PRESA DE DECISIONS EN AGRICULTURA DE PRECISIÓ

 

Mapes de prescripció de fitosanitaris

Que són?

Un mapa de prescripció és un mapa d'una parcel·la en el que es delimiten zones diferents en les que s'hi realitzarà un maneig específic adaptat a les característiques del cultiu a cada zona. El resultat serà, per tant, una aplicació variable de productes fitosanitaris (PF).

En aplicacions de PF per polvorització foliar, als mapes de prescripció generalment s’utilitza el vigor o desenvolupament del cultiu com a paràmetre per a crear les zones de maneig, ja que no es necessitarà la mateixa quantitat de producte en zones on hi ha molta vegetació que en zones on hi ha poca. Per tant, es podrà estalviar producte al no sobredosificar les zones de baix vigor. Generalment es delimiten 2 o 3 zones de vigor i la dosi s’ajusta a cada zona basant-se en recomanacions de sistemes de suport a la presa de decisions.

Ara bé, per a aconseguir una polvorització variable és necessari instal·lar algun tipus de tecnologia al polvoritzador que permeti regular el volum d’aplicació, carregar els mapes de prescripció i obtenir les coordenades de la posició del polvoritzador.

Caracterització del vigor com informació auxiliar

Els cultius arboris solen tenir un vigor espacialment variable. Possiblement a causa de factors vinculats a la variabilitat del sòl, de la incidència de plagues i malalties o, fins i tot, d’anomalies en el sistema de reg, en plantacions arbòries  acostumen a observar-se diferents volums de capçada i desenvolupament foliar segons la ubicació dins de la parcel·la. L’ús de sensors, pròxims o remots, permet descriure la variabilitat del dosser foliar dins del camp i, si s’escau, delimitar les zones potencials de gestió específica. Aquest és el cas de les vinyes de la Figura 1, Vitis vinífera cv. 'Merlot' i 'Cabernet Sauvignon'. Els colors del mapa representen valors de l'Índex d'Àrea Foliar (LAI, de l'anglès Leaf Area Index), que indica la superfície foliar present en un metre quadrat de terreny. Així, com més gran és el LAI (colors blaus), més superfície foliar i, per tant, més vigor (o desenvolupament vegetatiu) presenten les vinyes. El mapa d’estimació del LAI de la vinya Merlot es va fer a partir de l'escaneig de tota la vegetació amb un escàner làser terrestre basat en un sensor LiDAR (Light Detection And Ranging). A partir de les dades de l'escàner es genera un núvol de punts 3D de la vinya del qual es deriva el mapa 2D que mostra la distribució espacial dels valors del LAI. D’altra banda, al mapa de la vinya Cabernet, l’estimació del LAI es va fer a partir de les imatges multiespectrals obtingudes des d'una avioneta tripulada i de l'índex de vegetació PCD (Plant Cell Density), resultat de la ràtio entre el canal infraroig i el vermell per a cada píxel de la imatge.

Figura 1. Mapes de la distribució espacial de l'Índex d'Àrea Foliar (LAI) obtinguts a partir de l'escaneig de la varietat Merlot amb un escàner làser terrestre (esquerra) i de l'índex PCD calculat a partir d'imatges aèries multiespectrals de la varietat Cabernet Sauvignon des d'avioneta tripulada (dreta).

Classificació en zones de maneig

La classificació clúster de zones de maneig és un procediment geoestadístic, en el qual s’utilitzen tècniques multivariants per classificar un conjunt de dades en grups homogenis. En aquest procés es poden fer servir diferents programes estadístics o GIS per classificar les dades,  com ara utilitzant l'anàlisi de clústers i un algorisme no supervisat (ISODATA, tècnica iterativa d’anàlisi de dades d’autoorganització) implementat a ArcGIS o el plug-in PAT (Precision Agriculture Tools) implementat en QGIS.

Aquests algorismes sovint generen mapes que resulten impracticables per a un polvoritzador variable, amb zones molt petites (Figura 2, esquerra). Una manera d'adaptar el mapa classificat és, per exemple, poligonitzant les classes originals i eliminant les que no garanteixin un canvi adequats dels paràmetres de treball del polvoritzador (Figura 2, dreta).

Figura 2. Mapa classificat de l’índex PCD mitjançant anàlisi clúster (esquerra). Mapa adaptat per a realitzar carregar en un polvoritzador variable (dreta).

Presa de decisió

Un cop delimitades les zones de vigor, per a decidir la dosi a aplicar en cada una minimitzant el risc de subdosificació, s’ha d’obtenir l’histograma del paràmetre utilitzat per a descriure el vigor en cada classe, localitzar els arbres que corresponguin al percentil 70, per tal de fer una estimació a camp de les dimensions de la copa i decidir la dosi (Figura 3). Es recomana fer servir sistemes de suport a la presa de decisions com ara DOSA3D per a obtenir els volums d’aplicació unitaris i les dosis adaptades a cada classe de vigor. 

Figura 3. Corba de LAI acumulat per a extreure el 70 percentil (esquerra) i mapa de prescripció per a l'estratègia de dosi variable a la vinya Cabernet Sauvignon (dreta).

Referències

del-Moral-Martínez I., Rosell-Polo J. R., Uribeetxebarria A., Arnó J. (2020). Spatially variable pesticide application in vineyards: Part I, developing a geostatistical approach. Biosystems Engineering, 195, 17–26. https://doi.org/10.1016/j.biosystemseng.2020.04.014

Román C., Llorens J., Uribeetxebarria A., Sanz R., Planas S., Arnó J. (2020). Spatially variable pesticide application in vineyards: Part II, field comparison of uniform and map-based variable dose treatments. Biosystems Engineering, 195, 42–53. https://doi.org/10.1016/j.biosystemseng.2020.04.013

Román C., Arnó J., Planas S. (2021). Map-based zonal dosage strategy to control yellow spider mite (Eotetranychus carpini) and leafhoppers (Empoasca vitis & Jacobiasca lybica) in vineyards. Crop Protection, 147, 105690. https://doi.org/10.1016/j.cropro.2021.105690


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

Mapes de rendibilitat

Programes i plataformes d'integració de dades

 

Pas a pas

Generació d'un mapa de prescripció de fitosanitaris

Un mapa de prescripció de productes fitosanitaris (PF) es genera a partir d’informació relacionada amb el vigor del cultiu. La manera de caracteritzar el cultiu por ser mitjançant sensors propers o remots. En aquesta ocasió, et proposem generar un mapa de prescripció de PF a partir de l’índex de vegetació NDVI calculat a partir d’imatges obtingudes de la missió Sentinel-2 amb el programa QGIS. Lògicament, una vegada creades les zones de maneig específic caldrà verificar-les i validar-les sobre el terreny. En el cas de cultius en bandes, cal tenir especial cura amb les cobertes vegetals ja que poden tenir una gran influència sobre els valors de NDVI quan es fan servir imatges de Sentinel-2, que tenen una resolució espacial de 10 m. Tanmateix, aquest tutorial pot ser un bon punt de partida per a començar a pensar en aplicacions variables en vinya.

Per a fer-ho cal seguir els següents passos:

  1. Obrir QGIS, importar la capa de l’NDVI i la parcel·la objectiu. Clicant sobre “Zoom to Layer” amb el botó dret, es centrarà la imatge sobre la parcel·la.

  1. Retallar la capa NDVI (ràster) a partir del polígon que defineix la parcel·la: funció tallar ràster per capa màscara -> NDVIP9

Es recomana guardar en format TIFF (valors sense dades = 0).

 

 

 

 

  1. Ara pots eliminar la capa NDVI de base, canviar els colors de la nova capa i obrir una ortofoto en línia amb el complement Open ICGC o qualsevol altra de les opcions disponibles.

 

 

  1. Classificació de dades amb el plug-in PAT (has de tenir-lo prèviament descarregat i instal·lat!) mitjançant K-means Clúster anàlisi.

 

 

Selecciona el nombre de classes (en aquest cas 2) i desa la imatge classificada.

Per defecte, s’obrirà com a última capa. Arrossega la nova capa a l’inici per a visualitzar-la.

 

  1. Poligonitzar (passar una capa ràster a vectorial) el TIFF generat.

 

 

 

Aquesta nova capa també la pots editar per a que s’entengui fàcilment.


Ara pots anar directament al pas 10 per terminar el mapa de prescripció, o bé continua per a adequar-lo a les línies del cultiu seguint els pasos 6-9.

  1. Generar un arxiu grid (quadrícula) amb polígons de l’amplada de treball del polvoritzador (en aquest cas 6 m) i 10 m de llarg, per adequar el mapa a l’operativa del polvoritzador. La longitud de les cel·les dependrà del temps de reacció del polvoritzador i de la velocitat d’avanç, paràmetres que determinen la distància necessària per a que el canvi de cabal de sortida sigui efectiu.

 

 

 

  1. Alinear la quadrícula amb les fileres de la parcel·la (commutar edició i clicar sobre el botó de girar els polígons).

 

 

 

  1. Unir atributs per localització i afegir valors a les zones sense dades (si el polígon de classes et dona error, fes servir “corregir geometries” i utilitza aquesta capa).

 

 

  1. Eliminar polígons sense valor (fora de la parcel·la) i afegir valors on no hi hagi dades. En aquest cas, hem fet servir “seleccionar por polígono”, marcant l’àrea de la parcel·la i invertint la selecció. Després, clicar la icona de la paperera. Si hi ha polígons de la perifèria de la parcel·la sense valor, des de la taula d’atributs es poden introduir manualment.

 

 

  1. Dissoldre en dos polígons (un per cada classe de vigor).

/>

  1. Modificar la taula d’atributs per a introduir la dosi o el volum d’aplicació unitari, eliminar la resta de columnes i modificar la columna id per 1 i 2 (aquests canvis es fan fent doble clic sobre les caselles a la taula d’atributs).

    1. Guardar en el format que demani la consola del polvoritzador (en aquest cas GEOJSON). És imprescindible conèixer el format que admet el controlador de l’equip per a que pugui interpretar bé el mapa de prescripció.

      Aquest arxiu ja es pot guardar en una memòria USB per a transferir al controlador del polvoritzador.

      (Opcional) Calcular l'àrea de cada classe de vigor amb la calculadora de camps des de la taula d’atributs. Si coneix l’àrea de cada zona i la seva dosi o volum d’aplicació unitari es pot saber quina quantitat de caldo cal preparar abans de sortir a camp.

       


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