Agricultura de precisión y sostenibilidad

Tres estudios de caso de IoT de agricultura de precisión

Internet de las cosas (IoT) está ayudando a los agricultores de países desarrollados y emergentes a mejorar la productividad de la agricultura
La agricultura de precisión puede ayudar a los agricultores a hacer frente a una serie de desafíos, como la escasez de agua, la disponibilidad limitada de tierras adecuadas para la siembra de cultivos, las dificultades que tienen los agricultores para gestionar los costos mediante la implementación de sistemas y tecnologías de IoT para reducir esencialmente los posibles errores y, a su vez, , maximizar los rendimientos.

La agricultura de precisión utiliza aplicaciones de IoT, que ayudan a los agricultores a aumentar la calidad, la cantidad, la sostenibilidad y la rentabilidad de la producción agrícola. Estas herramientas permiten a los agricultores saber qué semillas plantar, la cantidad de fertilizante que necesitan usar, el mejor momento para cosechar y los resultados esperados de los cultivos. A través de la implementación de IoT, los agricultores también pueden monitorear sensores que se pueden usar para detectar la humedad del suelo, el crecimiento de los cultivos y los niveles de alimentación del ganado, entre otras funciones clave. Los sensores también pueden gestionar y controlar de forma remota cosechadoras y equipos de riego conectados.

Ciertas plataformas de IoT utilizadas en la industria agrícola permiten a los agricultores administrar grandes cantidades de datos recopilados de sensores, servicios en la nube como el clima o mapas, equipos conectados y sistemas existentes.

Telenor y dtac en Tailandia
En Tailandia, la empresa local de telecomunicaciones dtac, propiedad del grupo noruego de telecomunicaciones Telenor, ha lanzado una solución de IoT de agricultura de precisión a través de una asociación con el Departamento de Extensión Agrícola de Tailandia (DOAE) y el Centro Nacional de Tecnología Electrónica y Computación (NECTEC).

A través de esta nueva solución de agricultura inteligente, la empresa de telecomunicaciones y las agencias gubernamentales tienen como objetivo equipar a los agricultores locales con la tecnología que necesitan para enfrentar desafíos, como el cambio climático, las enfermedades de las plantas y la humedad del suelo.

Dtac y sus socios han lanzado un proyecto piloto de un año que presenta esta solución basada en IoT para monitorear, analizar y predecir los factores que afectan el cultivo. La nueva solución permitirá a los agricultores tener acceso a un sistema agrícola más preciso que debería ayudar a aumentar el rendimiento de los cultivos, controlar la calidad de los productos agrícolas y reducir los costos de producción.

Dtac es responsable de la conectividad inalámbrica a Internet y la computación en la nube, mientras que NECTEC desarrollará e investigará sobre sistemas sensoriales con el objetivo de buscar indicadores de estándares de plantación.

En otro estudio de caso de agricultura de precisión, el operador móvil Vodafone está ayudando a los agricultores de Nueva Zelanda a mejorar el rendimiento y reducir costos mediante herramientas de agricultura de precisión.

Agricultura de precisión de Vodafone
La solución de agricultura de precisión de Vodafone permite a los agricultores utilizar solo la cantidad de fertilizante que necesitan. Se instala un dispositivo GPS Farming especial en el vehículo que distribuye el fertilizante y los datos se envían a través de la red de Vodafone al servidor seguro de Precision Farming. Luego, estos datos se superponen en un mapa computarizado, para que el agricultor pueda iniciar sesión y ver dónde se ha depositado hasta el último kilogramo. Con información precisa de su programa de fertilizantes, los agricultores pueden detectar instantáneamente cualquier desperdicio y ajustar su próximo pedido.

El sistema de agricultura de precisión de Vodafone se basa en GPS y tecnología de máquina a máquina. El operador proporciona las tarjetas SIM especiales necesarias y el sistema de agricultura de precisión está vinculado a la red de Vodafone para garantizar la transmisión continua de datos desde el campo. El sistema proporciona un monitoreo constante del ancho y la tasa de aplicación de fertilizante, de modo que los agricultores pueden verificar el rastro virtual dejado por el esparcidor de fertilizante y ajustar la gestión de su granja en consecuencia.

El sistema de agricultura de precisión se puede aplicar a otras actividades, como la pulverización y la distribución de efluentes, para garantizar que los agricultores obtengan resultados óptimos de todas las sustancias aplicadas a la tierra.

Libelium en Colombia
En Colombia, la organización local Red Tecnoparque Colombia ha desplegado una red de sensores inalámbricos con tecnología Libelium para monitorear cultivos en el área de Lembo, en la región de Santa Rosa de Cabal.

Red Tecnoparque Colombia ha seleccionado Waspmote Plug & Sense de la firma española Libelium! Sensor Platform para desarrollar un proyecto de agricultura de precisión con sensores remotos. Los cultivos de plátano han sido monitoreados con diferentes sensores agregados a Waspmote Plug & Sense.

Los sensores de Libelium permiten a los productores monitorear parámetros clave que incluyen humedad, temperatura, humedad del suelo, temperatura del suelo, diámetro del tronco, diámetro de la fruta, pluviómetro y radiación solar.

Mediante el seguimiento de estos parámetros, Redcom Tecnoparque puede supervisar de forma remota las variaciones ambientales y agronómicas para investigar nuevas variedades de banano. Esta solución también les permite conocer la proyección de la cosecha, optimizar el uso del agua, prevenir plagas y enfermedades, reducir el consumo de fertilizantes y clasificar los suelos.

Leer más
Agricultura de precisión y sostenibilidad

Drones para fumigar. ¿Son viables para nuestros cultivos

En la agricultura estamos viviendo una gran transformación gracias al aporte de las nuevas tecnologías en el día a día de nuestras explotaciones. Todos hemos oído de que los drones agrícolas tendrán un papel muy importante, pero ¿son viables los drones para fumigar? Te lo cuento en este artículo!

En los últimos años la agricultura que todos conocíamos ha sufrido una gran transformación. Esto se debe en gran parte a la introducción de nuevas tecnologías en el día a día de las explotaciones agrícolas (maquinaria innovadora de aplicación de agroquímicos, sistemas de auto guiado, sensores, drones agrícolas, softwares agrícolas como Agroptima, etc).

Todas estas herramientas facilitan en la mayoría de los casos el manejo de nuestros campos. El problema que nos encontramos es que en la era de la información y de internet, son muchos los canales a través de los cuales recibimos información. Esto hace que tanto a ti, agricultor, como a mí, nos cueste mucho filtrar y saber qué herramientas son útiles para nosotros y cuáles son solo productos de marketing, y por lo tanto, poco aplicables a nuestro día a día.

Infografia novedades agrícolas con la introducción de drones
Fuente: Prof. Dr. Manuel Pérez-Ruiz (@MaqETSIA) Curso: Experiencias con drones e introducción de la imagen térmica y multiespectral en la toma de decisiones

En este artículo, te contaré las últimas novedades que hay con respecto al uso de drones para fumigar explotaciones agrícolas y como puedes aprovecharte de esta herramienta tan popular y a su vez tan desconocida.

Contenidos [ocultar]

1 ¿Cuáles son las aplicaciones actuales de los RPA´S o Drones en la Agricultura?
2 ¿Sirven los drones para fumigación agrícola?
3 ¿Qué características tienen los drones para fumigación agrícola?
4 ¿Existe alguna experiencia en España con drones para fumigación?
5 Drones para fumigación agrícola, ¿son viables?
¿Cuáles son las aplicaciones actuales de los RPA´S o Drones en la Agricultura?
¿RPA´S?¿UAV? En efecto, alguna de estas palabras son las que puedes encontrar cuando oigas hablar de Drones agrícolas o simplemente “aeronaves no tripuladas”. Esos pequeños artilugios que cada vez más sobrevuelan nuestros campos y ciudades en búsqueda de imágenes e información que pueda ser de utilidad.

En agricultura, los drones pueden utilizarse con diversos fines:

Toma de imágenes multiespectrales: Las imágenes multiespectrales obtenidas con el drone miden el vigor vegetal en base a la radiación que las plantas emiten o reflejan. A través de estas imágenes puedes conocer el estado de salud y crecimiento de tu cultivo.
Imagenes multiespectrales agricultura facilitadas por un dron agricola
Fuente: Agroicaro Agricultura de precisión

Imágenes térmicas: las imágenes térmicas permiten detectar el estrés hídrico en la planta (en los momentos de estrés hídrico la planta cierra estomas, lo que produce un aumento de la temperatura). De este modo, se optimiza el uso de agua y aplica estrategias de riego de precisión.
Geomática y topografía: las imágenes tomadas por los drones agrícolas permiten también realizar levantamientos topográficos del terreno, lo que en grandes proyectos agrícolas puede ser de gran utilidad. Además el uso de drones tiene ya aplicación en temas relacionados con catastro y propiedad.
Aplicación de fitosanitarios: la tecnología de drones para fumigar también es otra opción, ya que permite la aplicación de fitosanitarios desde el aire. Esto se presenta como un gran reto y una oportunidad de futuro en las aplicaciones de precisión y en la lucha por la reducción del impacto ambiental provocado por la agricultura.
¿Sirven los drones para fumigación agrícola?
A día de hoy, la respuesta es sí. Los drones para fumigar cultivos han demostrado ya su utilidad, no solamente para observación y detección, sino para el manejo de cargas útiles, como puede ser un depósito cargado de una mezcla fitosanitaria.

Según el Art. 3 del RD 1311/2012 sobre el uso sostenible de los productos fitosanitarios, se define “aplicación aérea” como:

La aplicación de productos fitosanitarios desde una aeronave, bien sea un avión, un helicóptero o cualquier otro medio aéreo que pudiera surgir por los avances científicos o tecnológicos.

La aparición de equipos de pulverización montados sobre drones hace variar este concepto, por eso recientemente el Ministerio de Agricultura ha publicado una nota informativa para clarificar los requisitos que deben cumplir los drones para fumigar y realizar tratamientos.

¿Qué características tienen los drones para fumigación agrícola?
Actualmente se encuentran en plena fase de desarrollo, disponiéndose de prototipos y equipos de pruebas en los que se han observado las siguientes características:

Están montados fundamentalmente sobre equipos multi-rotor
Tienen un peso total de hasta 25 Kg
Poseen depósitos de 5 a 15 litros
Utilizan control de altura y posicionamiento GPS
Hay posibilidad de realización de tratamientos en modo de vuelo automático o modo de vuelo manual
El tiempo máximo de vuelo son 24 minutos
La velocidad máxima para realizar la fumigación es de 8 m/segundo
La temperatura a la que pueden realizar esta operación puede oscilar desde 0ºC a 40ºC
Se están utilizando diferentes equipos de aplicación: mediante lanza o pértiga, forma de tridente, boquillas de pulverización intercambiables, sistema de control de presión en la aplicación…
Experiencias con drones agricolas
Fuente: Ramón Piñeiro Rodriguez – Curso: Experiencias con drones e introducción de la imagen térmica y multiespectral en la toma de decisiones

¿Existe alguna experiencia en España con drones para fumigación?
Como decíamos anteriormente, los drones para fumigación agrícola se encuentran en plena fase de desarrollo. En España, por ejemplo, los técnicos de DRONSAP junto con la Escuela Técnica Superior de Sevilla han diseñado y ensayado el prototipo de pulverizador para tratamientos de ultra-bajo volumen para drones ATHOS.

Leer más
Agricultura de precisión y sostenibilidad

Sistemas de riego inteligentes basados ​​en IoT

Sistemas de riego inteligentes basados ​​en IoT: una descripción general de las tendencias recientes en sensores y sistemas de IoT para riego en agricultura de precisión.

La gestión del agua es primordial en países con escasez de agua. Esto también afecta a la agricultura, ya que una gran cantidad de agua se dedica a ese uso. Las posibles consecuencias del calentamiento global llevan a considerar la creación de medidas de adaptación del agua para asegurar la disponibilidad de agua para la producción y el consumo de alimentos. Así, los estudios dirigidos a ahorrar agua en el proceso de riego se han incrementado a lo largo de los años. Los sensores comerciales típicos para sistemas de riego agrícola son muy costosos, lo que hace imposible que los pequeños agricultores implementen este tipo de sistema. Sin embargo, los fabricantes ofrecen actualmente sensores de bajo costo que se pueden conectar a nodos para implementar sistemas asequibles para la gestión del riego y el monitoreo agrícola. Debido a los recientes avances en tecnologías IoT y WSN que se pueden aplicar en el desarrollo de estos sistemas, presentamos una encuesta destinada a resumir el estado del arte actual en cuanto a sistemas de riego inteligentes. Determinamos los parámetros que se monitorean en los sistemas de riego en cuanto a cantidad y calidad del agua, características del suelo y condiciones climáticas. Proporcionamos una descripción general de los nodos y las tecnologías inalámbricas más utilizados. Por último, discutiremos los desafíos y las mejores prácticas para la implementación de sistemas de riego basados ​​en sensores. Proporcionamos una descripción general de los nodos y las tecnologías inalámbricas más utilizados. Por último, discutiremos los desafíos y las mejores prácticas para la implementación de sistemas de riego basados ​​en sensores. Proporcionamos una descripción general de los nodos y las tecnologías inalámbricas más utilizados. Por último, discutiremos los desafíos y las mejores prácticas para la implementación de sistemas de riego basados ​​en sensores.

Leer más
Agricultura de precisión y sostenibilidad

¿Qué es la agricultura de precisión?

La agricultura de precisión es un método de cultivo que utiliza innovaciones tecnológicas, incluida la guía GPS, drones, sensores, muestreo del suelo y maquinaria de precisión, para cultivar cultivos de manera más eficiente. En última instancia, las técnicas de agricultura de precisión ayudan a los agricultores a tomar decisiones más informadas sobre sus cultivos en función de la naturaleza única de sus campos para que puedan hacer lo correcto, en el lugar correcto y en el momento correcto.

¿Cuál es la diferencia entre agricultura de precisión y agricultura sostenible?
La sostenibilidad agrícola es satisfacer las necesidades de las personas, proteger el medio ambiente y generar prosperidad hoy y en el futuro. La agricultura de precisión contribuye a la agricultura sostenible en su conjunto.

En los cultivos, la agricultura de precisión consiste en aprovechar los datos recopilados a través de varios métodos, incluidos drones, mapas satelitales y sensores, para tomar decisiones sobre cómo administrar cada terreno individual. Si bien un agricultor puede plantar el mismo cultivo en un campo, ese cultivo puede necesitar un cuidado diferente en diferentes partes del mismo campo en función de factores como el tipo de suelo y la presión de las plagas. Aprovechar el poder de los datos que ahora pueden adquirir sobre sus campos les brinda a los agricultores la capacidad de determinar la ubicación exacta y la cantidad de insumos, como pesticidas , necesarios para cultivar con éxito sus cultivos, lo que ayuda a mejorar la productividad de sus operaciones, reduce el desperdicio y mejora su sostenibilidad medioambiental.

Las tecnologías de la ciencia vegetal, como los pesticidas, y las innovaciones en el mejoramiento de plantas, como los cultivos modificados genéticamente, son herramientas que encajan en la caja de herramientas de la agricultura de precisión. Ayudan a los agricultores a ser más productivos y ayudan a impulsar la sostenibilidad agrícola. Sin estas herramientas, los agricultores de Canadá necesitarían un 50% más de tierra para cultivar la misma cantidad de alimentos que ahora.

¿Por qué le importa la agricultura de precisión?
En esencia, la agricultura de precisión está diseñada para mejorar la eficiencia de la producción en las granjas. Para los agricultores, esto tiene beneficios obvios: pueden producir más y cultivos más saludables en la misma cantidad de tierra y aumentar la viabilidad económica de sus granjas de una manera que es mejor para el medio ambiente. Para los canadienses de hoy, todo esto contribuye a una mayor disponibilidad de alimentos y mantiene los costos de los alimentos asequibles. A largo plazo, la agricultura de precisión está ayudando a nutrir y proteger las tierras agrícolas para que sigan siendo productivas en 20, 50 y 100 años.

Leer más
Agricultura de precisión y sostenibilidad

¿Cómo pueden las tecnologías de sensores y la agricultura de precisión mejorar la agricultura

El uso de datos precisos y granulares recopilados a través de sensores remotos y terrestres tiene un enorme potencial para mejorar los resultados agrícolas. En el mundo industrializado, los aspectos más maduros de la aplicación de estas herramientas tienden a estar vinculados con el monitoreo de cultivos basado en GPS, como el que utiliza Climate Corporation, que brinda a los agricultores acceso a datos a nivel de campo en tiempo real.

Sin embargo, aún se está explorando la aplicación de estas herramientas en un contexto en desarrollo. Esta publicación detalla el resultado de una convocatoria de USAID que explora el potencial de las tecnologías de agricultura de precisión en los países en desarrollo.

Trabajando con otras 10 agencias federales, USAID lidera Feed the Future , la iniciativa global de hambre y seguridad alimentaria del gobierno de los Estados Unidos. Muchos de los 19 países de enfoque de Feed the Future están lidiando con una variedad de desafíos que afectan la producción agrícola, incluida la escasez de recursos y las condiciones ambientales cambiantes como resultado del cambio climático.

Al hacer frente a estos desafíos, el uso de nuevas tecnologías para la agricultura de precisión promete una variedad de beneficios que incluyen:

Recopilación de información específica en tiempo real : los datos recopilados de sensores terrestres, sensores remotos, datos satelitales de alta resolución y otras herramientas equiparán mejor a los pequeños agricultores, trabajadores de extensión y otras partes interesadas con información específica y actualizada sobre sus cultivos para ayudar a mejorar la productividad local.
Conservación de los recursos : la mejora de los datos y la información conducirá a optimizar los insumos agrícolas y el tiempo dedicado por los trabajadores de extensión agrícola y otros actores sobre el terreno, lo que en última instancia contribuirá a un mejor uso de los recursos y ahorros de costos.
Habilitación de otros productos y servicios: Por último, se necesitan buenos datos para que el sector privado y otros intermediarios creen herramientas de toma de decisiones que puedan beneficiar a los pequeños agricultores, incluidos los productos financieros y de seguros.
Durante un productivo día y medio en junio de 2016, USAID, en una posición única como organización donante para reunir a actores de los sectores público y privado, convocó un taller que incluyó a innovadores que han desarrollado sensores, grandes empresas de Silicon Valley como Cisco y Facebook, financiadores y ONG como la Fundación Gates y el Fondo One Acre, y académicos de Berkeley, Stanford y UC Davis.

Cuatro ideas sobre Sensors4Ag
USAID-Sensores4agLos participantes del taller exploraron tecnologías de sensores actuales y aplicaciones de agricultura de precisión de IDEO.org , Arable , GSMA mAgri , Granular y otros; aprendió sobre el trabajo de Feed the Future y el Laboratorio de Desarrollo Global de Estados Unidos ; y participó en una serie de actividades interactivas para identificar los desafíos y oportunidades para la aplicación de estas tecnologías. Los participantes obtuvieron cuatro puntos clave :

“La tecnología es la parte fácil”: ya existen muchas tecnologías de agricultura de precisión habilitadas por sensores, que van desde estaciones meteorológicas y sensores de humedad dedicados hasta espectrómetros y herramientas de detección remota. Para muchas de estas aplicaciones, el mercado ya está impulsando la tecnología física para que sea mejor y más barata. Por lo tanto, el enfoque de la comunidad de práctica no debería estar en el desarrollo de nuevas tecnologías, sino en determinar cómo se pueden aplicar las tecnologías existentes a la agricultura en los mercados en desarrollo.
Diseñar teniendo en cuenta el contexto local: Al aplicar estas tecnologías, y de acuerdo con el espíritu de los Principios para el desarrollo digital , comprender las condiciones locales es clave. La forma en que se empaquetan los sensores, la forma en que se transmiten los datos, la experiencia del usuario y la frecuencia con la que los sensores deben recargarse o reemplazarse son factores clave para determinar su éxito, y deben adaptarse de manera única al contexto local específico, ya sea enfocarse en una región en particular, un cultivo en particular o una necesidad del mercado. Estos procesos suelen ser mucho más complejos que la propia tecnología.
Necesidades complejas de transmisión de datos: los sensores agrícolas están recopilando una cantidad significativa de datos, pero particularmente cuando se aplican en el mundo en desarrollo, a menudo deben operar en entornos de baja conectividad. Por lo tanto, requerirán soluciones de bajo consumo y largo alcance para garantizar que los datos continúen transmitiéndose de manera eficaz y a bajo costo.
Los datos deben ser interoperables: los datos agrícolas se recopilan simultáneamente a través de satélites, estaciones meteorológicas y sensores terrestres. Sin embargo, estos sistemas no se comunican entre sí y no existe una forma centralizada de agrupar los datos. Para que los datos sean realmente útiles en la toma de decisiones, los proveedores de tecnología deben trabajar hacia la interoperabilidad y encontrar formas productivas de integrar los datos.
En última instancia, los datos proporcionados tienen el potencial de ayudar a múltiples audiencias (el trabajador de extensión, el banco que está desarrollando el producto de seguro y / o los agricultores mismos) a tomar mejores decisiones. Por lo tanto, los innovadores, proveedores de tecnología, organizaciones agrícolas, académicos y financiadores deben comprometerse a unirse y explorar el potencial de estas tecnologías.

Leer más
Agricultura de precisión y sostenibilidad

Análisis de costo-beneficio agricultura de precision

Agricultura de precisión

La teledetección es solo un componente de una tecnología integrada mucho más grande conocida como agricultura de precisión. La agricultura de precisión sigue siendo una tecnología emergente con un éxito económico muy limitado. La agricultura de precisión primero tendrá que convertirse en un sistema de gestión económico antes de que la integración y el uso de la teledetección se utilicen ampliamente en la agricultura. Los primeros en adoptar nuevas tecnologías agrícolas se beneficiarán más cuando la agricultura de precisión se vuelva rentable (Cochrane, 1979).

Lucro

El aumento en las ganancias netas de la agricultura de precisión proviene de una combinación de aumentos en los ingresos por mayores rendimientos y / o menor uso de insumos y sus costos asociados.

Lowenberg-DeBoar y Swinton (1997) revisaron 17 estudios económicos de agricultura de precisión publicados en un intento de responder a la pregunta de si la agricultura de precisión es más rentable que la agricultura de campo completo. La agricultura de precisión no es rentable en cinco estudios, rentable en seis estudios y mixta o no concluyente en seis estudios. Existen varios problemas con estos estudios. Los estudios no son muy comparables debido a varios supuestos y métodos de contabilidad de costos diferentes. Doce estudios utilizan rendimientos reales de los cultivos, mientras que los cinco estudios restantes utilizan rendimientos simulados. Bajo la contabilización de los costos reales, la supuesta respuesta al nitrógeno y el alto valor del producto son tres factores que Lowenberg-DeBoar cita en el grupo de estudios que son rentables.

Teniendo en cuenta los costos reales costos omitidos tales como el costo de recolectar y analizar muestras de suelo, elaboración de mapas y aplicación de insumos.

La supuesta respuesta al nitrógeno supone que el rendimiento del cultivo alcanzará su rendimiento objetivo si el nitrógeno no es un factor limitante. Cuatro estudios rentables no generaron ningún dato para probar este supuesto.

El alto valor del producto fue un factor en dos de los seis estudios rentables. Todos los estudios no concluyentes y no rentables son cultivos de cereales de bajo valor.

Ninguno de estos estudios intentó o consideró los costos y beneficios ambientales de la colocación precisa y el uso reducido de productos químicos agrícolas.

Algunas personas asumen que el aumento de la tecnología aumenta automáticamente la contaminación. La contaminación no es el resultado de la tecnología y el alto nivel de insumos. Es el resultado del uso ineficiente de esos insumos que dan como resultado subproductos y material de desecho que se crea en el proceso de producción (Khanna et al, 1996).

La contaminación de los productos químicos agrícolas al medio ambiente aún no tiene un costo significativo que se cargue directamente al agricultor. Todos los contribuyentes, rurales y urbanos, siguen pagando el costo de eliminar la escorrentía de productos químicos agrícolas en los suministros públicos de agua.

Riesgo e incertidumbre

Lowenberg-DeBoar y Aghib (1997) determinaron que la aplicación de precisión de fósforo («P») y potasio («K») utilizando el manejo de la red o del tipo de suelo no aumentó significativamente la ganancia neta en comparación con el manejo del campo completo. Los datos se recopilaron de seis granjas ubicadas en el noreste de Indiana, el noroeste de Ohio y el sur de Michigan. El rendimiento neto promedio por acre fue de $ 146,93 para la gestión de todo el campo, $ 136,99 para la gestión de muestreo de suelos en red y $ 147,80 para las áreas de gestión según el tipo de suelo.

El estudio también encontró que, aunque la aplicación de precisión de P y K no aumentó significativamente las ganancias netas, redujo el riesgo de resultados deficientes de ganancias al disminuir la variabilidad de las ganancias netas para cada tipo de manejo de cultivo utilizado.

La variabilidad de la ganancia neta por acre fue significativa para los tres tipos de manejo. Por ejemplo:

La gestión de todo el campo tuvo un margen de beneficio de $ 276,93, variando desde un mínimo de $ 35,15 hasta un máximo de $ 312,08.

La gestión del área de la red tuvo un margen de beneficio de $ 209.80, variando desde un mínimo de $ 65.14 hasta un máximo de $ 274.94.

El manejo del tipo de suelo tuvo un margen de beneficio de $ 180,48, variando desde un mínimo de $ 57,23 hasta un máximo de $ 237,71.

profit.gif (19890 bytes)

Figura 5.1 Datos de Lowenberg-DeBoar y Aghib (1997)

La agricultura de precisión que utiliza la gestión del tipo de suelo mostró solo un aumento muy leve en las ganancias en comparación con la gestión del tipo de campo o cuadrícula. Este estudio muestra que el mayor beneficio para el agricultor que utiliza la agricultura de precisión será la reducción del riesgo de incurrir en bajas ganancias.

Ecomonics de percepción remota

La teledetección no será una tecnología de uso común hasta que la agricultura de precisión sea rentable. Los agricultores simplemente no estarán dispuestos a pagar por imágenes de teledetección si no van a agregar valor a sus operaciones de cultivo. La teledetección puede ser un componente muy costoso de la agricultura de precisión. El costo de las imágenes de detección remota tiene muy poco significado a menos que se convierta en parte de un sistema de apoyo a las decisiones de agricultura de precisión.

Los siguientes son algunos ejemplos del costo de las imágenes de teledetección de proveedores de datos especializados en imágenes agrícolas y sistemas de decisión.

Costo de la imagen de satélite

Muchas empresas de satélites no suelen entregar imágenes de teledetección directamente al cliente minorista. Las imágenes se venden a través de minoristas autorizados. Estos minoristas tomarán las imágenes de satélite y realizarán los pasos de procesamiento posterior para hacer que la imagen clasificada sea más útil para el cliente. Por ejemplo, una empresa canadiense, Prairie Geomatics, creará mapas de vegetación NDVI derivados de fotos satelitales del IRS-1D de India, SPOT francés o Landsat de EE. UU. Por aproximadamente 47 ¢ por acre.

Costo de la imagen aérea

Las imágenes aéreas comerciales tienden a ser más caras que las imágenes de satélite. Las imágenes clasificadas multiespectrales con una resolución de 2 metros están disponibles en DTN, una empresa de Nebraska, por aproximadamente 75 ¢ por acre. DTN anuncia un tiempo de respuesta de 48 horas desde la adquisición de imágenes hasta la entrega al cliente.

Los agricultores están encontrando formas económicas de adquirir imágenes aéreas con el uso de plataformas de aviones, como el paracaídas motorizado que se muestra en la figura 5.2. Las figuras 5.3 y 5.4 fueron tomadas desde el paracaídas motorizado con una cámara de mano en las bandas visible roja e infrarroja cercana.

Leer más
Agricultura de precisión y sostenibilidad

En este momento en que el movimiento de personas, bienes y servicios se encuentra restringido, la extensión digital es más importante que nunca, aun para los agricultores, quienes han visto interrumpidas sus actividades comerciales normales. La tecnología digital ha demostrado una vez más asegurar una línea de continuidad durante esta crisis, está comprobado que los agricultores se encuentran recurriendo cada vez más a los servicios de video y fotometría para consultar sobre sus cultivos.

Para ahondar un poco más sobre el tema de la agricultura de precisión la cual realmente no es nueva, pues data de los años 80’s, es una estrategia de gestión agrícola que reúne, procesa y analiza datos temporales, espaciales e individuales para combinarlos con información que respalda las decisiones a tomar en cada cultivo, específicamente de acuerdo con la variabilidad estimada para mejorar la eficiencia del uso de los recursos, la productividad, la calidad, la sanidad, la rentabilidad y la sostenibilidad de la producción agrícola, según lo define la revista internacional de investigación, Springer.
Aunque fue recibido con escepticismo al principio, la agricultura de precisión está ganando cada vez más relevancia entre los agricultores y legisladores. Incluso los auditores de la Unión Europea avalan el alto valor de la información proporcionada por las herramientas digitales en la agricultura. Para darles una idea o ejemplo, existen productores alrededor del mundo que están tratando de maximizar las ganancias gastando dinero solo en áreas que requieren fertilizantes, identificando por fotos tomadas con drones o red guiada por GPS, el muestreo de cada zona del cultivo. El fertilizante que antes se habría extendido en áreas que no lo necesitan, se puede colocar en áreas específicamente que lo requieren, optimizando así su uso. El ahorro en agua y fertilizantes de estas tecnologías puede ser desde un 30 a un 50 %, según Craige Mackenzie, uno de los agricultores con mayor conocimiento tecnológico de Nueva Zelanda.
A continuación nombraré tres ejemplos de empresas que se encuentran posicionadas en la industria:
A nivel privado en Canadá existe la empresa Agrilyze quienes proveen desde el 2002 una solución de tecnología geoespacial, entre sus herramientas ofrecen la optimización del sector agrícola moderno, combatiendo así el problema de la imprevisibilidad, esta empresa inclusive promueve tecnología avanzada de reconocimiento de imágenes para identificar el tipo de especie invasora que afecta el cultivo. En Costa Rica, Indigo Drones ya lleva 5 años ofreciendo análisis de fotogrametría RGB y mapeo a productores agrícolas centroamericanos.
Agrilyze is a leading-edge, cloud-hosted, data-driven analytics platform for the Fraser Valley agriculture industry. Combining leading-edge technologies such…
DESCARGUE PDF PAD RESPUESTA AL COVID19
La Organización para el Desarrollo de la Agricultura de Precisión, PAD, por sus siglas en inglés, es una fundación sin fines de lucro que viene funcionando desde el año 2016 con equipos de técnicos que operan desde India, Kenya, Etiopia y Pakistán, dando asesoría global a más de 3.5 millones de agricultores y enfocada en la mejora de prácticas de agricultura sostenible para pequeños productores agrícolas en países en vías de desarrollo. Afirman que la falta de datos sistemáticos y confiables sobre las necesidades de estos productores, actúa como una limitación importante para los responsables de las políticas a la hora de organizar una respuesta efectiva y específica a la crisis que ha llegado en la producción de alimentos de origen vegetal en estos países tras la pandemia.
Para abordar este déficit de información, PAD está realizando una encuesta telefónica en varios países para comprender cómo la pandemia está afectando el comportamiento de la producción agrícola y la seguridad alimentaria. Además, recopilan datos de los agro-distribuidores en un subconjunto de países para monitorear el impacto del brote de COVID-19 en las cadenas de suministro agrícolas. Los datos y hallazgos se publicarán en su sitio web que se adjunta al final de este artículo.
Para concluir, se estima que el mercado de la oferta de software y agricultura inteligente, como también se le llama, aumente su tasa compuesta de un crecimiento anual de 9.8% desde el 2020 hasta el 2025, según la revista Business Wire. Esto debido a los importantes ahorros de costos asociados con una plataforma de software basada en la nube, como han comprobado agricultores, productores y ganaderos en Europa, Asia y Sudamérica, quienes han adoptado desde hace varios años un software de análisis predictivo, basado en inteligencia artificial para gestionar la seguridad de los datos, el control de la sanidad de los cultivos, el mapeo del trabajo agrícola y la gestión del inventario.

Leer más
Agricultura de precisión y sostenibilidad

Agricultores capacitados en agricultura de precisión

Con la escasez de agua debido a la lluvia insuficiente y el agotamiento del nivel freático en el distrito de Trichy, lo que pone a los agricultores en una situación difícil, la estación de investigación de la caña de azúcar en Sirugamani les ha sugerido la agricultura de precisión en el cultivo de hortalizas. La estación está animando a los agricultores a instalar sistemas de riego por goteo en las aldeas del bloque Musiri más afectado. Aunque los cultivos de alimentos y forrajes se sembraron con abundancia de lluvia, un déficit terminal de agua debido a la falta de lluvia afecta tanto a los cultivos como al ganado en etapas posteriores, dijeron los científicos. En el marco del Proyecto de Modernización de la Agricultura de Riego de Tamil Nadu , implementado conjuntamente por el Centro de Tecnología del Agua
, La Universidad Agrícola de Tamil Nadu y la Estación de Investigación de la Caña de Azúcar, se están organizando programas especiales para mejorar el nivel de vida de los agricultores, dijo N Tamilselvan, profesor y director (encargado) de la estación de investigación de la caña de azúcar. Se instaló riego por goteo en muchas aldeas del bloque y como parte de esto se distribuyeron plántulas de chile de calidad a los agricultores. Se realizaron visitas de campo con frecuencia para evaluar el estado del cultivo. Además, se llevó a cabo un programa de creación de capacidad con conferencias sobre producción de hortalizas de calidad impartidas por científicos, añadió.

Se llevó a cabo capacitación para agricultores en agricultura de precisión en vegetales en la aldea de Neyveli en el bloque Musiri mediante la entrega de tecnologías sobre el uso mínimo de agua con los máximos beneficios en el cultivo de vegetales. También se explicó a los agricultores el manejo de plagas en chile y berenjena y las ventajas de fertirrigación del sistema de goteo, dijo.

Leer más
Agricultura de precisión y sostenibilidad

Qué es la teledetección

Definiciones

La teledetección se refiere al proceso de recopilar información sobre un objeto, a distancia, sin tocar el objeto en sí. El método de detección remota más común que viene a la mente de la mayoría de las personas es la imagen fotográfica de un objeto tomada con una cámara. La teledetección se ha convertido en mucho más que mirar objetos con los ojos. Ahora incluye el uso de instrumentos, que pueden medir atributos sobre objetos que los ojos humanos sin ayuda no pueden ver o sentir.

Algunas otras definiciones de percepción remota son:

«La fotogrametría y la teledetección son el arte, la ciencia y la tecnología de obtener información confiable sobre los objetos físicos y el medio ambiente, mediante un proceso de registro, medición e interpretación de imágenes y representaciones digitales de patrones de energía derivados de sistemas de sensores sin contacto» (Colwell, 1997) .

«La teledetección puede definirse en términos generales como la recopilación de información sobre un objeto sin estar en contacto físico con el objeto. Las aeronaves y los satélites son las plataformas comunes desde las que se realizan las observaciones de teledetección. El término teledetección se limita a los métodos que emplean electromagnéticos la energía como medio para detectar y medir las características del objetivo ”(Sabins, 1978).

«La teledetección es el arte y la ciencia de obtener información a distancia, es decir, obtener información sobre objetos o fenómenos sin estar en contacto físico con ellos. La ciencia de la teledetección proporciona los instrumentos y la teoría para comprender cómo se pueden detectar objetos y fenómenos. El arte de la teledetección está en el desarrollo y uso de técnicas de análisis para generar información útil ”(Aronoff, 1995).

Historia

En 1858, un fotógrafo francés, Gaspaed Felix Tournachon, fue el primero en tomar fotografías aéreas desde un globo atado. Unos años más tarde, en 1861, las fotografías aéreas se convirtieron en una herramienta de inteligencia militar durante la guerra civil. También se tomaron fotografías aéreas de cámaras montadas en cometas (1858) y en palomas mensajeras (1903). En 1909 Wilber Wright voló el primer avión en tomar las primeras fotografías en vuelo. Las primeras fotografías aéreas utilizadas en el proceso de creación de mapas fueron presentadas en un artículo en 1913 por el Capitán Tardivo en una reunión de la Sociedad Internacional de Fotogrametría.

Las fotografías aéreas militares se utilizaron a gran escala durante la Primera Guerra Mundial. Los militares entrenaron a cientos de personas para procesar e interpretar fotografías de reconocimiento aéreo. Las unidades aéreas francesas revelaron 56.000 fotografías en cuatro días durante la ofensiva Meuse-Argonne en 1918 (Colwell, 1997). Después de la Primera Guerra Mundial y durante la década de 1930, las empresas comerciales de reconocimiento aéreo emplearon a muchos ex militares para procesar fotografías aéreas para producir mapas como mapas topográficos, mapas de gestión forestal y mapas de suelos.

La Segunda Guerra Mundial vio el desarrollo de películas de infrarrojos en color para el Ejército de los EE. UU. En 1942. Estas imágenes se utilizaron para detectar fuerzas enemigas y equipos que estaban camuflados. La mayoría de la inteligencia aliada reunida sobre el enemigo durante esta guerra fue el resultado directo del fotoreconocimiento aéreo.

El ejército de los Estados Unidos y otras agencias gubernamentales como la Administración Nacional de Aeronáutica y del Espacio (NASA) continuaron desarrollando el uso de la teledetección durante los años de la guerra fría. La década de 1960 también vio la expansión y el desarrollo de la teledetección terrestre desde el espacio. El primer satélite de reconocimiento fotográfico espacial militar, Corona, fue lanzado en 1960. Corona tomó fotografías de la Unión Soviética y sus aliados usando películas fotográficas. La película expuesta se transfirió luego a vehículos de recuperación no tripulados en el espacio. Los vehículos de recuperación luego desorbitaron y regresaron a la tierra en paracaídas con la película, que luego fue procesada y analizada en el laboratorio. La primera serie de satélites meteorológicos llamados Satélites de observación de infrarrojos de televisión (TIROS) comenzó a lanzarse en 1960. La NASA continuó recopilando imágenes para sus estudios de observación de la Tierra.

wpe2.jpg (19838 bytes) SR-71.jpg (151373 bytes)

Figura 1.1 Sitio de misiles cubanos 1962 Figura 1.2 SR-71

Fotografías aéreas tomadas desde aviones U-2 de gran altitud y RF101 de baja altitud, descubrieron instalaciones de misiles en Cuba como la que se muestra en la figura 1.1. Estas imágenes fueron televisadas al mundo durante la Crisis de los Misiles en Cuba en 1962. En 1964, la Fuerza Aérea de los Estados Unidos comenzó a volar el avión de reconocimiento SR-71 Blackbird que se muestra en la figura 1.2. El SR-71 vuela a velocidades superiores a Mach 3 o 2,000 millas por hora y en altitudes superiores a los 85,000 pies.

Durante la década de 1970 se lanzaron decenas de satélites estadounidenses de observación de la tierra y meteorología. También durante la década de 1970, las naves espaciales tripuladas, como la estación espacial Skylab, recopilaron imágenes de la tierra desde el espacio exterior. En 1972, el Landsat-1 que se muestra en la figura 1.3 con una resolución original de sólo 80 metros fue el primer satélite lanzado al espacio para la observación de recursos terrestres no militares. Landsat contenía sensores capaces de tomar imágenes digitales multiespectrales.

landsat.gif (29467 bytes)

Figura 1.3 Satélite Landsat

Los satélites de fotoreconocimiento militares de EE. UU. Se han mantenido en secreto y no están disponibles para el público en general. A partir de 1976, el ejército de Estados Unidos comenzó a desplegar satélites de alta resolución más sofisticados capaces de transmitir imágenes digitales a la Tierra. Se lanzaron ocho satélites Keyhole-11 entre 1976 y 1988. Se lanzaron tres satélites Keyhole-11B mejorados entre 1992 y 1996. Pueden producir imágenes con resoluciones estimadas de casi diez centímetros (cuatro pulgadas) (Vick et al, 1997).

Se han utilizado imágenes satelitales no militares para monitorear la degradación y contaminación del medio ambiente. Estas imágenes también se pueden utilizar para evaluar el daño de las inundaciones y los desastres naturales, ayudar a pronosticar el clima, ubicar reservas de minerales y petróleo, ubicar poblaciones de peces, monitorear las corrientes oceánicas, ayudar en el mapeo y planificación del uso de la tierra, producir mapas geológicos y monitorear pastos, recursos forestales y agrícolas.

Propiedades y conceptos fundamentales

El espectro electromagnético

Todos los objetos, incluidas las plantas y el suelo, emiten o reflejan energía en forma de radiación electromagnética. La radiación electromagnética viaja en ondas que se propagan por el espacio de forma similar a la que se muestra en la figura 1.4. Tres componentes principales de estas ondas son la frecuencia, la amplitud y la longitud de onda. La frecuencia es el número de crestas de ciclo que pasan por un punto durante un período de tiempo determinado. Un ciclo por segundo se conoce como un hercio. La amplitud es el nivel de energía de cada onda que mide la altura de cada pico de onda. La longitud de onda es la distancia desde la parte superior de un pico de onda hasta la parte superior del siguiente pico de onda

wave.gif (6514 bytes)

Figura 1.4 Radiación electromagnética

La fuente más común de radiación electromagnética con la que estamos familiarizados es el sol. El sol irradia energía que cubre todo el espectro de frecuencias electromagnéticas como se muestra en la figura 1.5.

Los sensores remotos actúan de manera similar al ojo humano. Son sensibles a imágenes y patrones de luz reflejada. Una diferencia importante entre el ojo humano y los sensores remotos es el rango de frecuencia del espectro electromagnético al que son sensibles.

El rango del espectro electromagnético varía desde longitudes de onda muy cortas de menos de diez billonésimas de metro conocidas como rayos gamma, hasta ondas de radio con longitudes de onda muy largas de varios cientos de metros. El espectro electromagnético se puede dividir en segmentos discretos de rangos de longitud de onda llamados bandas, también denominados a veces canal.

emspec.gif (6125 bytes)

Figura 1.5 Espectro electromagnético

Es el sol el que más a menudo proporciona la energía para iluminar objetos (figura 1.6). La energía radiante del sol golpea un objeto en el suelo y parte de esta energía que no se dispersa ni se absorbe se refleja de regreso al sensor remoto. Una parte de la energía del sol es absorbida por objetos en la superficie de la tierra y luego es emitida nuevamente a la atmósfera como energía térmica.

radiación.gif (8739 bytes)

Figura 1.6

Región visible

La porción de luz visible del espectro electromagnético varía de 0,4 micrómetros («µm») (longitud de onda más corta, frecuencia más alta) a 0,7 µm (longitud de onda más larga, frecuencia más baja). Este es el rango de frecuencia de la luz al que es sensible el ojo humano. Cada objeto refleja, absorbe y transmite energía electromagnética en la parte visible del espectro electromagnético y también en otras frecuencias no visibles. La energía electromagnética que atraviesa completamente un objeto se denomina transmitancia. Nuestros ojos reciben la luz visible reflejada por un objeto.

Los tres colores primarios reflejados por un objeto (figura 1.7) conocidos como primarios aditivos son las longitudes de onda azul, verde y rojo. Los colores primarios no pueden formarse mediante la combinación de otros colores primarios. Los colores intermedios se forman cuando una combinación de colores primarios se refleja en un objeto. Magenta es una combinación de rojo y azul reflejados, cian una combinación de azul y verde reflejados y amarillo una combinación de rojo y verde reflejados.

La película de color produce colores mediante el uso de capas de tintes que filtran varios colores. Los tres colores que absorben los colores primarios, conocidos como primarios sustractivos , son magenta, cian y amarillo. El magenta absorbe el verde y refleja el rojo y el azul, el cian absorbe el rojo y refleja el azul y el verde y el amarillo absorbe el azul y refleja el rojo y el verde. La absorción de todos los colores produce negro. Si no se absorbe ningún color, la película se vuelve blanca.

blue.gif (1820 bytes) green.gif (1886 bytes) red.gif (1843 bytes)

magenta.gif (2230 bytes) cyan.gif (2080 bytes) yellow.gif (2102 bytes)

black.gif (1777 bytes) white.gif (2053 bytes)

Figura 1.7

Región de infrarrojos

La región espectral infrarroja no visible se encuentra entre la luz visible y la porción de microondas del espectro electromagnético. La región infrarroja cubre un rango de longitud de onda de 0,7 µm a 14 µm. Esta amplia gama de longitudes de onda infrarrojas se subdivide en dos regiones infrarrojas más pequeñas. Cada una de estas regiones presenta características muy diferentes.

La región infrarroja más cercana a la luz visible contiene dos bandas más pequeñas etiquetadas como infrarrojo cercano e infrarrojo de onda corta con longitudes de onda que oscilan entre 0,7 µm y 1,1 µm y entre 1,1 µm y 3,0 µm respectivamente. Estas regiones infrarrojas exhiben muchas de las mismas características ópticas que la luz visible. El sol es la fuente principal de radiación infrarroja, que se refleja en un objeto. Las cámaras que se utilizan para capturar imágenes en el espectro de luz visible pueden capturar imágenes en la región del infrarrojo cercano mediante el uso de una película de infrarrojos especial.

La otra región infrarroja con longitudes de onda más largas que van desde 3,0 µm a 14,0 µm está compuesta por dos bandas más pequeñas etiquetadas como infrarrojo de onda media e infrarrojo de onda larga con longitudes de onda que van desde 3,0 µm a 5,0 µm y desde 5,0 µm a 14,0 µm respectivamente. Los objetos generan y emiten radiación infrarroja térmica, por lo que estos objetos se pueden detectar por la noche porque no dependen de la radiación infrarroja reflejada del sol. Los sensores remotos que operan en este rango de longitud de onda infrarroja miden la temperatura de un objeto.

Interacción entre plantas y radiación electromagnética

Estructura de la hoja

La estructura de una hoja se muestra en la Figura 1.8. La cutícula es una fina capa cerosa que cubre las células de la epidermis en la superficie de la hoja. Los pequeños derrames en la capa de células de la epidermis se llaman estomas. Los estomas están rodeados por células de guarda, que hacen que los estomas se abran o se cierren. Las celdas de protección regulan la evaporación del agua de la hoja y también controlan el intercambio de gases entre la hoja y la atmósfera.

La capa interior de la hoja está compuesta por dos regiones de tejido mesófilo. Aquí es donde ocurre la mayor parte de la fotosíntesis. El mesófilo en empalizada se encuentra justo debajo de la epidermis superior. Estas células son alargadas, alineadas en filas y contienen la mayoría de los cloroplastos de la hoja. Los cloroplastos de la mayoría de las plantas contienen pigmentos y dos tipos diferentes de clorofila. La clorofila a es la más abundante y es de color verde azulado. La clorofila b es de color verde amarillento y absorbe la luz y luego transfiere esa energía a la clorofila a. Las moléculas de pigmento dentro de los cloroplastos también absorben energía luminosa y transfieren la energía a la clorofila. El mesófilo esponjoso es el interior inferior de la hoja compuesto por células de forma irregular y sueltas. Estas células contienen cloroplastos y están rodeadas de espacios de aire.

leaf.gif (63606 bytes)

Figura 1.8 Sección transversal de una hoja de una planta típica

Respuesta espectral

La clorofila absorbe principalmente la luz en las longitudes de onda de violeta a azul y rojo. La luz verde no se absorbe fácilmente y se refleja, lo que le da a la hoja una apariencia de color verde. La estructura de la pared celular interna del mesófilo provoca una alta reflectancia de la radiación infrarroja cercana. La clorofila es transparente a la radiación infrarroja cercana. El fuerte aumento de la energía reflejada justo más allá de la región roja de la luz visible hacia la región del infrarrojo cercano se denomina borde rojo. La Figura 1.9 muestra este fuerte aumento de reflexión ubicado alrededor de la longitud de onda de 0,7 µm. La ubicación del borde rojo no es estática durante la vida de una hoja. A medida que la hoja madura, la clorofila absorberá longitudes de onda ligeramente más largas en la región roja visible. Este cambio mueve el borde rojo que se muestra en la figura 1.9 hacia la derecha y se conoce como desplazamiento al rojo (Campbell, 1996).

Los factores de estrés ambiental como la sequía, las enfermedades, la presión de las malezas, el daño por insectos y otros estresan o dañan las plantas. Este estrés provocará cambios fisiológicos en la planta. Las plantas estresadas tendrán una reflectancia espectral diferente a la de las plantas normales en la misma etapa de crecimiento. Un ejemplo de cambio fisiológico sería el cambio en el color de las hojas de las plantas debido a la clorosis. El color amarillo de la clorosis es causado por la descomposición de la clorofila. El verde reflejado disminuirá y el rojo reflejado aumentará. La correlación de las diferentes respuestas espectrales observadas con el equipo de detección remota con la condición real de las plantas es fundamental para la interpretación e identificación precisas de los daños y el estrés en los cultivos.

Figura 1.9

Tipos de sensores

La mayoría de los sensores remotos miden y registran la magnitud y frecuencia de la radiación reflejada de un objeto. Los datos del espectro de frecuencias registrados del objeto se comparan y hacen coincidir con las firmas del espectro de objetos conocidos, lo que permite la identificación y clasificación del objeto en el suelo.

La teledetección de aviones y satélites utiliza sensores de imágenes, que miden la energía reflejada de los objetos bajo vigilancia. Estos sensores de imágenes se dividen en dos categorías generales, sensores activos y sensores pasivos. Los sensores pasivos monitorean solo la luz solar natural reflejada o la energía electromagnética de un objeto. Los sensores pasivos constituyen la mayoría de los sensores que se utilizan en la actualidad. Los sensores de imagen activos proporcionan su propia luz o energía electromagnética, que se transmite al objeto y luego se refleja de regreso al sensor. Un ejemplo común de este tipo de sensor es el radar. La cubierta de nubes en el cielo a menudo puede impedir que los sensores pasivos reciban energía reflejada desde el suelo, pero los sistemas de radar pueden penetrar la cubierta de nubes.

La historia temprana de la teledetección consistió en imágenes fotográficas en película tomadas por cámaras. La luz reflejada que recibe la cámara expone la película al reaccionar con la emulsión química de la película para crear una imagen en formato analógico. Las imágenes producidas son fijas y no están sujetas a mucha manipulación a menos que se conviertan a un formato electrónico digital. Las imágenes digitales tienen ventajas sobre las imágenes de películas analógicas porque las computadoras pueden almacenar, procesar, mejorar, analizar y renderizar imágenes en una pantalla de computadora.

Las imágenes digitales son imágenes reducidas a números. La imagen se compone de números, que representan atributos de la imagen como el brillo, el color o la longitud de onda de la frecuencia de la energía radiada, y la ubicación de la posición de cada punto o elemento de la imagen. Los elementos de imagen de menor tamaño en una pantalla de computadora se denominan píxeles. Una imagen digital está formada por píxeles dispuestos en filas y columnas que se muestran en las figuras 1.6, 1.7, 1.8.

pixel.gif (950 bytes) scanlin.gif (1666 bytes)
Figura 1.10 Un solo píxel Figura 1.11 Una fila de píxeles representa una línea de exploración

img1bnd.gif (2810 bytes)

Figura 1.12 Las filas y columnas de píxeles representan una imagen

Resolución

Los sensores remotos miden diferencias y variaciones de objetos. Hay cuatro resoluciones principales que afectan la precisión y la utilidad de los sensores remotos.

La resolución espacial describe la capacidad de un sensor para identificar el detalle de tamaño más pequeño de un patrón en una imagen. La distancia entre patrones u objetos distinguibles en una imagen que se pueden separar entre sí a menudo se expresa en metros.

La resolución espectral es la sensibilidad de un sensor para responder a un rango de frecuencia específico. Los rangos de frecuencia cubiertos a menudo incluyen no solo luz visible, sino también luz no visible y radiación electromagnética. El rango discreto de longitudes de onda de frecuencia que un sensor puede detectar y medir se llama Banda. Las características del suelo, como el agua y la vegetación, se pueden identificar por las diferentes longitudes de onda reflejadas. El sensor utilizado debe poder detectar estas longitudes de onda para poder ver estas y otras características.

La resolución radiométrica a menudo se denomina contraste. Describe la capacidad del sensor para medir la intensidad de la señal o el brillo de los objetos. Cuanto más sensible es un sensor al brillo de un objeto en comparación con su entorno, más pequeño es el objeto que se puede detectar e identificar.

La resolución temporal es el período de tiempo transcurrido entre las imágenes tomadas del mismo objeto en el mismo lugar. Cuanto más frecuente sea el retorno de un sensor a una ubicación específica exacta, mayor será la resolución temporal. Varias observaciones a lo largo del tiempo revelan cambios y variaciones en el objeto que se observa. Para los sistemas de satélites, la resolución temporal se describe como el período de revisión, que se refiere al tiempo que tarda un satélite en regresar a la misma área en órbitas posteriores.

Procesamiento de imágenes

Una vez que se han adquirido los datos digitales sin procesar de la teledetección, se procesan en información utilizable. Las fotografías de películas analógicas se procesan químicamente en un cuarto oscuro, mientras que las imágenes digitales se procesan en una computadora. El procesamiento de datos digitales implica cambiar los datos para corregir ciertos tipos de distorsiones. Siempre que se modifiquen los datos para corregir un tipo de distorsión, existe la posibilidad de crear otro tipo de distorsión. Los cambios realizados en los datos de teledetección implican dos operaciones principales: preprocesamiento y posprocesamiento .

Preprocesamiento

Los pasos de preprocesamiento de una imagen de teledetección generalmente se realizan antes de la mejora, extracción y análisis del posprocesamiento de la información de la imagen. Normalmente, será el proveedor de datos quien preprocesará los datos de la imagen antes de la entrega de los datos al cliente o usuario. El preprocesamiento de datos de imágenes a menudo incluirá corrección radiométrica y corrección geométrica .

Se realizan correcciones radiométricas a los datos de la imagen digital sin procesar para corregir los valores de brillo del objeto en el suelo que se han distorsionado debido a la calibración del sensor o problemas de mal funcionamiento del sensor. La distorsión de las imágenes se debe a la dispersión de la energía de la luz electromagnética reflejada debido a una atmósfera en constante cambio. Ésta es una fuente de error de calibración del sensor.

Se realizan correcciones geométricas para corregir la inexactitud entre las coordenadas de ubicación de los elementos de la imagen en los datos de la imagen y las coordenadas de ubicación real en el suelo. Varios tipos de correcciones geométricas incluyen correcciones de sistema, precisión y terreno.

La corrección del sistema utiliza un punto de referencia geográfica para un elemento de píxel, como el proporcionado por el sistema de posicionamiento global. La precisión de la corrección a menudo varía según la precisión de la posición dada por el sistema de posicionamiento global. La inestabilidad del sistema de plataforma de la aeronave se muestra en la figura 1.13. La corrección de preprocesamiento elimina la distorsión del movimiento como se muestra en la figura 1.14.

toledo_small_raw.jpg (12229 bytes)

Figura 1.13 Datos brutos del sensor aéreo sin corregir.

toledo_synthetic_small.jpg (14879 bytes)

Figura 1.14 Datos preprocesados ​​corregidos para el movimiento de la aeronave.

La corrección de precisión utiliza puntos de control de tierra. Los puntos de control terrestre, que tienen ubicaciones geográficas precisas de longitud y latitud predeterminadas, se utilizan a menudo para medir el error de ubicación de los elementos de la imagen. Hay varios modelos matemáticos disponibles para estimar la posición real de cada elemento de la imagen en función de su distancia desde el punto de control del terreno.

La corrección del terreno es similar a la corrección de precisión, excepto que, además de la longitud y la latitud, se hace referencia a una tercera dimensión de elevación con el punto de control terrestre para corregir la distorsión inducida por el terreno. Este procedimiento también se conoce como orto-corregido u ortorrectificado. Por ejemplo, los edificios altos parecen inclinarse lejos del punto central de la figura 1.15, mientras que los edificios directamente debajo de la lente de la cámara (nadir) solo tienen sus techos visibles. La distorsión del relieve será mayor para los objetos más alejados del centro de la foto.

LongBeach.jpg (122278 bytes)

Figura 1.15 Ejemplo de terreno o desplazamiento de relieve.

Postprocesamiento

Las rutinas de posprocesamiento de imágenes digitales incluyen mejora de imágenes , clasificación de imágenes y detección de cambios . Estas rutinas de proceso computarizado mejoran la calidad de la escena de la imagen y ayudan en la interpretación de los datos.

Las técnicas de mejora de la imagen incluyen estiramiento del contraste, filtrado espacial y relación.

El estiramiento del contraste cambia la distribución y el rango de los números digitales asignados a cada píxel en una imagen. Esto se hace a menudo para acentuar detalles de la imagen que pueden ser difíciles de observar para el espectador humano sin ayuda.

El filtrado espacial implica el uso de algoritmos llamados filtros para enfatizar o restar importancia al brillo usando un cierto rango de números digitales sobre una imagen. Los filtros de paso alto mejoran el detalle del borde de la imagen. Los filtros de paso bajo suavizan una imagen y reducen el ruido de la imagen.

Las razones se calculan tomando los números digitales de una banda de frecuencia y dividiéndolos por los valores de otra banda. El rango de proporción se puede redistribuir para resaltar ciertas características de la imagen.

La clasificación de imágenes agrupa los píxeles en clases o categorías. Este proceso de clasificación de imágenes puede no estar supervisado o supervisado.

La clasificación de imágenes sin supervisión es un sistema informático que asigna píxeles a grupos estadísticamente separables en función de los valores numéricos digitales de píxeles de varias bandas espectrales. A los patrones de conglomerados resultantes se les pueden asignar diferentes colores o símbolos para visualizarlos y producir un mapa de conglomerados. El mapa resultante puede no corresponder necesariamente a las características del terreno que le interesan al usuario.

La clasificación supervisada es un procedimiento más completo que utiliza un analista de imágenes humanas experimentado para reconocer y agrupar píxeles en clases y categorías de interés para el usuario. El analista selecciona varias muestras de patrones de píxeles homogéneos en la imagen denominados sitios de entrenamiento. Los analistas identifican estos sitios visitando realmente la ubicación del terreno y haciendo observaciones de campo (verificación del terreno) o utilizando experiencia y habilidades pasadas. Los píxeles restantes fuera de los sitios de formación se hacen coincidir con los sitios de formación utilizando técnicas de procesamiento estadístico.

La detección de cambios es un proceso en el que dos imágenes en la misma ubicación tomadas en fechas diferentes se comparan entre sí para medir cualquier cambio en la forma física, ubicación o propiedades espectrales. Luego se produce una tercera imagen que muestra solo los cambios entre la primera y la segunda imagen. La detección de cambios se presta al análisis de la automatización informática. Los valores numéricos digitales de píxeles se comparan píxel por píxel dentro de cada banda de frecuencia. El análisis por computadora es más útil cuando se combina con la experiencia y el conocimiento del analista humano para interpretar los cambios de imagen.

Leer más