Determinación de los efectos de la aplicación de nanonutrientes en col morada utilizando espectroradiometría y estimación de biomasa con drones.
El profesor Izar Sinde González, recientemente incorporado a la ETSITGC, explica el trabajo realizado en su tesis doctoral sobre Aplicación de técnicas geomáticas en el Smart Farming.
El desarrollo de nuevas técnicas de monitoreo de cultivos con tecnologías geoespaciales, se vuelve un reto en zonas que se encuentran en vías de desarrollo. Optimizar la producción de los cultivos, minimizando inputs y controlando los riesgos ambientales, puede suponer un gran aporte para la disminución de la pobreza, para la consecución de la soberanía alimentaria y la reducción del ratio de personas con problemas de desnutrición.
El objetivo de este estudio fue determinar los efectos a nivel de reflectividad y producción de biomasa por la aplicación de nanofertilizantes sintetizados a partir de bagazo de caña en col morada (Brassica oleracea var capitate L.), tanto en invernadero como al aire libre. Así, las preguntas a las que pretende dar respuesta el estudio son: ¿Tiene la aplicación de nanopartículas de Hierro y Zinc, sintetizadas a partir del bagazo de caña un efecto significativo sobre el desarrollo de la col morada? ¿Pueden las tecnologías geoespaciales ayudarnos a discernir esto de forma no destructiva?
El método de investigación incorporaba técnicas de espectroradiometría y de fotogrametría con drones o UAV (Unmanned Aerial Vehicles). El equipo utilizado constaba de un UAV DJI Mavic Pro 1 con un montaje para cámara multiespectral Mapir 3w (RGNIR), un espectroradiometro de mano PSR-1100 y un sensor de clorofila CCM-200 Plus.
Se sembraron un total de 15 parcelas (5 tratamientos y 3 repeticiones) con un diseño completamente al azar. Los tratamientos tuvieron la siguiente distribución: baja concentración de quelatos (1.25g/L), alta concentración de quelatos (1.88 g/L), baja concentración de nanonutrientes (270 ppm), alta concentración de nanonutrientes (540 ppm) y el testigo que no se le aplica nada. Se hicieron mediciones con el espectroradiometro y toma de imágenes con el UAV en 4 ocasiones, correspondiendo a los estados fenológicos del cultivo, en total el número de días que ocupó el ensayo fue de 66 días.
Una vez tomados los datos con el UAV, se generaron los modelos digitales de elevaciones (MDE) a partir de las imágenes RGB tomadas con el drone. Junto con las muestras tomadas en campo y el volumen generado por cada MDE se puedo estimar la biomasa del cultivo para cada etapa fenológica (Sinde-Gonzalez et al., 2021b)
Figura 1. Generación de los MDE a) Partición de la nube de punto b) Depuración de puntos de suelo c) MDE del suelo vs MDE del cultivo.
Al mismo tiempo se tomaron cientos de firmas espectrales de los diferentes tratamientos implementados y tras una depuración y varios análisis estadísticos de los índices de vegetación calculados, se pudieron obtener algunas conclusiones.
Figura 2. Firmas espectrales en diferentes estados fenológicos a) Cultivo al aire libre b) Cultivo bajo invernadero.
No se pudo evidenciar una diferencia significativa entre tratamientos ni entre estados fenológicos para el cultivo de col morada para el ensayo al aire libre, no obstante, el índice de vegetación NGRDI fue el que mostró una mayor sensibilidad para caracterizar el desarrollo del cultivo.
Para el ensayo bajo invernadero se pudo observar que existió una ligera eficiencia en la aplicación de nanutrientes y de la misma forma se pudieron encontrar diferencias significativas para algunos índices entre estados fenológicos. En general el desarrollo del cultivo no fue bueno, probablemente debido a que la concentración de nanonutrientes aplicada fue demasiado alta.
Al finalizar, y para dar visibilidad al estudio, se implementó una aplicación web en html y javascript.
Sinde-González, I., Gómez-López, J. P., Tapia-Navarro, S. A., Murgueitio, E., Falconí, C., Benítez, F. L., & Toulkeridis, T. (2021a). Determining the Effects of Nanonutrient Application in Cabbage (Brassica oleracea var. capitate L.) Using Spectrometry and Biomass Estimation with UAV. Agronomy, 12(1), 81.
Sinde-González, I., Gil-Docampo, M., Arza-García, M., Grefa-Sánchez, J., Yánez-Simba, D., Pérez-Guerrero, P., & Abril-Porras, V. (2021b). Biomass estimation of pasture plots with multitemporal UAV-based photogrammetric surveys. International Journal of Applied Earth Observation and Geoinformation, 101, 102355.