que s’obtenen a partir de dues rotacions completes del mirall, el doble que amb 1°. Les dades son transferides a la unitat de control i emmagatzematge mitjançant un port sèrie i els estàndards RS-232 i RS-422. L’abast de mesura es pot configurar entre dos valors, 8 m i 80 m. Quan l’abast es fins 8 m, el LMS200 te una precisió de ± 15 mm en mesures individuals  i una desviació estàndard de 5 mm. A la Taula 1 es recullen les principals característiques de l’escàner làser SICK LMS200.

 

Taula 1. Principals característiques de l’escàner làser SICK LMS200

 

Aplicacions en AP

L’aplicació dels escàners LiDAR en agricultura de precisió prové, principalment, de la seva capacitat per generar models tridimensionals dels arbres i cultius, permetent extreure’n paràmetres geomètrics (alçada, amplada, profunditat ...) i estructurals (densitat foliar, capacitat de penetració de la llum, estructura i geometría de les plantes ...) que poden ser molt valuosos a l’hora de prendre decisions relatives al maneig de les plantacions. A més, també es pot obtenir el model digital del terreny (MDT) de les parcel.les amb un alta ressolució.

El LiDAR LMS200 es del tipus 2D. Això vol dir que escaneja els objectes en un plà. Per obtenir models 3D dels objectes (en aquest cas, de les plantacions) cal desplaçar el sensor al llarg de la direcció perpendicular al plà d’escaneig, de manera que juntant les mesures dels diferents plans escanejats s’obté un model 3D de l’objecte. Existeixen també sistemes LiDAR que realitzen les mesures directament en 3D.

Els resultats de les mesures corresponents a cada plà escanejat consisteixen en un conjunt de punts, cadascun corresponent a una mesura, d’un punt concret de la superfície de l’objecte. En desplaçar el LiDAR LMS200 en la direcció perpendicular al plà d’escaneig, s’obté finalment, el que s’anomena “núvol depunts (point cloud)”. Es a dir, el model 3D de l’objecte mesurat (en el nostre cas un arbre o una plantació completa) consisteix en un núvol de punts pertanyents a la superfície de l’objecte. EL sensors LiDAR solen treballar sincronitzats amb un sistema de posicionament global (GNSS, de l'anglès Global Navigation Satellite System) com ara el popular GPS o GALILEU, de manera que cada punt del núvol de punts obtingut te unes coordenades espaials conegudes, i es pot situar amb gran exactitud en mapes, facilitant la seva anàlisi juntament amb altres mapes de la mateixa plantació, en el context de l’Agricutura de Precisió.

Limitacions

Les principals limitacions de l'ús del escáner SICK LMS200 consisteixen en: i) el grau d’especialització i coneixements del sistema que ha de tenir l’operador d’aquest sensor; ii) en tractar-se d’un sensor que va apareixer ja fa bastants anys, les seves prestacions (com ara, una densitat de punts molt baixa) han quedat molt per sota dels models actualment disponibles, si be, molts d’ells tenen un principi de funcionament similar; iii) Per poder obtenir models 3D de les plantacions, cal que aquest sensor treballi alhora i sincronitzadament amb un sistema GNSS, per tal de poder georeferenciar els núvols de punts resultants; iv) en escanejar únicament en un plà, es poden produir ombres i oclusions en les plantes que limiten la penetració dels feixos de llum dins de l’arbre; v) es un sensor de tamany i pes considerablement mes gran que els sistemes similars de nova generació, el que limita la seva integració en la maquinària i en sistemes de mesura en general.

Tutorials relacionats:

• Tutorial: SICK LMS + Unity 3D - Version 2: https://www.youtube.com/watch?v=rQ2IWJ4amwY

Referències

• https://cdn.sick.com/media/pdf/3/43/843/dataSheet_LMS200-30106_1015850_en.pdf
• https://cdn.sick.com/de/en/detection-and-ranging-solutions/2d-lidar-sensors/c/g91900

 

Aquesta obra està sota una llicència de Creative Commons Reconeixement-NoComercial-CompartirIgual 4.0 Internacional(CC BY-NC-SA 4.0)

Què és?

El sensor Hokuyo URG-04LX és un escàner làser d’ús general. El URG-04LX es un sensor òptic del tipus LiDAR, el funcionament del qual es similar al RADAR (Radio Detection and Ranging) però utilitzant llum làser en lloc d’ones de radiofreqüència, d’aquí el seu nom: LiDAR, Light Detection and Ranging. Els sistemes LiDAR mesuren la distància existent entre el sensor i l’objecte detectat a partir del temps que tarda la llum emesa pel sensor en impactar sobre l’objecte i retornar al sensor, considerant coneguda i constant la velocitat de la llum emesa. Per això, disposen d’una font emissora d’un feix de llum làser i d’un fotodetector. El temps transcorregut entre l’emissió i la recepció pot determinar-se mitjançant diversos mètodes, éssent els mes comuns, el mètode del Temps deVol (Time of Flight) i el mètode del Desplaçament de Fase (Phase Shift). El URG-04LX es un LiDAR del tipus Desplaçament de Fase. La denominació d’escàner LiDAR, fa referència als sensors LiDAR en els quals el feix làser s’emet progressivament en diverses direccions, normalment mitjançant un mirall rotatiu, aconseguint-se la mesura de les distàncies d’objectes situats en el plà en que es realitza l’escanneig (escombrada). El URG-04LX es un sistema LiDAR que escaneja en un plà, dins un interval angular màxim de 180º, i que proporciona les distàncies mesurades en coordenades polars, es a dir, indica la distància i l’angle en el que està l’objecte detectat per a cadascuna de les direcions de mesura.

 Característiques generals

El sensor LiDAR URG-04LX conté una font de llum làser (la intensitat de la qual es modula segons un senyal sinusoïdal d’una freqüència determinada) i un fotodetector per detectar el feix reflectit de l’objecte d’interès. La distància entre l’objecte i el sensor es determina a partir del desplaçament de fase mesurat entre el feix de llum emès i el feix reflectit de l’objecte detectat pel fotodetector. El sensor filtra les possibles ambigüitats de distància.

El URG-04LX  es un sistema LiDAR amb seguretat ocular  de classe 1, del tipus Desplaçament de Fase, que emet llum amb una longitud d’ona de 785 nm (infraroig proper, no visible per l’ull humà). Tot i que el fabricant ha dissenyat aquest sensor per a ús en interiors, el seu ús en exterior, en absència de condicions desfavorables (excés de llum, pluja, boira, pols ...) presenta unes prestacions satisfactòries. El sensor proporciona les estimacions en forma polar, proporcionant una distància i el seu angle per a cada punt de mesura. L’interval angular d’escaneig és de 0° –240°, amb una resolució angular de 0,36°, obtenint-se un total de 1024 mesures de distància en cada escaneig. Les dades son transferides a la unitat de control i emmagatzematge mitjançant un port sèrie RS-232C o be un port USB. L’interval de mesura compren entre 0,06  i 4,095 m. amb una precisió de ±10mm per distàncies entre 60 i 1.000 mm i de l’1 % del valor mesurat per distàncies entre 1.000 i 4.095 mm. A la Taula 1 es recullen les principals característiques de l’escàner làser Hokuyo URG-04LX.

Taula 1. Principals característiques de l’escàner làser Hokuyo URG-04LX

 

Aplicacions en AP

L’aplicació dels escàners LiDAR en agricultura de precisió prové, principalment, de la seva capacitat per generar models tridimensionals dels arbres i cultius, permetent extreure’n paràmetres geomètrics (alçada, amplada, profunditat ...) i estructurals (densitat foliar, capacitat de penetració de la llum, estructura i geometría de les plantes ...) que poden ser molt valuosos a l’hora de prendre decisions relatives al maneig de les plantacions. A més, també es pot obtenir el model digital del terreny (MDT) de les parcel.les amb un alta ressolució.

El LiDAR URG-04LX  es del tipus 2D. Això vol dir que escaneja els objectes en un plà: el sensor estima la distància a diferents punts de l'objecte d'interès modificant la direcció del feix làser emès mitjançant un mirall giratori que desvia el feix en diferents direccions dins del mateix pla. Per tant, el sensor realitza una exploració angular de l'objecte dins d'un pla, obtenint les distàncies d'un conjunt de punts de l’objecte en el pla de mesura. Per obtenir models 3D dels objectes (en aquest cas, de les plantacions) cal moure el sensor en la direcció perpendicular al plà d’escaneig, cobrint tot l’objecte d’interès, obtenint-se distàncies als punts de l’objecte situats en plans adjacents. Finalment, juntant les mesures dels diferents plans escanejats s’obté un model 3D de l’objecte mesurat. Existeixen també sistemes LiDAR que realitzen les mesures directament en 3D.

Els resultats de les mesures corresponents a cada plà escanejat consisteixen en un conjunt de punts, cadascun corresponent a una mesura, d’un punt concret de la superfície de l’objecte. En desplaçar el LiDAR URG-04LX  en la direcció perpendicular al plà d’escaneig, s’obté, finalment, el que s’anomena “núvol de punts (point cloud)”. Es a dir, el model 3D de l’objecte mesurat (en el nostre cas un arbre o una plantació completa) consisteix en un núvol de punts pertanyents a la superfície de l’objecte. EL sensors LiDAR solen treballar sincronitzats amb un sistema de posicionament global (GNSS, de l'anglès Global Navigation Satellite System) com ara el popular GPS o GALILEU, de manera que cada punt del núvol de punts obtingut te unes coordenades espaials conegudes, i es pot situar amb gran exactitud en mapes, facilitant la seva anàlisi juntament amb altres mapes de la mateixa plantació, en el context de l’Agricutura de Precisió.

Limitacions

Les principals limitacions de l'ús del escáner Hokuyo URG-04LX consisteixen en: i) el grau d’especialització i coneixements del sistema que ha de tenir l’operador d’aquest sensor; ii) en tractar-se d’un sensor que va apareixer ja fa bastants anys, les seves prestacions estan bastant per sota dels models actualment disponibles, si be, molts d’ells tenen un principi de funcionament similar; iii) En ser un escàner 2D, per poder obtenir models 3D de les plantacions, cal que aquest sensor treballi alhora i sincronitzadament amb un sistema GNSS, per tal de poder georeferenciar els núvols de punts resultants; iv) en escanejar únicament en un plà, es poden produir ombres i oclusions en les plantes que limiten la penetració dels feixos de llum dins de l’arbre; v) a l’igual que succeeix amb la majoria de sistemes LiDAR actuals, el magatzematge dels resultats de les mesures obtingudes pot donar lloc a arxius molt grans, de l’ordre d’alguns GB.

Tutorials relacionats:

• Tutorial: HOKUYO lidar: https://www.youtube.com/watch?v=zl62JBwcbio
• Reconstrucció 3D plantació ETSEA-UdL amb Lidar Hokuyo: https://www.youtube.com/watch?v=7Gj0TjafIMY

Referències

• https://www.hokuyo-aut.jp/search/single.php?serial=165

 

Aquesta obra està sota una llicència de Creative Commons Reconeixement-NoComercial-CompartirIgual 4.0 Internacional(CC BY-NC-SA 4.0)

Què és?

El sensor Hokuyo UTM30-LX-EW és un escàner làser d’ús general. El UTM30-LX-EW es un sensor òptic del tipus LiDAR, el funcionament del qual es similar al RADAR (Radio Detection and Ranging) però utilitzant llum làser en lloc d’ones de radiofreqüència, d’aquí el seu nom: LiDAR, Light Detection and Ranging. Els sistemes LiDAR mesuren la distància existent entre el sensor i l’objecte detectat a partir del temps que tarda la llum emesa pel sensor en impactar sobre l’objecte i retornar al sensor, considerant coneguda i constant la velocitat de la llum emesa. Per això, disposen d’una font emissora d’un feix de llum làser i d’un fotodetector. El temps transcorregut entre l’emissió i la recepció pot determinar-se mitjançant diversos mètodes, éssent els mes comuns, el mètode del Temps de Vol (Time of Flight) i el mètode del Desplaçament de Fase (Phase Shift). El UTM30-LX-EW es un LiDAR del tipus Temps de Vol. La denominació d’escàner LiDAR, fa referència als sensors LiDAR en els quals el feix làser s’emet progressivament en diverses direccions, normalment mitjançant un mirall rotatiu, aconseguint-se la mesura de les distàncies d’objectes situats en el plà en que es realitza l’escanneig (escombrada). El UTM30-LX-EW es un sistema LiDAR que escaneja en un plà, dins d’un interval angular de 270º, i que proporciona les distàncies mesurades en coordenades polars, es a dir, indica la distància i l’angle en el que està l’objecte detectat per a cadascuna de les direcions de mesura.

Característiques generals

El sensor LiDAR UTM30-LX-EW conté una font de llum làser  i un fotodetector per detectar el feix reflectit a l’objecte d’interès. La distància entre l’objecte i el sensor es determina a partir del temps transcorregut entre l’emissió d’un pols de llum làser de molt curta durada i la detecció del retorn en el sensor de part de la llum reflectida en l’objecte detectat, segons el principi del temps de vol o time of flight. El UTM30-LX-EW  es un sistema LiDAR amb seguretat ocular  de classe 1, que emet llum amb una longitud d’ona de 905 nm (infraroig proper, no visible per l’ull humà). El fabricant ha dissenyat aquest sensor per a ús tant en interiors com per al seu ús a l’exterior, presentant, en absència de condicions desfavorables (condicions extremes de llum, pluja, boira, pols ...) unes prestacions satisfactòries. Després de processar cada senyal de retorn rebut, el sensor determina la distància a la qual es troba l'objecte afectat pel pols de llum incident. El sensor realitza les estimacions en forma polar, proporcionant una distància i el seu angle per a cada punt de mesura, prenent el centre del sensor LiDAR com a origen de les coordenades.  Destacar que té funcions de retorn múltiple, que proporcionen fins a 3 mesures de distància associades a impactes parcials del mateix pols làser emès sobre diferents objectes. El UTM30-LX-EW té un abast garantit de 30 m, una finestra d’escaneig de 270 ° amb una resolució angular de 0,25°, proporcionant 1081 mesures de senyal per cada escaneig per a cada retorn, a una freqüència d’escaneig de 40 Hz, el que resulta en més de 43.000 punts s^-1 per cadascún dels tres retorns (pel primer i, en cas que n’hi hagi, per al segon i tercer). Les dades corresponents a les mesures son transferides a la unitat de control i emmagatzematge mitjançant una interfície Ethernet 100BASE-TX. L’interval de mesura compren entre 0,1  i 30 m (que pot arribar fins a 60 m en alguns casos), amb una precisió de ±30mm per distàncies entre 0,1  i 10 m (±50mm en el cas d’elevades il.luminàncies, al voltant de 100.000 lux) i de ±50mm per distàncies entre 10  i 30 m; la precisió pot empitjorar en el cas de forta radiació solar o similar incidint directament en el sensor. A la Taula 1 es recullen les principals característiques de l’escàner làser Hokuyo UTM30-LX-EW.

Taula 1. Principals característiques de l’escàner làser Hokuyo UTM30-LX-EW

Aplicacions en AP

L’aplicació dels escàners LiDAR en agricultura de precisió prové, principalment, de la seva capacitat per generar models tridimensionals dels arbres i cultius, permetent extreure’n paràmetres geomètrics (alçada, amplada, profunditat ...) i estructurals (densitat foliar, capacitat de penetració de la llum, estructura i geometría de les plantes ...) que poden ser molt valuosos a l’hora de prendre decisions relatives al maneig de les plantacions. A més, també es pot obtenir el model digital del terreny (MDT) de les parcel.les amb un alta ressolució.

El LiDAR UTM30-LX-EW  es del tipus 2D. Això vol dir que escaneja els objectes en un plà: el sensor estima la distància a diferents punts de l'objecte d'interès modificant la direcció del feix làser emès mitjançant un mirall giratori que desvia el feix en diferents direccions dins del mateix pla. Per tant, el sensor realitza una exploració angular de l'objecte dins d'un pla, obtenint les distàncies d'un conjunt de punts de l’objecte en el pla de mesura. Per obtenir models 3D dels objectes (en aquest cas, de les plantacions) cal moure el sensor en la direcció perpendicular al plà d’escaneig, cobrint tot l’objecte d’interès, obtenint-se distàncies als punts de l’objecte situats en plans adjacents. Finalment, juntant les mesures dels diferents plans escanejats s’obté un model 3D de l’objecte mesurat. Existeixen també sistemes LiDAR que realitzen les mesures directament en 3D.

Els resultats de les mesures corresponents a cada plà escanejat consisteixen en un conjunt de punts, cadascun corresponent a una mesura, d’un punt concret de la superfície de l’objecte. En desplaçar el LiDAR UTM30-LX-EW  en la direcció perpendicular al plà d’escaneig, s’obté, finalment, el que s’anomena “núvol de punts (point cloud)”. Es a dir, el model 3D de l’objecte mesurat (en el nostre cas un arbre o una plantació completa) consisteix en un núvol de punts pertanyents a la superfície de l’objecte. EL sensors LiDAR solen treballar sincronitzats amb un sistema de posicionament global (GNSS, de l'anglès Global Navigation Satellite System) com ara el popular GPS o GALILEU, de manera que cada punt del núvol de punts obtingut te unes coordenades espaials conegudes, i es pot situar amb gran exactitud en mapes, facilitant la seva anàlisi juntament amb altres mapes de la mateixa plantació, en el context de l’Agricultura de Precisió.

Limitacions

Les principals limitacions de l'ús del escáner Hokuyo UTM30-LX-EW consisteixen en: i) el grau d’especialització i coneixements del sistema que ha de tenir l’operador d’aquest sensor; ii) en tractar-se d’un escàner 2D, per poder obtenir models 3D de les plantacions, cal que aquest sensor treballi alhora i sincronitzadament amb un sistema GNSS, per tal de poder georeferenciar els núvols de punts resultants; iii) en escanejar únicament en un plà, es poden produir ombres i oclusions en les plantes que limiten la penetració dels feixos de llum dins de l’arbre; iv) a l’igual que succeeix amb la majoria de sistemes LiDAR actuals, el magatzematge dels resultats de les mesures obtingudes pot donar lloc a arxius molt grans, de l’ordre d’alguns GB.

Tutorials relacionats:

• Tutorial: HOKUYO lidar: https://www.youtube.com/watch?v=zl62JBwcbio
• Reconstrucció 3D plantació ETSEA-UdL amb Lidar Hokuyo: https://www.youtube.com/watch?v=7Gj0TjafIMY

Referències

• https://www.hokuyo-aut.jp/search/single.php?serial=169
• https://hokuyo-usa.com/application/files/9615/8947/8333/UTM-30LX-EW_Specification.pdf
• Alexandre Escolà, José A. Martínez-Casasnovas, Josep Rufat, Jaume Arnó, Amadeu Arbonés, Francesc Sebé, Miquel Pascual, Eduard Gregorio, Joan R. Rosell-Polo. 2017. Mobile terrestrial laser scanner applications in precision fruticulture/horticulture and tools to extract information from canopy point clouds. Precision Agriculture 18(1), 111-132. DOI: 10.1007/s11119-016-9474-5

 

Aquesta obra està sota una llicència de Creative Commons Reconeixement-NoComercial-CompartirIgual 4.0 Internacional(CC BY-NC-SA 4.0)

 

Figura 1. Sistema LiDAR durant una operació d’aplicació de pesticides. Font: Gregorio et al. (2019).

 Què és?

Es tracta d’un sensor òptic tipus LiDAR (Light Detection And Ranging) desenvolupat pel Grup de Recerca en Agròtica i Agricultura de Precisió (GRAP) de la Universitat de Lleida (Gregorio et al., 2015) per avaluar la deriva que es produeix durant les aplicacions de pesticides.

Abans de detallar les característiques d’aquest instrument és necessari explicar en que consisteix la deriva de pesticides. Segons la norma ISO 22866, la deriva es defineix com la quantitat de producte fitosanitari que és arrastrada fora de l’àrea de tractament per l’acció de corrents d’aire durant el procés d’aplicació (polvorització). La deriva és una important font de contaminació i pot tenir efectes nocius sobre la salut de persones i animals, a més d’un impacte significatiu sobre el medi ambient. Per tant, resulta necessari disposar d’instruments que permetin monitorar-la i avaluar-ne el seu risc, amb l’objectiu final d’aplicar mesures de mitigació. Per tal de mesurar la deriva, solen utilitzar-se col·lectors passius. Tanmateix, es requereix una gran quantitat de personal i de temps per disposar i recollir aquests col·lectors en camp, fet que limita la seva aplicació pràctica. D’altra banda, els col·lectors passius únicament proporcionen mesures integrades en el temps sobre punts específics del núvol de deriva generat, és a dir, no permeten conèixer quina és l’evolució temporal ni en distància de la deriva. A més, les mesures amb els esmentats col·lectors requereixen l’aplicació de traçadors químics.

La tecnologia LiDAR presenta avantatges significatius enfront els col·lectors in-situ donat que un únic operari pot realitzar mesures de deriva de forma remota, a temps real, amb elevada resolució temporal i en distància, i sense utilitzar traçadors químics. Malgrat aquests avantatges, els sistemes LiDAR s’han utilitzat escassament per mesurar la deriva, degut principalment a que els instruments disponibles estan dissenyats per mesurar aerosols atmosfèrics a grans alçades i com a conseqüència, sol tractar-se de sistemes costosos, complexos i, habitualment, ocularment no segurs.

El sistema LiDAR desenvolupat pel GRAP és un instrument singular dissenyat específicament per mesurar la deriva de pesticides. Es tracta d’un sistema ocularment segur, fàcilment transportable i amb capacitat d’escaneig. El seu funcionament es basa en l’emissió de polsos làser de curta durada i la detecció del senyal retrodispersat pels núvols de deriva. A partir del temps transcorregut entre l’emissió i la recepció (temps de vol), és possible determinar la distància a la que es troba el núvol. A més, la intensitat del senyal proporciona informació sobre la concentració relativa del mateix.

 Característiques generals

El sistema LiDAR ha estat disseny per mesurar núvols de deriva a distàncies de fins a 500 m, si bé s’ha verificat experimentalment la seva capacitat per mesurar blancs sòlids a distàncies superiors als 2 km. La resolució temporal pot ser ajustada fins a un màxim de 0.1 s. Pel que fa a la seva configuració òptica, es tracta d’un instrument biaxial, és a dir, els eixos emissor i receptor són diferents. Amb la configuració biaxial no es produeix la interferència òptica (optical cross-talk) pròpia de la configuració coaxial (eix únic per emissió i recepció), per bé que com a contrapartida el sensor presenta una zona inicial cega, fins una distància aproximada de 40 m (ajustable).

El sistema emissor està constituït per un làser polsat (erbium-doped glass laser) que emet a una longitud d’ona de 1534 nm, on cada pols té una energia 3 mJ i una duració de 6 ns. La combinació d’aquest longitud d’ona juntament amb un expansor de feix permet que l’emissió sigui ocularment segura (classe 1M, IEC/EN 60825). En recepció es disposa d’un telescopi reflector de 80 mm d’obertura que juntament amb un conjunt d’òptiques s’encarrega de capturar la llum retrodispersada i focalitzar-la en un mòdul optoelectrònic receptor. Aquest mòdul està constituït per un fotodíode d’avalantxa (APD) amb una responsivitat intrínseca de 0.9 A/W que s’encarrega de convertir la llum capturada en senyal elèctric. Aquest senyal és mostrejat per un convertidor analògic-digital a una freqüència màxima de 200 MS/s i posteriorment dirigit a un ordinador dedicat.

Tal com es mostra en la Figura 1, el sistema LiDAR presenta una configuració modular que facilita el seu transport i muntatge en camp. S’observa com el capçal òptic, a l’interior del qual s’ubiquen els sistemes emissor i receptor, està subjectat per una unitat de gir/inclinació (pan & tilt unit) que permet realitzar escanejos en azimut i en elevació. L’equip es controla mitjançant d’una aplicació LabView desenvolupada ad-hoc que permet a l’usuari visualitzar el senyal mesurat a temps real, emmagatzemar-lo i ajustar els sistemes d’emissió, recepció i escaneig. Per una descripció completa del sistema LiDAR es poden consultar els treballs de Gregorio et al. (2015, 2016). A la Taula 1 es recullen les principals característiques del sistema LiDAR per mesurar la deriva.

Taula 1. Especificacions del sistema LiDAR per mesurar la deriva.

Emissor làser	Longitud d’ona	1534 nm (Erbium glass laser)
	Energia per pols	3 mJ
	Duració del pols	6 ns
	Freqüència d’emissió	Pols únic – 10 Hz (ajustable)
Expansor de feix	Expansió	20x
	Divergència teòrica de sortida	210 µm
Telescopi	Obertura	80 mm
Fotodetector	Tipus	Fotodíode d’avalantxa (APD)
	Responsivitat intrínseca	0.9 A/W (1500 nm)
	Soroll (NEP)	0.46 pW/Hz1/2
	Guany (APD)	10
	Guany transimpedància	100000 V/A
Convertidor ADC	Freqüència de mostreig	500 MS/s
	Resolució	12 bits

 

Aplicacions en AP

L’aplicació del sistema LiDAR desenvolupat en agricultura de precisió prové, principalment, de la seva capacitat per mesurar la deriva de pesticides i la qualitat de l’aire agrícola en general. La disponibilitat d’aquest sistema ha de permetre conèixer millor el fenomen de la deriva i adoptar les millors tècniques disponibles per tal de prevenir-la.

Aquest instrument s’ha utilitzat en diversos estudis dirigits, d’una banda, a avaluar el potencial de deriva associat a diferents broquets. D’altra banda, s’ha utilitzat per monitorar l’evolució temporal i en distància dels núvols de deriva emesos durant les operacions de polvorització en condicions reals de camp.

MESURA DEL POTENCIAL DE DERIVA

El potencial de deriva ve definit com el percentatge del volum inicial polvoritzat que és transportat a sotavent en forma de polvorització aèria (ISO 22856). El potencial de deriva es mesura habitualment en condicions de laboratori utilitzant túnels de vent o caracteritzant la distribució de grandària de les gotes emeses pel broquet. Gregorio et al. (2019) van utilitzar el sistema LiDAR desenvolupat en assajos de potencial de deriva, demostrant la capacitat d’aquest instrument per diferenciar i classificar broquets segons la seva tipologia (broquets estàndard, broquets de baixa deriva) o segons el seu calibre. A diferència de les metodologies utilitzades fins l’actualitat, el sistema LiDAR desenvolupat és capaç de mesurar el període de temps que les gotes estan suspeses a l’aire. Aquest és un paràmetre important donat que a major període de suspensió, major possibilitat de deriva. 

MESURA DE LA DERIVA EN CAMP

El principal avantatge de realitzar assajos de potencial de deriva en condicions controlades és la seva repetibilitat. Tanmateix, continua essent necessari dur a terme assajos de deriva en camp que permetin reproduir de forma realista les condicions d’aplicació. El sistema LiDAR desenvolupat s’ha utilitzat en camp per mesurar la deriva generada per polvoritzadors hidropneumàtics en plantacions fructícoles (Gregorio et al. 2016). Les mesures LiDAR van comparar-se amb les obtingudes mitjançant col·lectors passius obtenint una elevada correspondència (R²>0.85).

També es va demostrar la capacitat del sistema LiDAR per monitorar l’evolució temporal i espacial del núvol de deriva un cop realitzada l’aplicació. A més, la capacitat d’escaneig (azimut, elevació) d’aquest instrument, permet generar imatges 2D dels núvols de deriva on es mostra la concentració relativa en diferents zones dels mateixos (Figura 2). Aquests resultats demostren que el sistema LiDAR desenvolupat és una alternativa avantatjosa als col·lectors passius habitualment utilitzats i obre la porta al desenvolupament de noves metodologies de mesura de la deriva en camp, alternatives o complementàries a l’actual norma ISO 22866 basada en col·lectors in-situ.

Figura 2. Escanejos horitzontals d’un núvol de deriva. L’escala de colors indica la concentració relativa del núvol de deriva. a) Escaneig durant l’aplicació. b) Escaneig 15 s després de finalitzar l’aplicació on s’observa la dispersió del núvol de deriva. Font: Gregorio et al. (2016).

ALTRES APLICACIONS POTENCIALS

L’instrument desenvolupat presenta unes característiques adequades per mesurar altres tipus d’aerosols atmosfèrics generats en entorns agroforestals. Entre les potencials aplicacions a explorar, s’inclou la mesura de partícules suspeses (PM) generades en explotacions ramaderes, el monitoratge de regs per aspersió i aplicacions de fertilitzants, així com la seva utilització com a eina de prevenció d’incendis forestals (detecció de fums).

Limitacions

La presència de pols suspès en l’aire suposa la principal limitació per mesurar la deriva amb aquest instrument. El pols es detectat pel sistema LiDAR distorsionant les mesures de deriva resultants. Aquest situació sol donar-se quan el polvoritzador circula per terrenys sense vegetació en condicions de baixa humitat. S’ha comprovat experimentalment que, en aquetes condicions, mullar el terreny abans d’iniciar l’assaig disminueix significativament el senyal associat a la presència de pols suspès (>75% de reducció) permetent la mesura de la deriva amb el LiDAR sense interferències apreciables.

Una altra limitació pot provenir del fet que l’equip presenta un cost elevat. Cal indicar però, que aquest instrument s’ha desenvolupat en el marc de diversos projectes d’investigació i no s’ha cercat una finalitat comercial. En aquest sentit, l’equip presenta un potencial de miniaturització que hauria de resultar en una disminució del seu cost. D’altra banda, els costos operatius (personal, temps) d’aquest instrument són molt inferiors als associats a la metodologia convencional basada en col·lectors passius. A banda de l’anterior, cal remarcar les prestacions superiors que ofereix aquest instrument i que permeten avançar cap a una comprensió més global del fenomen de la deriva.

Referències

• Gregorio, E., Rocadenbosch, F., Sanz, R., Rosell-Polo, J.R., 2015. Eye-safe lidar system for pesticide spray drift measurement. Sensors (Switzerland) 15, 3650–3670. https://doi.org/10.3390/s150203650.
• Gregorio, E., Torrent, X., Planas, S., Solanelles, F., Sanz, R., Rocadenbosch, F., Masip, J., Ribes-Dasi, M., Rosell-Polo, J.R., 2016. Measurement of spray drift with a specifically designed lidar system. Sensors 16 (4), 499. https://doi.org/10.3390/s16040499.
• Gregorio, E., Torrent, X., Planas, S., Rosell-Polo, J.R., 2019. Assessment of spray drift potential reduction for hollow-cone nozzles: part 2. LiDAR-technique. Sci. Total Environ. 687, 967–977. https://doi.org/10.1016/j.scitotenv.2019.06.151.
• ISO 22856, 2008. Equipment for Crop Protection - Methods for the Laboratory Measurement of Spray Drift - Wind Tunnels. International Organization for Standardization, Geneva.
• ISO 22866, 2005. Equipment for Crop Protection - Methods for Field Measurement of Spray Drift. International Organization for Standardization, Geneva.

Aquesta obra està sota una llicència de Creative Commons Reconeixement-NoComercial-CompartirIgual 4.0 Internacional(CC BY-NC-SA 4.0)

 

 

Fonts: agriculture.trimble.com/product/greenseeker-handheld-crop-sensor
i www.vantage-nz.com/portfolio/greenseeker-system/

Què és?

GreenSeeker és un sensor radiomètric actualment comercialitzat per la marca Trimble. El sensor GreenSeeker és un sensor de tipus actiu (emet la seva pròpia font de llum) que mesura la intensitat de llum vermella i infraroja que li arriba per tal de calcular l’índex de vegetació NDVI.

Característiques generals

El sensor en comercialitza en dos modalitats: manual i continu. El sensor GreenSeeker manual (Handheld GreenSeeker) permet fer mesures discretes i visualitzar el valor d’NDVI calculat en una petita pantalla. Aquest sensor també permet fer una mesura prolongada en el temps durant uns segons després de la qual facilita un sol valor numèric d’NDVI en pantalla. En alguns models, la sortida de dades també es pot fer via Bluetooth i realitzar la captura amb un dispositiu de captura de dades Bluetooth. El sensor GreenSeeker continu realitza mesures de manera ininterrompuda i les va emetent per un port de comunicacions de sortida per a ser enregistrades i/o utilitzades per altres components. A la Taula 1 es mostren algunes de les seves característiques.

Taula 1. Principals característiques del sensor Trimbe GreenSeeker

Característica	Valor
Longitud d’ona llum vermella	660 nm
Longitud d’ona llum infraroja	780 nm
Camp de visió (alçada)	25 cm (60 cm) 50 cm (120 cm)

El sensor proporciona un valor d’NDVI per cada mesura. Tot i això, el valor d’NDVI és el valor mitjà que correspont a la zona de mesura i la zona de mesura del sensor varia segona la seva alçada. Segons el fabricant, el sensors s’ha de mantenir entre 60 cm i 120 cm per sobre del cultiu per tal d’obtenir una bona lectura. A aquestes alçades, la zona mesurada és una mena d’el·lipse de 25 cm i 60 cm d’eix major, respectivament (Figura 1).

 

Figura 1. Posició per a realitzar la mesura i zona mesurada del sensor Trimbe GreenSeeker

 

Aplicacions en AP

El sensor manual permet prendre mesures puntuals d’NDVI del cultiu per tal de conèixer el seu estat. Donat que les dades s’han d’anotar o enregistrar una a una, el sensor no és adequat per a caracteritzar tota una parcel·la, sobretot si és gran. Aquesta aplicació és més adequada per al sensor que emet dades en continu. A part de conèixer l’estat dels cultius a partir de l’índex NDVI, el fabricant proposa utilitzar aquest sensor en la fertilització nitrogenada. Amb el sensor manual es podria determinar una dosi òptima única i uniforme per a tota una parcel·la i amb el sensor continu es podria dur a terme una fertilització variable en temps real, sobre la marxa (on-the-go), en el que es coneix com Agricultura de Precisió en temps real. En ambdós casos, el fabricant especifica que cal fertilitzar abundantment una zona de la parcel·la que servirà de referència. A partir del valor d’NDVI obtingut en aquesta zona el fabricant proporciona unes relacions en forma de taules o algoritmes per tal d’establir quina dosi correspondria a zones de la parcel·la amb valor d’NDVI menors. Per tal de poder utilitzar el sensor GreenSeeker continu, és necessari disposar dels controladors compatibles del mateix fabricant i dels actuadors necessaris per tal de poder realitzar aplicacions variables de fertilitzant. El conjunt és el que s’anomena tecnologies d’aplicació o dosificació variables, en anglès Variable-Rate Technology o VRT. Si, a més, es pot obtenir un mapa de l’aplicació (as applied map) llavors es disposaria d’un mapa de la localització de les males herbes que es podria aprofitar per a dissenyar altres accions de maneig per a gestionar-les.

Limitacions

El sensor GreenSeeker té una zona de mesura limitada (de 25 cm a 50 cm) dins la qual només proporciona un valor puntual. Per aquest motiu, si es fa servir el sensor manual cal prendre diverses mesures per tal que siguin prou representatives. Si es fa servir el sensor continu, cal passar el sensor per sobre del cultiu arreu del camp.

Tutorials relacionats:

• How to Use the GreenSeeker Handheld: youtube.com/watch?v=6q1IRMwkgVs
• GreenSeeker® Handheld used with BT Logger App: www.youtube.com/watch?v=B9rMFxAFJDA

Referències

• trimble.com/product/greenseeker-handheld-crop-sensor
• trimble.com/blog/use-reference-strips-better-nitrogen-management

Aquesta obra està sota una llicència de Creative Commons Reconeixement-NoComercial-CompartirIgual 4.0 Internacional(CC BY-NC-SA 4.0)

 

 

Font: www.agleader.com/blog/what-is-optrx

Què és?

OptRx és un sensor radiomètric actualment comercialitzat per la marca Ag Leader. El sensor OptRx és un sensor de tipus actiu (emet la seva pròpia font de llum) que mesura la intensitat de llum vermella, infraroja i Red Edge que li arriba per tal de calcular els índex de vegetació NDVI i NDRE.

Característiques generals

El sensor OptRx realitza mesures puntuals o discretes de manera ininterrompuda i les va emetent per un port de comunicacions de sortida per a ser enregistrades i/o utilitzades per altres components. A la Taula 1 es mostren algunes de les seves característiques.

Taula 1. Principals característiques del sensor Ag Leader OptRx

Característica	Valor
Longitud d’ona llum vermella	670 nm ± 10 nm
Longitud d’ona llum infraroja	775 nm (> 750 nm)
Longitud d’ona llum Red Edge	728 nm ± 8 nm
Alçada de treball	Entre 50 cm i 125 cm
Alçada de treball òptima	Entre 75 cm i 90 cm

 

El sensor proporciona un valor d’NDVI i un de NDRE per cada mesura. Tot i això, els valor dels índex de vegetació són el valor mitjà que correspont a la zona de mesura.

L’avantatge d’aquest sensor proper de cultiu és que, a més de calcular l’índex NDVI, també facilita l’índex NDRE, menys susceptible a la saturació quan hi ha molta biomassa.

Aplicacions en AP

A part de conèixer l’estat dels cultius a partir dels índex NDVI i NDRE, el fabricant proposa utilitzar aquest sensor en la fertilització nitrogenada variable en temps real, sobre la marxa (on-the-go), en el que es coneix com Agricultura de Precisió en temps real. Per tal de poder utilitzar el sensor OptRx, és necessari disposar dels controladors compatibles del mateix fabricant i dels actuadors necessaris per tal de poder realitzar aplicacions variables de fertilitzant. El conjunt és el que s’anomena tecnologies d’aplicació o dosificació variables, en anglès Variable-Rate Technology o VRT. Si, a més, es pot obtenir un mapa de l’aplicació (as applied map) llavors es disposaria d’un mapa de la localització de les males herbes que es podria aprofitar per a dissenyar altres accions de maneig per a gestionar-les.

Limitacions

El sensor OptRx té una zona de mesura limitada dins la qual només proporciona un valor puntual. Per aquest motiu, si es fa servir el sensor continu, cal passar el sensor per sobre del cultiu arreu del camp.

Tutorials relacionats:

• OptRx® Crop Sensors - Ag Leader Technology: https://www.youtube.com/watch?v=9fNS7ZCxE9s

Referències

• agleader.com/blog/what-is-optrx

Aquesta obra està sota una llicència de Creative Commons Reconeixement-NoComercial-CompartirIgual 4.0 Internacional(CC BY-NC-SA 4.0)

Font: hollandscientific.com/portfolio/crop-circle-acs-435/

Què és?

El Crop Circle ACS-435 és un sensor radiomètric comercialitzat per la marca Holland Scientific. El sensor Crop Circle és un sensor de tipus actiu (emet la seva pròpia font de llum) que mesura la intensitat de llum vermella, infraroja i Red Edge que li arriba per tal de calcular els índex de vegetació NDVI i NDRE.

Característiques generals

El sensor Crop Circle ACS-435 realitza mesures puntuals o discretes de manera ininterrompuda i les va emetent per un port de comunicacions de sortida per a ser enregistrades i/o utilitzades per altres components. A la Taula 1 es mostren algunes de les seves característiques.

Taula 1. Principals característiques del sensor Crop Circle ACS-435

Característica	Valor
Longitud d’ona llum vermella	670 nm
Longitud d’ona llum infraroja	780 nm
Longitud d’ona llum Red Edge	730 nm
Camp de visió	Aprox. 40º x 10º
Alçada de treball	Entre 50 cm i 2,5 m

 

El sensor proporciona un valor d’NDVI i un de NDRE per cada mesura. Tot i això, els valor dels índex de vegetació són el valor mitjà que correspont a la zona de mesura.

L’avantatge d’aquest sensor proper de cultiu és que, a més de calcular l’índex NDVI, també facilita l’índex NDRE, menys susceptible a la saturació quan hi ha molta biomassa.

Aplicacions en AP

El fabricant d’aquest sensor l’ha dissenyat per a prendre mesures georeferenciades en camps de manera contínua, transportant el sensor a peu o embarcat en un vehicle. Per tal de poder utilitzar el sensor Crop Circle ACS-435, és necessari disposar d’un sistema d’adquisició o datalogger del mateix fabricant i d’un receptor SSNG per a georeferenciar les lectures i poder, posteriorment, generar un mapa de l’estat del cultiu.

Limitacions

El sensor Crop Circle ACS-435 té una zona de mesura limitada dins la qual només proporciona un valor puntual. Per aquest motiu, si es fa servir el sensor continu, cal passar el sensor per sobre del cultiu arreu del camp.

Referències

• com/portfolio/crop-circle-acs-435/

https://creativecommons.org/licenses/by-nc-sa/4.0/
Aquesta obra està sota una llicència de Creative Commons Reconeixement-NoComercial-CompartirIgual 4.0 Internacional
(CC BY-NC-SA 4.0)

Què és?

WeedSeeker és un sensor radiomètric actualment comercialitzat per la marca Trimble. El sensor WeedSeeker és un sensor de tipus actiu (emet la seva pròpia font de llum) per a la detecció de males herbes en situacions de pre-emergència. Normalment, el sensor va associat a un sistema d’aplicació selectiva d’herbicides en temps real, un sistema equipat amb tecnologies de dosificació variable sobre la marxa (on-the-go) que només aplica producte allà on es detecta mala herba. Tanmateix, quan es decideix que cal aplicar herbicida, la dosi que aplica és sempre del 100 %.

Figura 1. Model anterior del sensor WeedSeeker (esquerra) i vistes del model actual WeedSeeker 2 (centre i esquerra). Font: agricultura.trimble.es/product/sistema-automtico-de-pulverizacin-weedseeker-2

 

Característiques generals

El sensor és capaç de detectar plantes verdes i, per tant, fotosintèticament actives però no és capaç de diferenciar males herbes de cultiu. En la primera versió del sensor (Figura 1, esquerra), el seu funcionament era molt semblant al funcionament del sensor GreenSeeker, de la mateixa marca. El sensor mesurava la intensitat de llum vermella i infraroja que li arribava per tal de calcular l’índex de vegetació NDVI. L’agricultor/a o personal tècnic establia al controlador associat al sensor un valor llindar de NDVI per sobre del qual s’activava l’aplicació d’herbicida. Actualment, el fabricant comercialitza la segona versió del sensor, el WeedSeeker 2 (Figura 1), del que no facilita les seves especificacions.

El que sí que indica el fabricant són les següents característiques del sistema WeedSeeker 2, que inclou els sensors i també els controladors i els actuadors necessaris:

• El sistema és compatible amb l’estàndard de comunicacions ISOBUS, per la qual cosa no és necessari disposar d’una interfície específica.
• Els sensors i el sistema de polvorització selectiva es poden muntar en qualsevol polvoritzador.
• Cal muntar un sensor WeedSeeker cada 50 cm i, per tant, en cal un per cada broquet muntat a la barra.
• El sistema WeedSeeker 2 permet emmagatzemar les deteccions dels sensors i georeferencia-les per tal de poder confeccionar una mapa de d’aplicació i, per tant, un mapa de males herbes que es podrà fer servir, també, en l’Agricultura de Precisió (AP) basada en mapes.
• El sistema és capaç d’evitar tornar a aplicar herbicida en llocs del camp per on ja ha passat i aplicat anteriorment (control de superposició).
• Segons el fabricant, el sistema és eficaç fins a velocitats de 40 km/h.

Aplicacions en AP

Donat que el sistema WeedSeeker discrimina entre planta i superfície del sòl o restes de cultiu però no entre mala herba i cultiu, només es pot fer servir per a l’aplicació selectiva d’herbicides en situacions de pre-emergència. En aquesta situació no s’espera que hi hagi cap planta verda al camp i, si n’hi ha, només poden ser considerades com a males herbes. Una alternativa a aquesta situació és fer servir el sensor entre línies de cultiu separades més de 50 cm i sense fulles de cultiu envaint la zona de separació. En aquesta situació tampoc s’espera que hi hagi cap planta verda i, si es detecta, es considerarà mala herba i rebrà la dosi d’herbicida corresponent. També s’han descrit aplicacions del sistema WeedSeeker sota files d’arbres fruiters per tal d’aplicar herbicida només en els llocs que hi hagi males herbes.

L’estalvi que pot aportar aquest sistema bàsicament rau en la reducció d’herbicida que es produeix en aplicar producte només allà on hi ha plantes en comparació a una aplicació uniforme a dosi constant a tota la parcel·la. Evidentment, en aplicar menys producte també es produiran menys temps morts associats al reompliment del dipòsit. Tanmateix, el consum de combustible serà semblant donat que el tractor ha de circular igualment per tota la parcel·la. La magnitud de l’estalvi final dependrà de la quantitat de males herbes que hi hagi a la parcel·la.

Limitacions

Les aplicacions de productes per a la protecció de cultius sobre la marxa, en temps real tenen sempre un inconvenient que és que no és possible determinar la quantitat de producte que cal preparar al dipòsit abans de fer l’aplicació i, per tant, és molt probable que, en acabar, quedin restes de producte no aplicat que caldrà gestionar correctament com a residu contaminant que és. Aquesta limitació no la presenten les aplicacions basades en mapes de prescripció, a partir dels quals es pot determinar la quantitat de producte necessària abans de fer el tractament.

Una altra limitació del sistema WeekSeeker és l’elevat cost d’adquisició ja que és imprescindible dotar cada broquet del seu propi sensor i de la seva pròpia electrovàlvula. Així, la rendibilitat del sistema dependrà de l’estalvi d’herbicida que es produeixi així com també del nombre d’aplicacions i de la superfície tractada. Si no s’aconsegueix una amortització dins d’un termini raonable, sempre quedarà l’opció de llogar el servei a una empresa. Un dels problemes per amortitzar aquests equips és que no es tenen en compte els costos ambientals que comporten les aplicacions incorrectes i no es valoren suficientment les potencials reduccions de la contaminació ambiental que aporten aquests equips, més enllà del benefici econòmic per a l’explotació.

A internet es poden trobar molts estudis que comparen els costos derivats d’aplicacions convencionals respecte d’aplicacions basades en el sistema WeedSeeker i comparatives amb altres sistemes. Tanmateix, pràcticament totes són de sistemes de cultiu d’altres països. Caldria disposar d’estudis adaptats als sistemes de cultiu catalans per a promocionar aquesta i altres tecnologies que aporten reduccions significatives de productes fitosanitaris i altres recursos agrícoles.

Tutorials relacionats:

• Descripció del producte WeekSeeker 2:
  youtube.com/watch?v=iNe8MGMyMlY

Referències

• Descripció del producte WeekSeeker 2:
  trimble.es/product/sistema-automtico-de-pulverizacin-weedseeker-2
• Càlcul de l’amortització del sistema WeedSeeker 2:
  trimble.com/weedseeker2-roi-calculator

Aquesta obra està sota una llicència de Creative Commons Reconeixement-NoComercial-CompartirIgual 4.0 Internacional(CC BY-NC-SA 4.0)

Què és?

WEED-IT Quadro és un sistema basat en sensors radiomètrics de tipus actiu (emet la seva pròpia font de llum) per a la detecció de males herbes en situacions de pre-emergència. Normalment, el sensor va associat a un sistema d’aplicació selectiva d’herbicides en temps real, un sistema equipat amb tecnologies de dosificació variable sobre la marxa (on-the-go) que només aplica producte allà on es detecta mala herba. Tanmateix, quan es decideix que cal aplicar herbicida, la dosi que aplica és sempre del 100 % tot i que aquest fabricant presenta alguna variació que pot resultar interessant en algunes aplicacions.

 

Figura 1. Sensor WEED-IT Quadro muntat en un polvoritzador automotriu.
Font: www.weed-it.com/weedit-quadro

 

Característiques generals

El sensor és capaç de detectar plantes verdes i, per tant, fotosintèticament actives però no és capaç de diferenciar males herbes de cultiu. En la primera versió del sensor, el seu funcionament es basava en mesurar la intensitat de llum vermella i infraroja que li arribava per tal de calcular l’índex de vegetació NDVI. L’agricultor/a o personal tècnic establia al controlador associat al sensor un valor llindar de NDVI per sobre del qual s’activava l’aplicació d’herbicida. Actualment, el fabricant comercialitza la segona versió del sensor, el WEED-IT Quadro (Figura 1), del que diu que detecta les plantes mitjançant fluorescència però no facilita les seves especificacions.

El que sí que indica el fabricant són les següents característiques del sistema WEED-IT Quadro, que inclou els sensors i també els controladors i els actuadors necessaris:

• Els sensors i el sistema de polvorització selectiva es poden muntar en qualsevol polvoritzador.
• Cal muntar un sensor WEED-IT Quadro cada 1 m i broquets cada 25 cm, de manera que a partir de cada sensor es controlen 4 broquets polsants (amb modulació de l’amplada de pols o PWM). Respecte del sistema WeedSeeker, en aquest cas és fan servir la meitat de sensors però el doble de broquets. Amb això s’acosengueix més resolució en l’aplicació d’herbicides, fet que es podria traduir en un increment de l’estalvi potencial de producte.
• El sistema presenta també l’opció de tractar el camp amb 2 dosis diferents. Una dosi baixa aplicada de forma uniforme a tota la parcel·la i una dosi alta aplicada de forma selectiva només en presència de plantes.
• El sistema també es pot fer servir per a fer aplicacions convencionals a dosi uniforme amb l’avantatge de poder fer servir els broquets PWM per a ajustar el cabal aplicat a la velocitat de l’equip i als revolts.
• Segons el fabricant, el sistema és eficaç fins a velocitats de 25 km/h.

Aplicacions en AP

Donat que el sistema WEED-IT discrimina entre planta i superfície del sòl o restes de cultiu però no entre mala herba i cultiu, només es pot fer servir per a l’aplicació selectiva d’herbicides en situacions de pre-emergència. En aquesta situació no s’espera que hi hagi cap planta verda al camp i, si n’hi ha, només poden ser considerades com a males herbes. Una alternativa a aquesta situació és fer servir el sensor entre línies de cultiu separades més de 50 cm i sense fulles de cultiu envaint la zona de separació. En aquesta situació tampoc s’espera que hi hagi cap planta verda i, si es detecta, es considerarà mala herba i rebrà la dosi d’herbicida corresponent. El fabricant també proposa aplicacions sota les files de cultius arboris ja sigui embarcant el sistema en tractors o en quads.

L’estalvi que pot aportar aquest sistema bàsicament rau en la reducció d’herbicida que es produeix en aplicar producte només allà on hi ha plantes en comparació a una aplicació uniforme a dosi constant a tota la parcel·la. Evidentment, en aplicar menys producte també es produiran menys temps morts associats al reompliment del dipòsit. Tanmateix, el consum de combustible serà semblant donat que el tractor ha de circular igualment per tota la parcel·la. La magnitud de l’estalvi final dependrà de la quantitat de males herbes que hi hagi a la parcel·la.

Limitacions

Les aplicacions de productes per a la protecció de cultius sobre la marxa, en temps real tenen sempre un inconvenient que és que no és possible determinar la quantitat de producte que cal preparar al dipòsit abans de fer l’aplicació i, per tant, és molt probable que, en acabar, quedin restes de producte no aplicat que caldrà gestionar correctament com a residu contaminant que és. Aquesta limitació no la presenten les aplicacions basades en mapes de prescripció, a partir dels quals es pot determinar la quantitat de producte necessària abans de fer el tractament.

Una altra limitació del sistema WEED-IT és l’elevat cost d’adquisició ja que és imprescindible situar un sensor WEED-IT Quadro cada 1 m i un broquet amb electrovàlvula polsant PWM cada 25 cm. Així, la rendibilitat del sistema dependrà de l’estalvi d’herbicida que es produeixi així com també del nombre d’aplicacions i de la superfície tractada. Si no s’aconsegueix una amortització dins d’un termini raonable, sempre quedarà l’opció de llogar el servei a una empresa. Un dels problemes per amortitzar aquests equips és que no es tenen en compte els costos ambientals que comporten les aplicacions incorrectes i no es valoren suficientment les potencials reduccions de la contaminació ambiental que aporten aquests equips, més enllà del benefici econòmic per a l’explotació.

A internet es poden trobar molts estudis que comparen els costos derivats d’aplicacions convencionals respecte d’aplicacions basades en el sistema WEED-IT i comparatives amb altres sistemes. Tanmateix, pràcticament totes són de sistemes de cultiu d’altres països. Caldria disposar d’estudis adaptats als sistemes de cultiu catalans per a promocionar aquesta i altres tecnologies que aporten reduccions significatives de productes fitosanitaris i altres recursos agrícoles.

Tutorials relacionats:

• Descripció del producte WEED-IT:
  youtube.com/watch?v=ToiGzgJBYN0

Referències

• Descripció del producte WEED-IT (Argentina): weed-it.com.ar/producto
• Pàgina web del fabricant:weed-it.com
• Càlcul de l’amortització del sistema WEED-IT:
  weed-it.com.ar/calculadora-de-ahorro
  weed-it.com/calculator

Aquesta obra està sota una llicència de Creative Commons Reconeixement-NoComercial-CompartirIgual 4.0 Internacional(CC BY-NC-SA 4.0)

 

Què és?

Sentinel-2 és una missió d’observació de la Terra dins de el programa Copernicus de l'Agència Espacial Europea (ESA). Es composa de dos saltèl·lts (Sentinel-2A i -2B) col·locats en la mateixa òrbita i sincronitzats amb el sol, en fase de 180° entre sí a una alçada de 786 km sobre el nivell el mar. El seu objectiu és observar la superfície terrestre amb una elevada resolució espacial (mida de píxel sobre el terreny) i temporal (temps de revisita o freqüència de pas).

Característiques generals

Els satèl·lits Sentinel-2 porten un instrument multiespectral d'alta resolució amb 13 bandes espectrals (Taula 1) i utilitzen un sistema d'escombratge al llarg de la trajectòria per a generar imatges de 290 km d'amplada. El sensor compta amb dos grans plans focals, un a les bandes de l’espectre electromagnètic del visible (VIS) i de l'infraroig proper (NIR) i l'altre en l'infraroig mitjà (SWIR).

Cada satèl·lit té una resolució temporal de 10 dies però entre els dos satèl·lits Sentinel-2 proveeixen imatges multiespectrals d'una localització cada 5 dies.

Taula 1. Característiques de les bandes espectrals de Sentinel-2

Banda Sentinel-2	Espectre	Longitud d'ona central / nm	Resolució espacial / m
Banda 1	Aerosol	442	60
Banda 2	Blau (VIS)	492	10
Banda 3	Verd  (VIS)	559	10
Banda 4	Roig (VIS)	664	10
Banda 5	NIR	704	20
Banda 6	NIR	740	20
Banda 7	NIR	780	20
Banda 8	NIR	832	10
Banda 8a	NIR	864	20
Banda 9	Vapor aigua	944	60
Banda 10	Cirrus (núvols)	1375	60
Banda 11	SWIR	1612	20
Banda 12	SWIR	2193	20

 

Les imatges de la missió Sentinel-2 poden descarregar-se sense correcció atmosfèrica i amb correcció atmosfèrica. Si només es desitja analitzar la variabilitat espacial del cultiu d’una determinada zona o parcel·la, es poden utilitzar les imatges sense corregir (productes Level-1C). Però si el que es desitja és comparar els índex de vegetació amb els valors d’altres dates, és imprescindible utilitzar les imatges corregides (producte Level-2A) .

Aplicacions en AP

Al processar les imatges procedents de Sentinel-2 es poden obtenir diferents índexs de vigor de la vegetació i observar la seva variabilitat. Si tenim prou píxels en un camp, aquesta variabilitat ens permetrà classificar zones amb un comportament similar del cultiu. A partir de l’aplicació de tècniques d’Agricultura de Precisió, a aquestes  zones se’ls pot prescriure un maneig agronòmic diferenciat (p.ex. dosi de fertilitzant o de fitosantiaris, densitat de sembra, etc.).

Limitacions

Les principals limitacions de l'ús de Sentinel-2 són, d'una banda, la presència de núvols, i de l'altra, la seva resolució espacial en les bandes visibles i infraroig (10 m), que pot no ser suficient per monitorar parcel·les petites o bé cultius en bandes.

La presència de núvols impedeix capturar la reflectància de la superfície terreste, de manera que les imatges adquirides els dies ennuvolats no seran útils. Aquest factor reduirà la resolució temporal efectiva de les imatges, especialment en zones on les condicions climatològiques siguin favorables als cels coberts.

En cultius en bandes (com fruiters o vinya), que no cobreixen la totalitat de la superfície de el terreny de manera contínua (distància entre files o entre arbres), els índexs de vigor calculats es poden veure distorsionats per la presència de coberta vegetal o sòl nu entre files.

Figura 1. Resolució espacial d’una imatge obtinguda amb Sentinel-2 (10 m) comparada amb una imatge obtinguda amb dron (0.06m) a un camp d’ordi.

Tutorials relacionats:

• Descàrrega d’imatges de la missió Sentinel-2.
• Càlcul de l’NDVI amb Sentinel-2 i QGIS.

Referències

• https://sentinel.esa.int/web/sentinel/missions/sentinel-2
• https://sentinels.copernicus.eu/documents/247904/349490/S2_SP-1322_2.pdf

Aquesta obra està sota una llicència de Creative Commons Reconeixement-NoComercial-CompartirIgual 4.0 Internacional(CC BY-NC-SA 4.0)

 

Sentinel-2 (https://sentinels.copernicus.eu/web/sentinel/missions/sentinel-2) és una de les missions del programa Copernicus. Copernicus (www.copernicus.eu) és un programa d’observació de la Terra de la Unió Europea mitjançant el qual s’han posat i es posaran en òrbita satèl·lits amb diferents sensor per tal d’obtenir dades de la Terra de forma contínua, oberta i gratuïta.

Una manera ràpida i senzilla de visualitzar i descarregar imatges de la missió Sentinel-2 i, fins i tot, de visualitzar la distribució espacial de l'índex NDVI calculat amb les seves capes vermella i infraroig és mitjançant el visor Agroforestal i3. Aquest visor és fruit d'un projecte desenvolupat per l’Institut Cartogràfic i Geològic de Catalunya per encàrrec del Departament d’Agricultura, Ramaderia, Pesca i Alimentació de la Generalitat de Catalunya (DARP) i de la Fundació Mas Badia, cofinançat pel projecte europeu LIFE+FUTUR AGRARI (2007-2013). Utilitza imatges de satèl·lit generades pel projecte Copernicus de l’Agència Espacial Europea (ESA).

L'Institut Cartogràfic i Geològic de Catalunya també disposa d'una pàgina de descàrrega pròpia d'imatges mensuals de la missió Sentinel-2. Aquestes mateixes imatges mensuals també es poden visualitzar a través d'un servei WMS (Web Map Service) en programes compatibles com els SIG. Cal destacar que aquestes imatges també es poden visualitzar al SIG QGIS si s'hi instal·la el complement Open ICGC. Una altra eina interessant de l'ICGC és el Meta Comparador d'imatges Sentinel-2 que, com el seu nom indica, permet comparar fins a 6 imatges mensuals de Sentinel-2.

Tanmateix, si es vol disposar de les imatges originals (productes) de la missió Sentinel-2 amb la periodicitat original i amb totes les dades associades, la descàrrega es pot realitzar a través del Copernicus Open Access Hub: https://scihub.copernicus.eu.

Una vegada a la pàgina web, clica l’apartat Open Hub i enregistra’t de manera gratuïta al botó SIGN UP.

Una vegada dins de l’aplicació, es pot canviar la capa visualització amb el botó Map layers que hi ha a dalt a la dreta:

Desplaça’t sobre el mapa i selecciona l’àrea d’interès de la següent manera:

• clic dret del ratolí per a desplaçar el mapa o la imatge
• rodeta del ratolí per a zoom
• clic esquerra del ratolí per a seleccionar l’àrea d’interès formant un polígon, i donant doble clic

Una vegada marcada l’àrea d’interès, cal triar les opcions de descàrrega clicant la icona de les 3 línies horitzontals que hi ha a dalt a l’esquerra de la pantalla.

A les opcions cal triar un rang de dates de les imatges (des d’una data From a una data to), la missió (marcar Sentinel-2), la plataforma o satèl·lit de la missió Sentinel-2 (deixar en blanc), el tipus de producte (triar S2MSI2Ap, ja que les imatges estan corregides atmosfericament) i el percentatge de cobertura de núvols (deixar en blanc). Una vegada emplenades les opcions clica la icona de la lupa per a començar la cerca. Apareixerà el llistat d’imatges disponibles d’acord amb els paràmetres introduïts.

Els resultats van precedits per les etiquetes verdes S2A o S2B (si procedeixen del satèl·lit Sentinel-2A o Sentinel-2B) i MSI (Multi Spectral Instrument) i mostren el nom complet del producte. Per exemple:

• S2B és el satèl·lit Sentinel-2B
• MSIL2A és el producte L2A (reflectància corregida arran de terra – Bottom of atmosphere o BOA) del Multi Spectral Instrument
• 20200813T104629 és la data i hora d’inici de la mesura
• N0214 és el número de producció (paràmetre intern)
• R051 és l’òrbita relativa
• T30TYM és la zona o àrea que cobreix la imatge
• 20200813T133458 és la data de creació de l’arxiu

Passant el ratolí per damunt dels resultats apareixen diverses icones i passant el ratolí per sobre de les icones apareix un text amb la seva funció. Clica l’opció Zoom to product per a veure l’extensió de la imatge i View product details per a veure informacions diverses sobre l’arxiu (pot trigar una mica).

A la secció de detalls es pot veure la zona que abasta la imatge i una previsualització. Aquesta imatge ja serà suficient per a tenir una idea de com estan els nostres camps sempre que no hi hagi massa núvols.

Hi ha un botó que permet baixar directament la imatge composada amb les bandes vermella, verda i blava, RGB (Download TCI, on TCI vol dir True Colour Image). O bé, clicant sobre el botó de descàrrega s’obtindrà s’obtindrà la carpeta complerta amb tots els arxius.

S’ha de tenir en compte qie els arxius descarregats formen un lot complet de producte amb el qual treballar les bandes multiespectrals. Si es vols treballar de forma concreta amb alguna banda en un programa de GIS, es pot accedir de manera directa a través de la carpeta GRANULE per seleccionar les bandes que es prefereixin descarregar de forma individual. Per exemple les bandes 4 (roig) i 8 (infrarroig proper) per calcular l’índex de vigor NDVI.

Tutorials relacionats:

• Càlcul de l’NDVI amb Sentinel-2 i QGIS.

Aquesta obra està sota una llicència de Creative Commons Reconeixement-NoComercial-CompartirIgual 4.0 Internacional(CC BY-NC-SA 4.0)

Breu descripció

Els models digitals del terreny (MDT) són una representació digital del terreny i les seves característiques, el model més habitual és el model digital d’elevacions (MDE) on a part de les coordenades de cada cel.la es representa la cota del terreny. Tot i així, un model digital del terreny pot tenir qualsevol dada numèrica que indiqui alguna particularitat del terreny. Aquests models digitals del terreny són necessaris per a obtenir corbes de nivell, perfils topogràfis o altres procediments d’anàlisi de la orografia.

Arxius i formats

Un arxiu MDT ha de contenir la informació necessària per poder determinar: La posició de cada cel.la del model, la resolució i el valor numèric corresponent a cada cel.la, ja sigui elevació o qualsevol altra variable. Gràficament aquests valors es poden veure en la següent figura.

Per aquesta raó el format més habitual dels arxius que contenen MDT són arxius de text, un exemple de la capçalera d’un d’aquests arxiu el podem veure a continuació. El texte de les 6 primeres files pot tenir petites variacions i l’extensió dels arxius que contenen l’MDT acostumen a ser *.txt o *.asc.

En les 6 primeres files hi trobem informació bàsica sobre el MDT que acabem de descarregar, com és el número de cel.les (número de columnes i número de files), les coordenades UTM de la cel.la central, la resolució del model (Cellsize) en metres i informació del valor que tindran aquelles cel.les que no continguin dada, en aquest cas el valor -9999.

A partir de la fila 7 de l’arxiu, apareixeran tots els valors de cota de cada una de les cel.les del model, cada un dels valors apareix separat per un espai, per tant en aquest arxiu concret, la primera fila tindrà 1883 valors i hi haurà un total de 1283 files de dades.

Un cop importat el MDT en el nostre programari habitual de treball SIG (Sistema d’Informació Geogràfica) es pot mantenir aquest format bàsic texte o es pot transformar a un format ràster més complexe com podria ser un format TIFF, per tant imatge, juntament amb la corresponent georeferenciació (Tècnicament s’anomenen arxius GEOTIFF, tot i que la seva extensió d’arxiu segueix sent *.tif).

On podem descarregar-los

Si volem treballar amb dades a Catalunya la millor plataforma de descàrrega d’MDT és a través de la web de l’Institut Cartogràfic i Geològic de Catalunya (ICGC, www.icgc.cat/), en canvi si el nostre projecte es localitza a qualsevol lloc del territori espanyol, podem descarregar el MDT a través de la web del Instituto Geográfico Nacional (IGN, www.ign.es/). Més concretament les plataformes de descàrrega es troben en els següents enllaços:

• Descàrregues d’elevacions de ICGC: icgc.cat/Descarregues/Elevacions
• Centre de descarregues de IGN: cnig.es/CentroDescargas/index.jsp

En quin programari podem utilitzar-los

El programari SIG més habitual per visualitzar i treballar amb MDT són l’ArcGIS (www.arcgis.com/index.html) i el QGIS (www.qgis.org), en aquest tutorial es recomana utilitzar el segon pel fer de ser programari lliure.

Així doncs, per importar qualsevol dels MDT descarregats del centre de descàrrega citats anteriorment es pot utilitzar la funció de QGIS Gestor de fons de capes i escollir la opció Ràster.

En al cas de voler treballar amb dades facilitades per l’ICGC, és molt fàcil treballar amb el complement Open ICGC (www.icgc.cat/Descarregues/Connector-QGIS-Open-ICGC) disponible per a QGIS, aquest complement permet fàcilment tenir la majoria de productes disponibles al centre de descàrregues de l’ICGC i permet visualitzar Models Digitals d’Elevacions de les resolucions 2x2m i 5x5 m.

Referències i altres informacions

• wikipedia.org/wiki/Model_Digital_del_Terreny (Accedit 06/09/2022)
• icgc.cat/Ciutada/Informa-t/Diccionaris/Model-digital-d-elevacions (Accedit 06/09/2022)
• (YouTube) Mapa base desde 0. Descarga modelo digital del terreno. Crear geotiff. Qgis youtube.com/watch?v=-5YNDSfUMBk (Publicat 22/04/2020)
• (YouTube) DEM y Modelado 3D en QGIS: youtube.com/watch?v=wD0ekctFjPY (Publicat 18/04/2021)

 

Aquesta obra està sota una llicència de Creative Commons Reconeixement-NoComercial-CompartirIgual 4.0 Internacional(CC BY-NC-SA 4.0)

La localització i delimitació de les parcel·les objectiu és el primer pas per treballar les dades obtingudes mitjançant sensors o mostreig directe.

Es proposen dues metodologies per a dur a terme aquesta tasca:

• De manera manual amb el SIG QGIS.
• Des del visor del SIGPAC (http://sigpac.mapama.gob.es/fega/visor/).

En primer lloc, has d’obrir un nou projecte al programari QGIS (en aquest tutorial s’utilitza la versió 3.10 A Coruña) i establir el sistema de coordenades de referència.  Has de fer clic sobre el sistema de coordenades establert per defecte i s’obrirà la finestra propietats del projecte (Figura 1). En aquest cas s’estableix el sistema WGS 84 (EPSG:4326). Un cop establertes les coordenades pots guardar el projecte.

Figura 1. Establiment del sistema de coordenades al programa QGIS. El cercle vermell indica on has de clicar per obrir les opcions.

Per localitzar la parcel·la d’estudi es recomana obrir capa virtual que contingui una ortofoto general de la zona d’estudi. Una manera senzilla de tindre diverses opcions és instal·lant el complement (plugin) “QuickMapServices” o el complement “Open ICGC”. Per fer-ho has d’anar a la pestanya Complements i fer clic sobre Administrar i instal·lar complements. S’obrirà una finestra on pots introduir el nom del plugin i instal·lar-ho (Figura 2).

Figura 2. Ruta d’instal·lació del complement “QuickMapServices”

Ara apareixerà el nou component dins del menú WEB (Figura 3). 

Figura 3. Obrir “QuickMapServices” o “Open ICGC”.

Un cop carregat el mapa has de fixar´te si les coordenades del projecte han cambiat, i si fos així tornar al sistema WGS 84 (EPSG:4326).

Ara pots fer zoom fins arribar a la zona d’estudi (si la coneixes) o introduïr unes coordenades (en l’exemple proposat les coordenades son: 0.48931,41.65890) i canviar l’escala a 1:5000 (Figura 4).

Figura 4. Localitzar la parcel·la o parcel·les.

 

Delimitació manual de parcel·les

• Crear una nova capa shape (vectorial).

• Introduir la ubicació i el nom de l’arxiu, el tipus de geometria (serà polígon per dibuixar parcel·les) i el sistema de coordenades del teu projecte (en aquest cas WGS84 o EPSG 4326).

• Afegir els nou camp. En aques cas hem introduït un nou camp subpacel·la, de tipus nombre decimal. Pots afegir tants Afegir els nous camp. En aques cas hem introduït un nou camp subparcel·la, de tipus nombre decimal. Pots afegir tants camps com necessitis, per exemple per afegir el cultiu, la varietat, any de plantació, etc.

• Un cop creada la capa, aquest a està buida. Per afegir una nova pacel·la a la capa, s’ha de clicar sobre l’icona del llapis “commutar edició” i, seguidament, clicar sobre “afegir polígon”.

• El cursor del ratolí et permet ara anar marcan els vèrtexs de la parcel·la fent clic amb el botó esquerre del ratolí.

• Al finalitzar de marcar els vertex, clica amb el botó dret del ratolí per guardar la parcel·la dibuixada. Abans d’acceptar, pots omplir els atributs que hagis afegit al crear la capa.

• Repetir els passos 5 i 6 per tantes parcel·les com siguin necessàries.

 

• En acabar toranerm a clicar sobre la icona del llapis per guardar els canvis.

I ja tenim la capa amb les nostres parcel·les dibuixades de manera manual!!

Podem veure la taula d’atributs que hem afegit clicant amb el botó dret del ratolí sobre la nova capa creada.

Descarregar parcel·les des del visor del SIGPAC

El Sistema d'Informació Geogràfica de Parcel·les Agrícoles (SIGPAC) permet identificar geogràficament les parcel·les declarades pels pagesos i ramaders, en qualsevol règim d'ajudes relacionat amb la superfície cultivada o aprofitada pel bestiar.

1.       Descarregar la informació

Accedir a: https://sigpac.mapama.gob.es/fega/visor/

Un cop a dins del visor, localitza la teva parcel·la i secciona “Propietats”.

A la icona de descàrrega, selecciona “Geometria”.

S’obrirà un quadre de diàleg on anar afegint les parcel·les d’interès.

Un cop afegides les parcel·les que necessitem, clica sobre la icona del disquet, i selecciona “Shapefile”.

Automàticament començarà la descàrrega d’una carpeta comprimida (anomenada Recinto) amb una carpeta dins (anomenada layers).

2.       Importar les parcel·les a QGIS

Per importar el document descarregat a QGIS s’ha de fer clic sobre la icona “0brir l’administrador de fonts de dades”. Des del navegador podràs obrir l’arxiu shape descarregat (layers/polyogons.shp). L’arxiu descarregat està en el sistema de coordenades WGS84 (EPSG:4326), llavors el teu projecte ha d’estar obligatòriament en aquest sistema.

Ja tenim la nova capa amb les parcel·les que havíem seleccionat al visor SIGPAC.

 

Obrint la taula d’atributs de la capa seleccionada trobarem informació útil com la superfície (dn_surfa, en m²) o l’ús (uso_sigp).

Aquesta obra està sota una llicència de Creative Commons Reconeixement-NoComercial-CompartirIgual 4.0 Internacional(CC BY-NC-SA 4.0)

Mida de la mostra, precisió del mostreig i Coeficient d’Error

La mida de la mostra influeix l’exactitud i la precisió de les estimacions. Cas que els arbres (on es farà el compteig de fruits) se seleccionin mitjançant un mostreig aleatori simple, l’equació (1) permet establir la mida de la mostra o número d’unitats de mostreig (arbres) que es necessita fixant un determinat error de mostreig (també anomenat percentatge d’error, PE) i un nivell de confiança del 95% (Anderson et al., 2018),

 (1)

on n és el nombre d’arbres a mostrejar, i CV és el Coeficient de Variació de la collita (càrrega de fruits per arbre) el qual ha estat prèviament establert (o és un paràmetre conegut per l’experiència en la zona). Tal i com es desprèn de l’equació (1) i a diferència de la recomanació mostrada en la Taula 1, queda clar que la mida de la mostra no està en principi influenciada pel número d’arbres (o collita esperada), sinó més aviat per la variabilitat que presenta la collita (càrrega de fruita) dins la parcel·la (CV) i per l'error màxim que el fructicultor i/o tècnic estan disposats a assumir (PE).

Per altra banda, la precisió d’un mètode de mostreig s’estableix mitjançant la variància de l’estimador. En el cas que ens ocupa (estimar la càrrega de fruita), l’estimador fa referència a la càrrega mitjana de fruita per arbre (o mitjana de la mostra). Es demostra que, en un mostreig aleatori simple (d’ara en endavant simple random sampling, SRS), la variància de la mitjana mostral s’aproxima amb l’equació (2) (Webster & Lark, 2013),

 (2)

sent aquesta fórmula aplicable a poblacions finites (o plantacions d’arbres fruiters) amb un número N total d’arbres i variància mostral, s². L’arrel quadrada de (2) és l’anomenat error estàndard de l’estimador (o mitjana mostral,Υ_SRS ), proporcionant la inversa d’aquest valor una mesura de la precisió o eficiència del mètode (Peña, 2005). Alternativament al percentatge d’error (PE) i el nivell de confiança (95%) que han estat abans comentats, el Coeficient d’Error (CE) compara l’error estándar amb el valor real esperat de la collita (Eq. 3): 

 (3)

Assumint normalitat, aquest estadístic proporciona una informació força interessant al ser esperable que, en almenys el 68% de les mostres que es realitzin, l’error de mostreig o PE(%) no sobrepassi el valor especificat de CE(%). Per a una probabilitat del 95%, l’equació (4) mostra la relació entre ambdós estadístics:

 (4)

El sector frutícola demanda mètodes de mostreig que permetin assolir valors de PE del 10% amb una confiança (probabilitat) del 95% (Miranda et al., 2018). Això és equivalent a exigir mètodes de mostreig que garanteixin valors de l’estadístic CE de aproximadament el 5%. Aquest requisit pot comportar tenir que mostrejar un gran nombre d’arbres en parcel·les amb gran variabilitat, tal i com mostra la Figura 1. D’aqui la necessitat de desenvolupar mètodes avançats de mostreig que, assegurant el valor acceptat de PE del 10%, suposin tenir que mostrejar únicament un nombre limitat d’arbres (entre 5 i 25, com a primera aproximació). 

Figura 1. Mida de mostra en un mostreig aleatori simple per a un percentatge d’error (PE) del 10% i probabilitat (confiança) del 95%

Mostreig estratificat

Malgrat que el mostreig aleatori és un mètode prou conegut, pot presentar l’inconvenient de requerir mides de mostra molt grans si les parcel·les presenten una variabilitat espacial significativa (Figura 1). A més, és sempre inevitable un cert biaix per part dels fructicultors i/o tècnics a l’hora de seleccionar els arbres a mostrejar, sent per tant qüestionable la representativitat de les unitats de mostreig.

Una manera de guanyar precisió, i així optimitzar el mostreig, és estratificar la mostra. Per a que això sigui possible, és necessari disposar d’informació auxiliar o complementària de la plantació (normalment, una característica vegetativa del dosser foliar) que, i) sigui relativament fàcil d’obtenir, ii) estigui altament correlada amb el pàrametre de collita que es vol estimar i, iii) proporcioni la informació a una resolució espacial adequada.

Assumida la correlació positiva entre la càrrega de fruits i la mida dels arbres, la possibilitat de classificar-los per mida o volum en diferents estrats hauria de permetre seleccionar unitats de mostreig més representatives de la parcel·la, i així poder obtenir una estimació més acurada de la collita. Tal i com destaquen Webster y Lark (2013), l’avantatge d’estratificar resulta de la menor variabilitat que és esperable dins els estrats (o classes) en comparació a la variabilitat de la plantació en el seu conjunt. Amb la condició de ponderar la mitjana estimada de cada estrat segons l’àrea coberta dins la parcel·la, l’error estándar[1]  de la mostra estratificada es pot aproximar ara amb l’equació (5),

 (5)

on w_k = N_k /N és el factor de ponderació per a cada estrat o relació entre el número d’arbres (o unitats de mostreig) dins l’estrat k (N_k), i el número total dins la parcel·la (N), s_k és la variància dins de cada estrat, i n_k és el número d’arbres a mostrejar segons l’estrat corresponent. Operant d’aquesta manera, és esperable que l’estimació de la collita (càrrega de fruits) sigui més precisa si, com ja ha estat mencionat, la variable auxiliar utilitzada per classificar els arbres està espacialment correlada amb la collita. Llavors, la comparació entre dos mètodes de mostreig, per exemple, mostreig estratificat i mostreig aleatori, és només qüestió de calcular l’anomenada eficiència relativa entre ambdós mètodes, és a dir, el quocient entre les precisions corresponents (o inverses dels errors estàndard), RE = v(Y_SRS)/v(Y_StRS). En teoria, al comparar el mostreig estratificat amb l’aleatori cal esperar valors de RE majors que 1, la qual cosa permetria reduir la mida total de la mostra en una proporció igual a 100 x (1-1/RE).

Exemples recents d’aplicació del mostreig estratificat en fructicultura els podem trobar en poma (Aggelopoulou et al., 2010) i en préssec (Miranda et al., 2018; Uribeetxebarria et al., 2019a). En ambdós casos, la informació auxiliar utilitzada per a l’estratificació de la mostra prové d’imatges aèries multiespectrals que proporcionen índexs de vegetació (com l’NDVI – Normalized Difference Vegetation Index) que normalment són bons indicadors del vigor dels arbres (i, possiblement, de la mida de la seva capçada). Aplicant aquesta metodologia, Uribeetxebarria et al. (2019a) aconseguiren reduir la mida de la mostra un 17% en comparació al mostreig aleatori. La Figura 2 mostra la parcel·la de presseguer en la qual es va portar a terme aquesta experimentació. Resultats similars han estat reportats per Miranda et al. (2018), havent-se documentat en aquest cas reduccions de mostra de fins el 20-35% quan els arbres (també de presseguer) s’estratificaven en base a l’ús simultani de la secció transvesal del tronc i l’índex RVI (Red Vegetation Index). Cal remarcar, però, dues qüestions del mostreig estratificat: primer, no sempre resulta fácil trobar una informació auxiliar que estigui altament correlada amb la collita i, segon, continua sent necessari seleccionar a l’atzar els arbres a mostrejar dins de cada estrat o classe.

Figura 2. Esquemes de mostreig que utilitzen una mida de mostra de 12 arbres o unitats de mostreig: (esquerra) mostreig aleatori simple, (centre) mostreig estratificat mitjançant dues classes d’NDVI (6 arbres per classe o estrat), (dreta) mostreig estratificat mitjançant tres classes d’NDVI (4 arbres o punts de mostreig per classe) (adaptat d’Uribeetxebarria et al., 2019a)[2]

Ranked set sampling

Igual que el mostreig estratificat, aquest mètode fa ús també de la informació proporcionada per sensors propers o remots per tal de facilitar la selecció d’aquells arbres (o unitats de mostreig) que millor representin el conjunt de la parcel·la. Utilitzat per Uribeetxebarria et al. (2019b) en presseguer, el mètode és essencialment una variant del mostreig estratificat. La diferència rau en la resolució de l’estratificació, ja que amb aquest mètode cadascun dels arbres de la mostra es pot considerar com a pertanyent a un estrat diferent (o subpoblació) dins la parcel·la. La forma en que s’obté la mostra s’explica a continuació.

De manera resumida (Wolfe, 2010), el mostreig consisteix en prendre iterativament n mostres aleatòries de mida n dins la parcel·la, és a dir, contenint cada cop n arbres o unitats de mostreig. Conegut el valor d’una variable auxiliar determinada (per exemple, l’NDVI de la capçada o alguna altra característica vegetativa relacionada amb la collita), es procedeix a ordenar els arbres de menor a major en cadascuna de les mostres segons el valor assolit de la citada variable auxiliar o secundària. Per tant, un cop aplicat aquest procés d’ordenació o ranking, es disposa de n mostres seqüencials (de la primera a la última n) dins les quals els arbres han estat ordenats també des de l’arbre amb menys valor de la variable auxiliar (arbre 1) fins l’arbre amb major presència d’aquesta característica (arbre n). Assumint, com ja s’ha dit, una forta correlació entre la característica auxiliar mesurada i la collita, la mostra final seleccionada (mostra ordenada o ranked sample) conté només n arbres, exactament els arbres la posició i dels quals dins la mostra coincideix amb la iteració o mostra i corresponent. En altres paraules, se selecciona l’arbre ordenat 1 de la mostra 1, l’arbre ordenat 2 de la mostra 2, i així successivament fins a seleccionar l’arbre que ocupa la posició n en la última mostra iterada. Efectivament, la condició clau és utilitzar una variable auxiliar adequada per tal d’incloure en la mostra arbres (o unitats de mostreig) representatius de la variabilitat intraparcel·lària de la collita, fent així possible una estimació no esbiaixada i precisa.

La variància d’una mostra ordenada ve donada per (6) (Wolfe, 2010),

 (6)

on μ_[j] representa el valor esperat de la collita per a la posició (subpoblació) j(j = 1,...,n), i μ la mitjana real desconeguda de la parcel·la. Mitjançant l’estimació de (6) en compteig de fruits en presseguer, Uribeetxebarria et al. (2019b) han demostrat que aquest mètode és doble precís que el mostreig aleatori, aconseguint per tant reduir la mida de la mostra un 50%. Concretament, fou possible obtenir Coeficients d’Error (CE) del 10% utilitzant mides de mostra de tan sols 5 arbres en una parcel·la de 2,24 ha.

Pel que fa a la informació auxiliar que s’ha de disposar de cada arbre (o unitat de mostreig), els mateixos autors (Uribeetxebarria et al., 2019b) recomanen utilitzar l’àrea projectada zenital de la capçada a partir de l’ús d’una càmera RGB muntada en un vehicle aeri no tripulat (dron). Una altra possibilitat és disposar d’una imatge des d’avioneta, tot i que la delimitació ajustada de la capçada dels arbres es veu ara dificultada donada la menor resolució espacial de la imatge aèria (Figura 3). Finalment, pot ser també interessant disposar del volum de la capçada generat a partir de l’escaneig lateral dels arbres amb sensors LiDAR terrestres (Escolà et al., 2017).

Figura 3. Delimitació en presseguer (esquerra) de l’àrea projectada zenital per a un mateix arbre, (A) utilitzant una imatge aèria des d’avioneta amb resolució 0,25 m/píxel, (B) utilitzant una imatge des de dron amb resolució 0,02 m/píxel (adaptat d’Uribeetxebarria et al., 2019b)

Mostreig sistemàtic multifase

El darrer mètode de mostreig que es presenta es coneix amb la denominació anglesa de multilevel systematic sampling. Conceptualment, consisteix en aplicar un mostreig sistemàtic en vàries fases, on cadascuna de les etapes o fases està aniuada a l’anterior. Wulfshon et al. (2012) proposen aquest mètode per al compteig de fruits en pomera a través d’un procediment construït en tres etapes, i amb el qual aconsegueixen errors de mostreig (Coeficients d’Error, CE) que no superen el 10% a nivell de parcel·la.

Les fases proposades poden ser tres: arbres dins la parcel·la (primer nivell de mostreig), branques principals dins l’arbre (segon nivell) i, dins aquestes branques principals, es marca un tercer nivell que correspon a les branques secundàries o elements de fructificació. La idea és aplicar un mostreig sistemàtic específic per a cadascun d’aquests nivells. Amb aquest procediment, s’arriba a seleccionar dins l’arbre una mostra final de branques del tercer nivell (branques de fructificació) on es realitza el compteig dels fruits. És important remarcar que, dins de cada nivell o fase, es fixa prèviament un interval de mostreig o període; en el cas que es comenta, s’hauria d’establir un interval entre arbres a mostrejar dins la filera, un altre interval entre branques principals dins cada arbre seleccionat i, finalment, un tercer interval per seleccionar les branques secundàries. La Figura 4 mostra com s’executa aquest mostreig sistemàtic aniuat en un arbre seleccionat prèviament en la primera fase.

 Figura 4. (a) Fase 2. Selecció de les branques principals utilizant un període de mostreig , que correspon a una fracció de mostreig 1/m₁ = 1/2. Per tant, se selecciona sistemàticament una de cada dues branques començant aleatòriament per la branca número 2. (b) Fase 3. Selecció de les branques de fructificació dins les branques seleccionades anteriorment. S’utilitza novament un període de mostreig m_2=2, però ara començant per la branca lateral número 1. La mostra final (cercles omplerts) conté els fruits de les branques 1, 3, 5, 7, 9, 11, 13, 15, 17 i 19. Una estimació no esbiaixada del nombre total de fruits resulta de multiplicar el període combinat de mostreig m = m₁ x m₂ i el número de fruits comptats en la mostra (adaptat de Wulfshon et al., 2012). (c) En mostrejos aleatoris i/o estratificats, es pot optar per comptar només els fruits de la meitat de la capçada, duplicant llavors la mida recomanada de mostra obtinguda de l’equació (1).

 

A nivell de parcel·la, és important que el fructicultor o tècnic faci una primera avaluació de la variabilitat espacial de la collita. Aquest és un pas necessari a l’hora de fixar els períodes de mostreig més convenients que seran aplicats després en les diferents etapes o fases. En definitiva, es tracta d’escalar apropiadament aquests períodes atenent a ambdues variabilitats, entre arbres dins la parcel·la i també entre branques dins l’arbre. Evidentment, caldrà mostrejar amb major intensitat (disminuint el període de mostreig) en aquella fase on major sigui la variabilitat entre les unitats de mostreig corresponents.

Referències

Aggelopoulou, K.D., Wulfsohn, D., Fountas, S., Gemtos, T.A., Nanos, G.D., Blackmore, S., 2010. Spatial variation in yield and quality in a small apple orchard. Precision Agriculture, 11, 538-556.

Anderson, N.T., Underwood, J.P., Rahman, M.M., Robson, A., & Walsh, K.B. 2019. Estimation of fruit load in mango orchards: tree sampling considerations and use of machine vision and satellite imagery. Precision Agriculture, 20, 823-839.

Escolà, A., Martínez-Casasnovas, J.A., Rufat, J., Arnó, J., Arbonés, A., Sebé, F., Pascual, M., Gregorio, E., Rosell-Polo, J.R. 2017. Mobile terrestrial laser scanner applications in precision fruticulture/horticulture and tools to extract information from canopy point clouds. Precision Agriculture, 18, 111–132.

Miranda C, Santesteban LG, Urrestarazu J, Loidi M, & Royo JB. 2018. Sampling stratification using aerial imagery to estimate fruit load in peach tree orchards. Agriculture, 8(6), 78.

Orden PRE/1950/2005, de 17 de Junio, por la que se aprueba la norma específica de peritación de daños en la producción de frutales, amparados por el Seguro Agrario Combinado. Boletín Oficial del Estado, 23 de Junio, 2005, no. 149, pp. 22172-22176.

Peña D. 2005. Fundamentos de Estadística. Madrid: Alianza Editorial, S.A. 683 pp.

Uribeetxebarria A, Martínez-Casasnovas JA, Escolà A, Rosell-Polo JR, & Arnó J. 2019a. Stratified sampling in fruit orchards using cluster-based ancillary information maps: a comparative analysis to improve yield and quality estimates. Precision Agriculture, 20, 179-192.

Uribeetxebarria A, Martínez-Casasnovas JA, Tisseyre B, Guillaume S, Escolà A, Rosell-Polo JR, & Arnó J. 2019b. Assessing ranked set sampling and ancillary data to improve fruit load estimates in peach orchards. Computers and Electronics in Agriculture, 164, 104931.

Webster R, & Lark RM. 2013. Field sampling for environmental science and management. London and New York: Routledge.

Wolfe DA. 2010. Ranked set sampling. Wires Computational Statistics, 2(4), 460-466.

Wulfsohn D, Aravena Zamora F, Potin Téllez C, Zamora Lagos I, & García-Fiñana M. 2012. Multilevel systematic sampling to estimate total fruit number for yield forecasts. Precision Agriculture, 13, 256-275.

 

[1] La variància d’una mostra estratificada ha de ser, en teoria, menor que la variància d’una mostra aleatòria.En la demostració no s’ha tingut en compte la correcció per població finita (verue arxiu pdf a peu de pàgina per trobar les equacions).

[2] La classificació de l’índex NDVI en dues i tres classes (clusters) es realitza normalment mitjançant l’algorisme de k-mitjanes.

 

Aquesta obra està sota una llicència de Creative Commons Reconeixement-NoComercial-CompartirIgual 4.0 Internacional(CC BY-NC-SA 4.0)