(También nos puedes seguir por nuestro canal de WhatsApp)
Durante los últimos años, la tecnología ha ido poco a poco abriéndose camino en el sector agrícola.
Pese a las reticencias de muchos agricultores y la nada desdeñable inversión que supone, aquellos que adoptan la tecnología agrícola descubren rápidamente su innegable beneficio y potencial.
Entre las distintas formas de tecnología agrícola, las imágenes de satélite destacan por su polivalencia y la calidad de la información que aportan.
Parte clave del monitoreo de cultivos, las imágenes de satélite no solo sirven para poder monitorizar visualmente las condiciones del campo sin estar físicamente presentes en él, también sirven como base para análisis avanzados, detección temprana de problemas o el uso de índices de vegetación.
Detección espectral de las tierras de cultivo
Uno de los recursos más útiles para la agricultura de precisión son los diferentes sensores que montan los satélites. Las imágenes en distintos espectros electromagnéticos pueden aportar información que ni el ojo humano ni una cámara óptica pueden detectar. En la agricultura, algunos procesos vegetativos y determinada información solo pueden obtenerse de esta manera.
Por ejemplo, para determinar el nivel de verdor de las plantas, el Índice de Vegetación de Diferencia Normalizada (NDVI) suele ser el criterio más común. Este índice es capaz de detectar los niveles de clorofila de la planta, un pigmento que está fuertemente correlacionado con la salud de las plantas. Cuando una planta enferma o se enfrenta a condiciones adversas, la estructura celular de las hojas se deteriora y la planta absorbe más luz en el rango del infrarrojo cercano, en lugar de reflejarla.
Para entender exactamente en qué situación se encuentran las plantas o el campo, el índice funciona en una escala comprendida entre el -1 y el +1, donde los valores negativos y los positivos más bajos hacen referencia a suelos sin vegetación y los valores positivos a partir de +0,2 pueden indicar tanto la densidad de la vegetación como su salud. Habitualmente, los valores numéricos se expresan mediante colores para facilitar la comprensión general.
Un detalle a tener en cuenta es que el NDVI no es un índice de vegetación universal y válido para todas las etapas del proceso agrícola. En las últimas etapas de crecimiento, cuando las hojas alcanzan un nivel de pigmentación crítico, los valores del NDVI tienden a la saturación, dando resultados poco fiables. El NDVI tampoco es útil cuando la vegetación y/o su cubierta vegetal es escasa y apenas tiene reflectancia vegetal.
Detección del estrés hídrico en una fase temprana
Una buena parte de los problemas que sufren las plantas están relacionados de forma directa o indirecta con un exceso o falta de agua. Así pues, el control y la predicción de la humedad del suelo son esenciales tanto para garantizar el crecimiento óptimo de las plantas como para minimizar pérdidas en las cosechas.
Gracias a la tecnología moderna, es posible mantener un equilibrio hídrico óptimo en el campo. Una de las mejores opciones es mediante el uso del Índice de Humedad de Diferencia Normalizada (NDMI), que con una combinación específica de bandas espectrales del infrarrojo cercano y del infrarrojo de onda corta puede detectar los niveles de humedad en la vegetación.
Al igual que el NDVI, el índice NDMI se interpreta con valores comprendidos entre -1 y +1, donde los valores más bajos indican un contenido de agua bajo en la vegetación, y los más altos corresponden a un alto contenido de agua. No obstante, la lectura del NDMI es algo más complicada, puesto que puede indicar diferentes situaciones agronómicas dentro de un mismo rango. Por ejemplo, un valor entre -0,4 y -0,2 puede indicar estrés hídrico elevado si la cobertura del dosel es media o un estrés hídrico mínimo si la cobertura del dosel es baja.
Previsión en todas las etapas
La agricultura moderna, especialmente la agricultura de precisión, depende de una gran cantidad de datos. La manipulación y el análisis de dichos datos en su totalidad de forma manual sería una tarea excesivamente laboriosa, pero afortunadamente disponemos de tecnología que puede ayudarnos en esta tarea.
La inteligencia artificial (IA) y los algoritmos de aprendizaje automático (ML) forman parte de los programas de monitorización de cultivos por satélite, facilitando numerosas tareas.
La inteligencia artificial se usa para la previsión del rendimiento, la detección y delimitación de diferentes subzonas en un campo de acuerdo al nivel de productividad, la detección de posibles plagas o enfermedades y la predicción de tendencias climáticas, por mencionar algunas funciones. Por su parte, el aprendizaje automático es parte clave de las redes neuronales, sistemas de vanguardia que pueden detectar por sí mismos diferentes aspectos o condiciones sin intervención humana.
La disponibilidad de información precisa para llevar a cabo un seguimiento de los cultivos y sus condiciones durante todo el proceso vegetativo permite realizar los ajustes necesarios a tiempo, logrando un mayor rendimiento y, por tanto, un aumento en los ingresos. Además, esta misma información puede ser de gran utilidad para planificar las siguientes temporadas de cultivo en base a datos históricos y tendencias.
En la actualidad, el uso de imágenes de satélite permite controlar todos los aspectos del campo durante la totalidad de la temporada de cultivo. El incremento en el uso de las tecnologías satelitales para el monitoreo de cultivos no solo permite un enfoque más inteligente, económico y cualitativamente superior, también supone una mejora a nivel medioambiental, evitando el consumo excesivo e ineficiente de los recursos naturales.
