MENÚ CERRAR

Noticia

26/03/2021 - Investigadores de la UVa diseñan un nuevo índice mejorado para predecir cosechas mediante técnicas de inteligencia artificial
Menéame
Boton de compartir en Facebook Enviar a un amigo Bookmark and Share

 

Investigadores del Laboratorio de Teledetección (LATUV) de la Universidad de Valladolid (UVa) han diseñado un nuevo índice de vegetación capaz de mejorar los modelos de predicción de cosechas. La nueva técnica, que emplea imágenes del satélite Sentinel-2 de la ESA y técnicas de inteligencia artificial y aprendizaje automático de máquinas, ha sido probada de forma exitosa en la predicción del rendimiento del cultivo de la patata y del trigo.

 

La producción agrícola depende de una gran cantidad de factores, tanto humanos como ambientales, que generan una gran incertidumbre entre los agricultores. Pero la tecnología puede ser una importante aliada para reducirla. Es el caso de los modelos computacionales que tratan de simular el comportamiento de un cultivo bajo unas condiciones concretas, -por ejemplo de suelo, clima o a prácticas agrícolas- y, en función de esa evolución prevista, estimar producciones agrícolas.

 

“Hay multitud de modelos y suelen ser específicos para cada tipo de cultivo”, explica a DICYT Diego Gómez, investigador del LATUV y primer autor de sendos estudios publicados recientemente en las revistas International Journal of Remote Sensing y Agricultural and Forest Meteorology.

 

Pero estos modelos de crecimiento tradicionales cuentan con algunas limitaciones, como por ejemplo “la imposibilidad de modelizar de forma espacial la variabilidad dentro de una misma parcela” o la multitud de datos de entrada que requieren y que “no se suelen obtener debido al elevado coste de tiempo y dinero que supone su recogida”.

 

Así, en los últimos años se está apostando por una tecnología, la teledetección, que utiliza imágenes espectrales tomadas por sensores ópticos (instalados en satélites, avionetas, drones, etc.) y que puede complementar e incluso llegar a sustituir en algunos casos estos modelos tradicionales. Estas imágenes espectrales proporcionan datos sobre el estado o fenología del cultivo -los cambios externos visibles del proceso de desarrollo de la planta-, que son integrados en modelos que ajustan esa información de entrada para predecir cosechas.

 

“Las imágenes espectrales cubren esa necesidad de datos de entrada, permiten acceder a sitios remotos y tienen un bajo coste. Además, son capaces de obtener información que está relacionada con la capacidad productiva del cultivo”, señala el investigador del LATUV, quien recuerda que uno de los índices espectrales -fórmulas matemáticas que combinan bandas espectrales- de vegetación más utilizados para estimar la vigorosidad o la densidad de la vegetación -lo que permite finalmente predecir la productividad del cultivo-, es el NDVI (siglas en inglés de Índice de Vegetación de Diferencia Normalizada).

 

La utilización de series temporales de este índice para generar modelos predictivos de cosechas es muy común en la literatura científica. Este índice utiliza la reflectancia de la vegetación -la capacidad de la vegetación de reflejar la luz- en dos bandas espectrales, el rojo y el infra-rojo cercano, que están relacionadas con parte de la luz utilizada para la fotosíntesis y la estructura celular de las hojas, respectivamente.

 

 

Un nuevo índice de vegetación

 

Los investigadores del LATUV han desarrollado un nuevo índice denominado PPI basado en imágenes del satélite de la ESA Sentinel-2 que, además de tener en cuenta la información espectral involucrada en la fotosíntesis -de 400 a 700 nanómetros-, tiene en cuenta la información procedente de otras zonas del espectro electromagnético -704 nanómetros, banda en Red Edge y 945 nanómetros, banda absorción vapor de agua-, lo que puede ofrecer otra información clave sobre el estado del cultivo, como por ejemplo, su estrés hídrico –cuando la planta demanda más cantidad de agua de la que dispone-.

 

Los investigadores compararon la capacidad predictiva de ambos índices de vegetación, NDVI y PPI, junto con más datos procedentes de imágenes de satélite. Para ello, emplearon dos algoritmos de Inteligencia Artificial y aprendizaje de máquinas (denominados Random Forest y Support Vector Machine), y generaron diversos modelos en los que combinaron estos índices con el resto de bandas del satélite.

 

“La hipótesis fue que, al utilizar un índice que emplea otras bandas no incluidas en el popular índice NDVI y, por otro lado, con cierta potencialidad de aportar información sensible del cultivo, los modelos predictivos serían mejores”, apunta Gómez, quien avanza que, finalmente, la capacidad predictiva de los modelos “aumentaba cuando se incluía alguno de los dos índices de vegetación o ambos”, lo que pone en valor “el uso de estos datos de forma combinada con ciertas bandas individuales del satélite”.

 

 

Predicciones más precisas en cultivo de patata

 

Los resultados muestran que el índice PPI aporta información similar al NDVI cuando se utiliza el algoritmo Support Vector Machine, y es significativamente más informativo que el NDVI cuando se utiliza el algoritmo Random Forest, unos resultados prometedores “que ponen encima de la mesa un nuevo índice de vegetación que puede mejorar los modelos predictivos de cosechas basados en imágenes de satélite”.

 

Hasta el momento, el nuevo índice ha sido probado en cultivo de patata en una zona de estudio bastante localizada. Tras el cereal, la patata es uno de los cultivos alimentarios más importantes a nivel global. Juega un papel fundamental en la seguridad alimentaria de los países en vías de desarrollo y también tiene un gran peso en el sector agrario europeo, con Alemania, Francia, Países Bajos y Polonia como principales productores. Asimismo, se ha probado en trigo con datos tomados en México.

 

 

La idea del equipo es aumentar el número de datos para mejorar la solidez del modelo, cubrir una zona de estudio mayor para aumentar la variabilidad espacial e incorporar nuevos cultivos. Unas perspectivas que dependen de la continuidad de la financiación y que, en el futuro, pueden ayudar a los agricultores a predecir su cosecha de una manera más fiable.

 

 

Referencia

 

Gómez, D., Salvador, P., Sanz, J., & Casanova, J. L. (2021). New spectral indicator Potato Productivity Index based on Sentinel-2 data to improve potato yield prediction: a machine learning approach. International Journal of Remote Sensing, 42(9), 3430-3448.

 

Gómez, D., Salvador, P., Sanz, J., & Casanova, J. L. (2021). Modelling wheat yield with antecedent information, satellite and climate data using machine learning methods in Mexico. Agricultural and Forest Meteorology, 300, 108317.

_______________________________________________

Cristina González Pedraz

Agencia DiCYT- Fundación 3CIN


Fuente


Otras noticias del sector

16/04/2021 - La Real Academia de Ingeniería de España y la Academia de Ingeniería de México firman el primer acuerdo iberoamericano del sector

 

La Real Academia de Ingeniería de España y la Academia de Ingeniería de México han firmado un acuerdo con el fin de establecer un marco de colaboración bilateral entre ambas entidades. El acto de firma se ha llevado a cabo de forma simultánea en ambos países a través de una conexión digital desde Madrid ...


Más información

16/04/2021 - Enaire selecciona ingenieros e informáticos para sus direcciones regionales

 

El gestor nacional de navegación aérea, Enaire, ha convocado un proceso de selección de personal para cubrir futuras necesidades de contratación para perfiles de ingeniería e informática. El plazo de presentación de solicitudes está abierto desde el pasado 14 de abril y finalizará el 30 de abril de 2021. Las pruebas se realizarán en Madrid, ...


Más información

14/04/2021 - Siete fórmulas y procesos clave para conseguir la descarbonización del sector industrial (SEGULA Technologies)

 

Las restricciones impuestas por la pandemia han tenido consecuencias directas en las emisiones de CO2. Este contexto sin precedentes ha reducido en torno a un 7% las emisiones de gases contaminantes en el mundo. Sin embargo, la trayectoria del calentamiento global sigue lejos de los objetivos establecidos por el Acuerdo de París de 2020. En cuanto a la descarbonización del ...


Más información

14/04/2021 - Arranca el Máster en Ingeniería del Motor de Aragón que preparará a los alumnos como ingenieros de competición de equipo

 

Los 32 alumnos del primer Máster en Ingeniería del Motor de Aragón se preparan para convertirse en ingenieros de competición de un equipo. Para lograrlo, han de recibir 1.500 horas de formación que se imparten de formasemipresencial, que se completa con la práctica en los eventos organizados por Motorland, como el World Touring Car Cup ...


Más información

14/04/2021 - Protesta simbólica del CITOP ante la cesión del Grado de Ingeniería Civil de la UPM

 

Representantes del Colegio de Ingenieros Técnicos de Obras Públicas se han reunido, el pasado 10 de abril, a las 12.00 horas, a las puertas de la Escuela Técnica Superior de Ingeniería Civil de la Universidad Politécnica de Madrid, ubicada junto a El Retiro.

 

Se trata de una protesta simbólica ante la decisión ...


Más información


Banner Bolsa de Trabajo

3S

ISF

SUBMETER 4.0

Prosener

Joole

Portal de Energia

Nanomedicinas

Nanomedicinas

 

Nanotechnology Projects

Application & Drug Delivery


http://www.nanomedicinas.com/

email Ingenieros

ACNUR ESI

Esta web utiliza cookies con el fin de facilitar y mejorar la navegación a sus usuarios.

Esta web utiliza 'cookies' propias y de terceros para ofrecerte una mejor experiencia y servicio.
Al navegar o utilizar nuestros servicios, aceptas el uso que hacemos de las 'cookies'. Sin embargo, puedes cambiar la configuración de 'cookies' en cualquier momento. Política de Cookies

Acepto las cookies

POLÍTICA DE COOKIES

En cumplimiento de la Ley de Servicios de la Sociedad de la Información y de Comercio Electrónico (LSSI) y en adecuación con la Directiva Europea 2009/136/CE, le informamos de la utilización de cookies en la presente web con el fin de facilitar y mejorar la navegación a los usuarios.

¿QUÉ SON LAS COOKIES?

Una cookie es un fichero que se descarga en su ordenador al acceder a determinadas páginas web. Las cookies permiten a una página web, entre otras cosas, almacenar y recuperar información sobre los hábitos de navegación de un usuario o de su equipo y, dependiendo de la información que contengan y de la forma en que utilice su equipo, pueden utilizarse para reconocer al usuario.

¿QUÉ TIPOS DE COOKIES UTILIZA NUESTRA WEB?

  • Cookies de rendimiento: Estas cookies se utilizan para mejorar su experiencia de navegación y optimizar el funcionamiento del sitio web. Almacenan configuraciones de servicios para que no tenga que reconfigurarlos cada vez que visite este sitio web.
  • Cookies de análisis: Son aquéllas que bien tratadas por nosotros o por terceros, nos permiten cuantificar el número de usuarios y así realizar la medición y análisis estadístico de la utilización que hacen los usuarios del servicio ofertado. Para ello se analiza su navegación en nuestra página web con el fin de mejorar la oferta de productos o servicios que le ofrecemos.

¿CÓMO GESTIONAR LAS COOKIES DE SU NAVEGADOR?

Puede usted permitir, bloquear o eliminar las cookies instaladas en su equipo mediante la configuración de las opciones del navegador instalado en su ordenador.

ACEPTACIÓN DE COOKIES

Usted, una vez informado sobre la Política de Cookies, puede aceptar la utilización de las mismas por parte de esta web. Sin embargo, puede cambiar la configuración de cookies en cualquier momento, configurando su navegador para aceptar, o no, las cookies que recibe o para que el navegador le avise cuando un servidor quiera guardar una cookie.

Le informamos que en el caso de bloquear o no aceptar la instalación de cookies, es posible que ciertos servicios no estén disponibles sin la utilización de éstas o que no pueda acceder a determinados servicios ni tampoco aprovechar por completo todo lo que nuestras web le ofrece. Además del uso de cookies propias, permitimos a terceros establecer cookies y acceder a ellas en su ordenador.

Le agradecemos que consienta la aceptación de cookies, esto nos ayuda a obtener datos más precisos que nos permiten mejorar el contenido, así como mejorar la usabilidad de la web.

En caso de que este sitio web prestara algún tipo de servicio especial en el que determine unas previsiones específicas diferentes a éstas en lo relativo a la protección de datos personales y la utilización de cookies, prevalecerán las normas particulares indicadas para ese servicio en particular sobre las presentes.

Al acceder a este sitio web por primera vez verá una ventana donde se le informa de la utilización de las cookies, y donde puede consultar la presente "Política de cookies". Si usted acepta expresamente la utilización de cookies, continúa navegando o hace clic en algún link se entenderá que usted ha consentido nuestra política de cookies y por tanto la instalación de las mismas en su equipo o dispositivo.

ACTUALIZACIÓN DE NUESTRA POLÍTICA DE COOKIES

Es posible que actualicemos la Política de Cookies de este sitio web, por ello le recomendamos revisar esta política cada vez que acceda al mismo con el objetivo de estar adecuadamente informado sobre cómo y para qué usamos las cookies. La Política de Cookies se actualizó por última vez el 02 de Septiembre de 2013.

Hosting Lampung Jasa Rekber