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

06/10/2021 - Dos ingenieras ganan las becas de formación que otorga La Mutua de los Ingenieros

 

La Mutua de los Ingenieros ha otorgado a dos mujeres ingenieras una beca destinada a sufragar la matrícula del “Programa Directivo de Desarrollo (PDD)” organizado por Aula Magna Business School. Esta acción nace del compromiso que tiene La Mutua de fomentar la igualdad entre mujeres y hombres en las empresas y equilibrar su presencia en ...


Más información

04/10/2021 - Alisys mostrará en la Reunión Anual de la Sociedad Nuclear Española las últimas tendencias en robótica de servicio

 

Alisys mostrará en la Reunión Anual de la Sociedad Nuclear Española (SNE) sus soluciones de robótica dinámica y software aplicadas al sector nuclear que mejoran la eficiencia de las tareas de inspección, al tiempo que incrementan la seguridad de los operarios. Además de presentar al nuevo modelo de Spot, que incrementa sus casos de uso ...


Más información

04/10/2021 - Nuevas plataformas flotantes para turbinas eólicas de más de 10 MW

 

El viento es una fuente de energía ilimitada: cuanto más se aleja de la costa, se vuelve más fuerte y estable. Aunque esta situación hace que las ubicaciones marinas sean ideales para instalar parques eólicos, las aguas más profundas dificultan este tipo de esfuerzos desde un punto de vista tecnológico. A fin de superar estos retos, ...


Más información

04/10/2021 - Nuevos materiales de hormigón ultrarresistentes y autorreparables

 

Un equipo de la Universitat Politècnica de València (UPV) y el Politecnico di Milano ha diseñado, en el marco del proyecto europeo ReSHEALience, nuevos materiales de hormigón ultrarresistentes y autorreparables. En situaciones de fisuración y en comparación con el hormigón convencional de alto rendimiento, llegan a tener un 30% más de durabilidad. En el ...


Más información

01/10/2021 - Los máximos responsables de la ingeniería industrial de España y Portugal visitan Volkswagen Navarra

 

Una treintena de participantes en la Cumbre de Ingenieros Industriales de España y Portugal, encabezados por el presidente del Consejo General de Colegios Oficiales de Ingenieros Industriales de España, Miguel Iriberri, y el presidente del Colegio Nacional de Ia Ingeniería Química y Biológica de la Ordem dos Engenheiros, Antonio Gonçalbes da Silva, visitó ayer por ...


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