Sensores remotos en el campo para una agricultura cada vez más inteligente

Hoy en día los avances apuntan a mejorar la calidad y la facilidad de uso de estas tecnologías para así lograr un proceso agrícola cada vez más autónomo

La agricultura inteligente es un área destacada dentro de la revolución tecnológica que actualmente estamos transitando. Además de contribuir a la mejora de los procesos productivos, impacta en la economía de toda la cadena del mercado (desde la producción hasta el consumidor), y aporta crecimiento y desarrollo al sector industrial de dichas tecnologías.

Una parte de esta agricultura inteligente la constituyen los sistemas robóticos, que ya demostraron su capacidad de sembrar, cosechar e interactuar con aspectos de la producción en grandes campos, pero siempre en una escala experimental.

El creciente desarrollo de sensores, la reducción de los costos de equipos debido a la producción en masa, el desarrollo de algoritmos de control, la visión por computadora e inteligencia artificial, entre otros avances, permitieron que la robótica se implemente con éxito en muchas tareas agrícolas y aplicaciones de invernadero. De esta manera, se convirtió en una herramienta indispensable para reducir la carga de trabajo y aumentar la productividad de los procesos agrícolas.

Sin embargo, falta recorrer un largo camino para lograr un proceso agrícola completamente autónomo, especialmente porque se requiere de inversiones significativas para los complejos procesos agrícolas. Los robots agrícolas son sistemas autónomos o semiautónomos que se pueden operar en varias etapas del proceso para resolver problemas exigentes. Esta tecnología se implementó con éxito en tareas repetitivas, con el objetivo de reducir la carga de trabajo del agricultor y optimizar los tiempos y costos del proceso, por ejemplo, en la preparación de la tierra, el riego y la pulverización, la poda, la cosecha, el monitoreo, la inspección y el mapeo.

Por su parte, los robots en aplicaciones de invernadero realizan tareas como injerto y corte, desmalezado, cosecha y trasplante, pulverización y riego de precisión, cosecha y detección de frutas y cultivos, mapeo y clasificación de colores, entre otros. En algunos casos, un robot flexible multipropósito puede realizar más de una tarea en un cultivo, mejorando los procesos de producción y cosecha de hortalizas y flores. Hasta la fecha, hay pocos robots comerciales que trabajan en temas agrícolas, ya que la gran mayoría todavía se están desarrollando como prototipos (Vásconez y col., 2109).

Otra área de desarrollo de la robótica agrícola que surgió en los últimos años fue la de los vehículos aéreos no tripulados o drones, que pueden ser semiautónomos o autónomos. Los drones agrícolas se usan generalmente para mapear recursos naturales y eventos mediante el uso de imágenes de cultivos, terrenos y malezas. Toda la información adquirida por un avión no tripulado se puede utilizar para monitorear las tasas de crecimiento de los cultivos y las deficiencias de nutrientes; detectar malezas, plagas o enfermedades; hacer mapeo de suelos y cultivos; detectar y prevenir deficiencias de agua; analizar el tipo de suelo y la humedad; detectar deficiencia de nitrógeno; medir parámetros climáticos; y rociar fertilizantes y pesticidas (Vásconez y col., 2109).

Los drones marcaron una nueva era en la teledetección al proporcionar datos de resolución espacial, espectral y temporal sin precedentes. En la investigación agrícola de precisión, cuatro tipos de sensores cubren casi todas las aplicaciones de detección remota de los drones. Las cámaras comerciales RGB (rojo-verde-azul) son baratas y tienen una resolución espacial alta y una resolución espectral pobre (se pueden usar para calcular un rango de índices de vegetación y para generar modelos digitales de mapas de altura de la vegetación). Un segundo tipo de cámaras multiespectrales con mejor resolución espectral consiste en un conjunto de sensores con diferentes lentes, y con cada sensor sensible en una región espectral. Las cámaras hiperespectrales cubren el espectro completo en bandas relativamente estrechas, y las cámaras térmicas son típicamente cámaras de baja resolución con una sola banda (se pueden usar para medir la temperatura del canopeo). Así, los drones pueden utilizarse para una detección de estrés por sequía, de patógenos, de malezas, para evaluar el estado de los nutrientes y la predicción del rendimiento (Maes y Steppe, 2019).

Maes y Steppe (2019) consideran que uno de los activos únicos de los drones es la capacidad de medir con varios sensores al mismo tiempo. En muchas áreas de investigación (por ejemplo, la evaluación del nivel de nutrientes, la detección de enfermedades y estrés por sequía), la información térmica es complementaria con la información multiespectral o hiperespectral. Hoy, tanto la parte técnica o de procesamiento, como la interpretación y el procesamiento de la fusión de datos, merecen mayor prioridad de investigación. Sin embargo, la combinación de datos no debe limitarse a la fusión de dos o más sensores a bordo del mismo dron.

La variación espacial dentro del campo se puede obtener con una multitud de métodos, particularmente (nano) satélites, pero también mapas históricos de rendimiento, mediciones de conductividad eléctrica del suelo para extraer la fertilidad del mismo o sensores remotos basados ​en el tractor. La combinación de la información de todos estos recursos en la gestión y toma de decisiones es prometedora, pero tiene poco desarrollo cuando debería ser una prioridad clara.

El desarrollo de la tecnología de drones continuará y podría ampliarse aún más su aplicación en la agricultura de precisión. Se espera que la tendencia de aumentar la calidad y la facilidad de uso de los sensores avance, para eventualmente permitir la aplicación de sensores hiperespectrales y térmicos en operaciones de rutina por parte de usuarios no expertos.

El objetivo final es lograr un objeto totalmente automatizado, que incluya la preparación del vuelo (altura y patrón de vuelo óptimos, configuración del sensor, etc.), ejecución del vuelo (calibración de sensores, mediciones de control en tierra y ejecución del vuelo en sí), y procesamiento e interpretación de datos. Entre los posibles factores que frenan este desarrollo están las estrictas regulaciones de drones establecidos en la mayoría de los países, que a menudo no tienen en cuenta las aplicaciones agrícolas de precisión.

Un segundo desarrollo tecnológico en curso es el procesamiento de datos más ágil, disponible casi en tiempo real, por lo que los datos se pueden usar más rápidamente para crear información de gestión. Finalmente, a largo plazo, estas dos evoluciones pueden fusionarse con el desarrollo de tecnología inteligente, en la que se aplica inteligencia artificial para usar el análisis de datos a bordo en tiempo real para definir la ruta de vuelo, lo que permite monitorear áreas más grandes, mientras se diagnostican problemas en áreas específicas de interés que se pueden escanear con gran nivel de detalle (Maes y Steppe, 2019).

Otra novedad que citan estos mismos autores son los nanosatellites o CubeSats, que consisten en unidades muy pequeñas y livianas que se pueden unir para formar un satélite. Operado por compañías privadas, su órbita baja da como resultado una resolución espacial muy alta (3–10 m en el dominio óptico). Mientras que el bajo precio (US $ 105–106) permite lanzar una gran flota de satélites casi idénticos, rompiendo el equilibrio tradicional entre resolución espacial y temporal. Pese a que su aplicación en la agricultura de precisión todavía se limita a la fase de exploración, es una de las áreas en las que se predice que los nanosatélites tendrán un gran impacto y podrán competir con los drones. Su éxito eventualmente dependerá de la calidad de los datos que proporcionen y del precio de los productos.

Finalmente, junto a los nanosatélites, los nuevos satélites de alta resolución también brindan nuevas oportunidades para aplicaciones en agricultura de precisión. Un buen ejemplo de esto último es el satélite Sentinel-2, que proporciona datos gratuitos, de alta calidad y resolución espacial (10-20 m), con un tiempo de revisión relativamente corto de 5 días. Los primeros estudios sobre Sentinel-2 muestran el potencial para predecir el rendimiento o evaluar el contenido de clorofila. Recientemente se lanzaron varios productos gratuitos con la intención de asesorar a los agricultores, como Crop SAT, que ofrece asesoramiento de fertilización con N de tasa variable en Escandinavia, e IT grow, que informa a los productores de papa sobre el estado de crecimiento y los rendimientos esperados en Bélgica (Maes y Steppe, 2019).

Sin dudas, las tecnologías de la agricultura inteligente integradas a las de buenas prácticas aplicadas en los sistemas agrícolas, conducirán a un aumento de la productividad de las cosechas en un marco de sustentabilidad.

REFERENCIAS

• Maes WH and Steppe K (2019). Perspectives for Remote Sensing with Unmanned Aerial Vehicles in Precision Agriculture. Trends in Plant Science 24: 152-164

• Vasconez JP, Kantor GA, Auat Cheein FA. (2019). Human-robot interaction in agriculture: A survey and current challenges. Biosystems Engineering, 179: 35-48