9 minute read
Tecnolivo: tecnologías para el manejo y supervisión del cultivo del olivo
Con el objetivo de avanzar en la modernización de un sector tan tradicional como el de la olivicultura nace TecnOlivo, proyecto que persigue crear un producto tecnológico pionero para la optimización de la gestión del cultivo del olivo, propiciando a su vez la generación de nuevas posibilidades de negocio que sitúen a la cabeza de la innovación internacional del sector a Huelva y sureste de Portugal y, por extensión, al resto de Andalucía y de Portugal. Con un presupuesto de más de 2 millones de euros, y cofinanciado con Fondos FEDER, TecnOlivo cuenta con un consorcio liderado por la Universidad de Huelva (UHU, España), acompañado de otras entidades y empresas españolas y portuguesas.
Texto: José Manuel Andújar1, Arturo Aquino1, Miguel Noguera1, Juan Manuel Ponce1, Diego Tejada1, Borja Millán1, Antonio Cordeiro2, Benvindo Maças2, José Silvestre2, Rocío-Arias Calderón2, Juan Carlos Canasveras3, Paula Martins3, Francisco Domínguez4 y Antonio Rodríguez4 . 1 Universidad de Huelva, Departamento de Ingeniería Electrónica, Sistemas Informáticos y Automática (UHU, DIESIA, España) / 2 Instituto Nacional de Investigación Agraria y Veterinaria (INIAV, Portugal) / 3 Cooperativa Murtigao, Sociedad Agrícola, S.A. (ELAIA, Portugal) / 4 Cooperativa Nuestra Señora de la Oliva (Oleodiel, España).
El cultivo del olivo (Olea europea) ocupa una posición de gran relevancia a nivel internacional. Las cualidades gastronómicas del aceite de oliva y la aceituna de mesa, principales productos derivados de esta actividad agrícola, los han situado como una fuente de prestigio y visibilidad para el “estilo de vida europeo saludable”, ya que el aceite de oliva es la piedra angular de la dieta mediterránea que, en 2013, fue declarada Patrimonio Inmaterial de la Humanidad por la UNESCO. Además de su mencionado valor cultural, hay que añadir la importancia de este sector como motor económico y social en los países del sur de Eu-
ropa y, más concretamente, en la península ibérica. La industria del olivar en España, con 2,5 millones de hectáreas cultivadas, ocupa el primer puesto mundial en superficie y producción de aceite de oliva. Esto se refleja en el hecho de que el sector oleícola representa el 5% de las empresas agroalimentarias españolas y el 9% de las exportaciones de productos agroalimentarios. En el caso de Portugal, hablamos de un mercado en expansión, que en los últimos 10 años ha cuadruplicado sus exportaciones alcanzando un volumen de negocio de 1.811 millones de euros en 2017. Hay que destacar, además, el marcado carácter social de este cultivo que genera unos 46 millones de jornales cada campaña.
y supervisión del cultivo del olivo
La Organización de las Naciones Unidas prevé un crecimiento demográfico mundial de unos 2.000 millones de personas para el año 2050, lo cual implicará la necesidad de incrementar la producción de alimentos. En el sector de la agricultura, la limitación de superficies cultivables y las dificultades emergentes derivadas del cambio climático, han motivado la búsqueda de nuevas soluciones encaminadas a mejorar la productividad y sostenibilidad de las explotaciones. Dentro de la superficie de un cultivo se dan factores de variabilidad como pueden ser la composición y estructura del suelo, el tiempo de exposición a la luz solar, la presencia de patógenos, etc. Estos factores determinan la efectividad en el uso de recursos por parte del cultivo. Por ello, es necesario el desarrollo de tecnologías capaces de caracterizar el estado fisiológico de las plantas con una mayor resolución espacial y temporal que la aportada por las técnicas usadas tradicionalmente. La agricultura de precisión busca poner solución a esta problemática mediante el desarrollo de sensores avanzados capaces de monitorizar factores clave que permitan ajustar la toma de decisiones de manera localizada dentro de la superficie de un cultivo.
Esta problemática no es ajena al sector olivarero, el cual tradicionalmente no ha sido impulsado por la tecnología, caracterizándose por una baja densidad de plantación, ausencia de regadío y un laboreo manual. En los últimos años se ha producido una tendencia centrada en la sustitución de los esquemas de siembra tradicionales por marcos de plantación intensivos y superintensivos, los cuales suponen una mayor densidad de pies de planta que hace necesaria la aplicación de regadío. Estas nuevas configuraciones del olivar suponen una mayor rentabilidad para el olivicultor, ya que son más productivos y permiten una mecanización integral que se refleja en un abaratamiento de los costes de explotación. Sin embargo, factores tan importantes como el riego, la fertilización o el control sanitario se continúan aplicando de manera homogénea ajustán-
LA CAPTURA DE DATOS ESPECTRALES SE REALIZÓ CON UNA PLATAFORMA AÉREA AUTÓNOMA MULTISENSOR, DESARROLLADA SOBRE LA BASE DE UN VEHÍCULO AÉREO PILOTADO DE FORMA REMOTA (RPAS) COMERCIAL EL PROYECTO TECNOLIVO, INICIÓ EN MAYO DE 2019 UN ENSAYO DE CAMPO DE LARGA DURACIÓN, ENFOCADO A DESARROLLAR UN MÉTODO EFICAZ PARA LA DETERMINACIÓN DEL CONTENIDO FOLIAR DE N, P Y K A PARTIR DE DATOS ESPECTRALES
dose a criterios preestablecidos en base a experiencias previas, proporcionando una evaluación subjetiva con respecto al estado real del cultivo. Todo esto, por lo general, redunda en un uso excesivo de recursos, lo cual supone pérdidas económicas para los agricultores y un perjuicio para el medio ambiente. En este sentido, la legislación europea actual hace hincapié en la minimización del impacto ambiental y la optimización en el uso de recursos naturales.
La aplicación de la agricultura de precisión al olivar -la olivicultura de precisión-, hará posible el seguimiento objetivo de parámetros clave para la toma de decisiones. La monitorización continua de la superficie de plantación ofrecerá la posibilidad de ajustar el uso de agua y fertilizantes a las necesidades específicas de cada parcela de cultivo. Además, la detección precoz de patologías permitirá efectuar respuestas prematuras que reducirán el uso de fitosanitarios. Todo ello contribuirá a mejorar los rendimientos económicos, medioambientales y sociales, aumentando la competitividad a través de una mayor eficacia en las prácticas agrícolas. Dentro del contexto presentado nace el proyecto de investigación europeo “TecnOlivo: tecnologías para el manejo y supervisión del cultivo del olivo”, financiado con fondos FEDER por el Programa Interreg V-A España - Portugal (POCTEP) 2014-2020. El proyecto, que comenzó su andadura el 4 de diciembre de 2017, cuenta con un consorcio liderado por la Universidad de Huelva (UHU, España), con el Prof. Dr. José Manuel Andújar a la cabeza, en el que también participan el Instituto Nacional de Técnica Aeroespacial (INTA, España), el Instituto Nacional de Investigação Agrária e Veterinária (INIAV, Portugal), la empresa desarrolladora de software Ubiwhere Lda. (Portugal), y las entidades olivícolas Sociedad Cooperativa Andaluza Nuestra Señora de la Oliva (Oleodiel, España) y cooperativa Murtigao – Sociedade Agrícola, S.A. (ELAIA, Portugal). Con algo más de 2 millones de euros de presupuesto, TecnOlivo persigue modernizar el sector de la olivicultura y optimizar su desempeño para asegurar a largo plazo el liderazgo europeo en el cultivo y la explotación del olivo.
Plataforma aérea autónoma multisensor desarrollada para la toma de datos espectrales.
Descripción de ensayo. Estimación del contenido foliar de N, P y K mediante datos espectrales
En el contexto del Proyecto TecnOlivo, en mayo de 2019 se inició un ensayo de campo de larga duración, enfocado a desarrollar un método eficaz para la determinación del contenido foliar de N, P y K a partir de datos espectrales. El experimento se llevó a cabo en Elvas, Portugal, en un olivar superintensivo cedido por la sociedad agrícola Elaia TM. El área de cultivo objeto de ensayo, comprendía dos zonas alternativas con olivos adultos de la variedad arbequina y arbosana, respectivamente. Sobre dicha área, se dispuso un esquema de fertirriego diferencial comprendido por tres tratamientos definidos, con el objetivo de generar variabilidad en cuanto al contenido foliar de N, P y K.
La captura de datos espectrales se realizó con una plataforma aérea autónoma multisensor (Fig. 1), desa-
rrollada sobre la base de un vehículo aéreo pilotado de forma remota (RPAS) comercial. En concreto, se utilizó el RPAS DJI Matrice 100 como base, al que se le integró una cámara multiespectral MicaSense RedEdge-M, que permite la captura en 5 bandas espectrales distintas: azul, verde, rojo, rojo frontera, e infrarrojo cercano. Para la calibración de las mediciones espectrales, y hacerlas por tanto robustas ante distintas condiciones de iluminación, la plataforma fue también equipada con un sensor de medición de luz incidente. Adicionalmente, la cámara multiespectral fue dotada con un sistema de georreferenciación propio. Así, la plataforma desarrollada permite recopilar datos espectrales de manera eficiente y con una altísima resolución espacial.
En septiembre del mismo año, tras más de 4 meses de exposición a los diferentes tratamientos de fertirriego se sobrevoló el cultivo experimental, capturando imágenes multiespectrales de toda su superficie. A continuación, se seleccionaron y georreferenciaron 70 puntos de muestreo, de los cuales se recogieron muestras foliares para someterlas a un análisis químico de laboratorio. Los análisis foliares revelaron una evidente variabilidad en cuanto al contenido foliar de los macronutrientes objeto de ensayo (N, P y K). Posteriormente, se trataron las imágenes multiespectrales y, mediante técnicas de visión artificial, se calcularon los valo-
Correlación entre la respuesta del modelo y los análisis foliares de referencia.
res medios de intensidad de la radiación reflejada por el dosel en cada una de las cinco bandas del espectro captadas, para todos los puntos de muestreo. Tras una comparativa con los métodos estadísticos clásicos, se optó por explorar modelos de estimación no lineales basados en machine learning, obtenidos a través de la implementación de redes neuronales artificiales entrenadas mediante aprendizaje supervisado. De este modo, usando la información espectral de cada una de las cinco bandas mencionadas como variables de entrada a la red, y los resultados de los análisis foliares como referencia, se generaron modelos matemáticos de predicción para los macronutrientes objeto de ensayo (N, P y K). La eficacia en la predicción mostrada por los modelos relativos a P y K fue sobresaliente, con coeficientes de correlación (R2) con respecto a los datos ofrecidos por el análisis foliar de 0.886 y 0.928 respectivamente, y errores en la estimación, cuantificados por la raíz del error cuadrático medio (RMSE), destacablemente reducidos en ambos casos (Fig. 2). Por el contrario, en el caso del N, los resultados fueron desfavorables debido a que la respuesta espectral de este elemento mayoritariamente se produce en el dominio del infrarrojo de onda corta, el cual se sitúa fuera del rango de captación del dispositivo usado en este ensayo. SE TRATARON LAS IMÁGENES MULTIESPECTRALES Y, MEDIANTE TÉCNICAS DE VISIÓN ARTIFICIAL, SE CALCULARON LOS VALORES MEDIOS DE INTENSIDAD DE LA RADIACIÓN REFLEJADA POR EL DOSEL EN CADA UNA DE LAS CINCO BANDAS DEL ESPECTRO CAPTADAS
Futuros experimentos irán dirigidos a evaluar este mismo procedimiento usando una cámara hiperespectral con un rango de captación más amplio. Sin embargo, los resultados mostrados en este caso para la predicción de P y K indican el gran potencial del uso de datos espectrales para el análisis no destructivo del estado nutricional del olivar. De hecho, la metodología aquí presentada, supone un avance técnico con múltiples aplicaciones que incluirán, desde la implementación de nuevas estrategias de fertilización que optimicen el uso de los recursos, hasta la detección prematura de patologías relacionadas con deficiencias nutricionales parciales.
