Un estudio del Instituto de Ingeniería del Agua y Medio Ambiente (IIAMA) y el Centro de Investigaciones sobre Desertificación ha desarrollado una metodología innovadora que combina simulaciones digitales y datos de drones para predecir el rendimiento de cultivos hortícolas, como el brócoli. Utilizando la herramienta Aquacrop, se optimiza la predicción agrícola y el uso del agua, logrando reducir el margen de error en un 12% al integrar información sobre la cobertura vegetal y evapotranspiración obtenida por drones. Este enfoque busca mejorar la gestión del riego en condiciones mediterráneas y se valida a través de ensayos en parcelas experimentales. Los resultados sugieren que la combinación de tecnologías avanzadas puede transformar las prácticas agrícolas tradicionales.
Un equipo de investigadores del Instituto de Ingeniería del Agua y Medio Ambiente (IIAMA) de la Universitat Politècnica de València, junto con el Centro de Investigaciones sobre Desertificación (CIDE, CSIC-UV-GVA), ha desarrollado una innovadora metodología que combina modelos de simulación agrícola con datos recolectados a través de drones. Este avance, publicado en la revista Computers and Electronics in Agriculture, tiene como objetivo optimizar tanto la predicción del rendimiento agrícola como el análisis del uso del agua en cultivos hortícolas de alto valor, como el brócoli.
La metodología se basa en Aquacrop, una herramienta creada por la Organización de las Naciones Unidas para la Agricultura y la Alimentación (FAO) que evalúa la eficiencia hídrica de los cultivos y proyecta el rendimiento final bajo diferentes escenarios de disponibilidad de agua. Se trata de un laboratorio virtual que permite prever con precisión la producción esperada según los recursos hídricos disponibles. “Utilizamos Aquacrop-OSPy, una implementación en código abierto en Python que reproduce la formulación original y facilita la integración de técnicas de teledetección y asimilación de datos”, explica Jesús Huertas, investigador principal del estudio.
Los hallazgos indican que al integrar información obtenida mediante drones, especialmente aquella relacionada con la cobertura vegetal, se logra reducir significativamente los errores en las predicciones sobre las cosechas.
Para validar esta metodología, el equipo llevó a cabo un ensayo práctico cultivando brócoli durante dos campañas agrícolas en una parcela experimental de 0,2 hectáreas situada en el este de España. La investigación comparó dos enfoques para gestionar el riego: uno basado en el sistema Irrigation Advisor (IA) y otro fundamentado en la experiencia del agricultor. Esta comparación permitió evaluar cuánto puede mejorar la tecnología respecto a los métodos tradicionales en términos del uso eficiente del agua.
“Esta comparación se utilizó para introducir variabilidad y evaluar cómo respondía el modelo bajo distintas condiciones de manejo”, señala Diego S. Intrigliolo, investigador del CIDE.
Durante la fase de validación, los investigadores incorporaron al software Aquacrop datos reales obtenidos por drones en tres vuelos distintos, abarcando tanto la cobertura vegetal como la evapotranspiración —la pérdida de humedad por evaporación directa desde el suelo y transpiración a través de las plantas—. La integración de estos datos permitió reducir el RMSE (Root Mean Square Error), un indicador clave del margen de error del sistema, alrededor del 12%. En términos concretos, el error disminuyó de 1,67 a 1,47 toneladas por hectárea frente a simulaciones sin información proporcionada por drones.
El estudio también facilitó identificar, mediante un análisis global de sensibilidad, los parámetros más influyentes en la simulación tanto de la cobertura vegetal como del rendimiento final. Esta información fue crucial para calibrar el modelo y determinar qué variables son más informativas para alcanzar los objetivos deseados. Una vez identificados los parámetros clave, se ajustó el modelo utilizando un esquema híbrido de optimización (PSO + L-BFGS-B), combinando exploraciones globales con refinamientos locales para asegurar su precisión.
Miguel Ángel Jiménez Bello, coautor del trabajo e investigador del IIAMA, afirma: “Los resultados sugieren que integrar observaciones provenientes de vehículos aéreos no tripulados (UAV) puede mejorar notablemente tanto el diagnóstico sobre el uso del agua como las predicciones sobre rendimiento agrícola en condiciones mediterráneas.” Sin embargo, advierte Juan Miguel Ramírez-Cuesta, investigador del CIDE: “Las conclusiones deben interpretarse como indicativas y requieren validación adicional en futuras campañas y diversos contextos agrícolas.”
Este trabajo forma parte del proyecto DigitalRiego, financiado por la Agencia Valenciana de Innovación y la Unión Europea a través del Fondo Europeo de Desarrollo Regional (FEDER).
| Cifra | Descripción |
|---|---|
| 0.2 hectáreas | Tamaño de la parcela experimental utilizada para el cultivo de brócoli. |
| 12% | Reducción del RMSE (Root Mean Square Error) al integrar datos obtenidos mediante drones. |
| 1.67 toneladas por hectárea | Error de predicción del rendimiento sin información de drones. |
| 1.47 toneladas por hectárea | Error de predicción del rendimiento con información de drones. |
Se ha desarrollado una metodología que combina modelos de simulación de cultivos con datos obtenidos mediante drones, optimizando la predicción del rendimiento agrícola y el análisis del uso del agua en cultivos hortícolas de alto valor, como el brócoli.
La metodología se apoya en Aquacrop, una herramienta desarrollada por la FAO que evalúa la eficiencia hídrica del cultivo y proyecta el rendimiento final basándose en distintos escenarios de disponibilidad de agua.
Los investigadores realizaron un ensayo de campo cultivando brócoli durante dos campañas agrícolas, comparando dos formas de gestionar el agua: una guiada por un sistema de apoyo a la toma de decisiones y otra basada en la experiencia del agricultor.
La integración de información obtenida mediante teledetección con drones redujo el margen de error en las predicciones del rendimiento del cultivo en torno al 12%.
El estudio permitió identificar los parámetros del cultivo que más influyen en la simulación de la cobertura vegetal y del rendimiento, facilitando así la calibración del modelo y mejorando su precisión.
Integrar observaciones de vehículos aéreos no tripulados (UAV) puede contribuir a mejorar el diagnóstico del uso del agua y la predicción del rendimiento en condiciones mediterráneas, aunque se requiere validación adicional.