Pablo Bollatti (AER INTA Marcos Juárez); Sebastián Muñoz; Carlos Navarro (EEA INTA Marcos Juárez).

bollatti.pablo@inta.gob.ar

Introducción

La era AgTech ya es un hecho y las tecnologías aplicadas al agro siguen intensificándose. Desde hace aproximadamente 6 años se conoce de drones para uso agropecuario en los cuales se puede transportar diferentes sensores y cámaras para el diagnóstico a campo y la toma de decisiones en función de información digital (Vélez, 2017). El nivel de adopción está creciendo año a año y el equipo de agricultura de precisión de INTA lleva a cabo un trabajo minucioso en lo que respecta a la información que generan estas herramientas.

Las imágenes satelitales son una de las herramientas digitales que el agro utiliza en la actualidad. Anteriormente se usaban aquellas que no tenían un costo tan elevado (Landsat 7 y Landsat 8), la información relevada era muy útil, pero la captura de imágenes se hacía cada 16 días dado que el satélite demoraba ese período de tiempo para regresar al mismo punto y muchas veces el factor climático no permitía buenas tomas para definir manejos en los cultivos.

Dada la dificultad para conseguir las imágenes en el momento oportuno es que algunas empresas comenzaron a sacar fotografías aéreas desde aviones tripulados y entregando la información ya procesada para poder realizar el análisis agronómico correspondiente. Esta actividad se desarrolló y dio buenos resultados agronómicos, pero en algunos casos el factor costo y logística para sacar las fotografías en vuelos programados era una limitante que aún se incrementaba cuando se deseaba hacer un seguimiento de los cultivos con varios relevamientos en su ciclo (Velez, 2017).

El uso de drones para monitoreo agropecuario está incrementándose en los últimos años. Cuando es necesario el monitoreo de grandes extensiones con la finalidad de detectar presencia de malezas, fallas en la siembra, estado de los cultivos, o bien reflejar alguna problemática en el campo o áreas urbanas, es necesario contar con información rápida y detallada de la situación. Es por ello que se utilizan aeronaves no tripuladas (UAV), comúnmente llamados drones.

Objetivo

El objetivo de este trabajo fue implementar técnicas básicas de procesamiento de imágenes y compartir algunas experiencias realizadas con un dron provisto de una cámara RGB y sus posibles usos relacionados al sector.

Materiales y métodos

La experiencia se realizó con imágenes provistas por un dron marca Dji Spark capturadas por su cámara de fábrica RGB de 12 megapixels. Las tomas fueron realizadas durante la campaña 2017/18 en diferentes establecimientos agropecuarios.

Especificaciones técnicas del dron:

Marca DJI
Modelo Spark Flye More Combo
Tiempo de vuelo 16 minutos, real 12 minutos por batería.

Resultados

El dispositivo utilizado para la experiencia corresponde a un equipo de gama media a baja, con buena relación beneficio/costo debido a las prestaciones que ofrece con un valor de mercado relativamente bajo. Dentro de la fotointerpretación, una de las herramientas más utilizadas es el análisis visual para determinar patrones distintos en una imagen dentro del rango que el ojo humano lo permite.

Las imágenes se presentan con un breve detalle del uso posible de esta herramienta para el monitoreo de actividades agropecuarias.


Detección de fallas de siembra: se detectan con gran facilidad en etapas tempranas del cultivo permitiendo corregir este error cuando aún es posible.

Estado de afectación por anegamientos: se detectan zonas afectadas con mayor facilidad.

Afectación por deriva de una aplicación de agroquímico: En azul se observa la deriva dentro de un lote de trigo (trigo en verde).

Control de stock ganadero: Se pueden contabilizar 29 vacas de tamaño medio/adulto y 14 terneros de pocos días de vida.

Daño por heladas por distinto antecesor: Cultivo de trigo con mayor daño por heladas del lado derecho d ela foto, debido a la mayor cobertura de suelo generada por el cultivo antecesor Trigo/soja 2°, En comparación con el sector izuierdo que viene de cultivo antecesor de Soja 1°.

Estado nutricional de los cultivos: en este ensayo de trigo en el campo experimental de la EEA (Muñoz, S.) se observa una faja roja que representa un color más amarillento en la imagen original, debido a que corresponde al tratamiento testigo sin fertilizante nitrogenado. Además, se observa un manchón más rojizo en el centro inferior de la imagen procesada, que representa un foco de roya amarilla en la variedad Algarrobo.

En la siguiente imagen (ensayo de Eduardo Farías), se observa en azul el área bajo barbecho sin malezas. En los tonos de verde se destacan diferentes intensidades de fertilización nitrogenada, en verde claro se ve la faja testigo y en la gama de verdes más oscuros se detectan zonas de mayor dosis de fertilizante. Se puede ver el tractor y la fertilizadora realizando una replicación de fertilizante en una parcela del experimento.
  • Evaluación de experimentos:

Malezas: se observa diferente población de malezas en un experimento de maíz como cultivo objetivo.

Enfermedades: se observan diferentes grados de afectación de roya sobre trigo como resultado de la aplicación de diferentes funguicidas.

Fertilización

Variedades


Relevamiento de edificios y estructuras: a modo de ejemplo esta imagen prueba que se puede revisar instalaciones de difícil acceso de forma rápida y precisa.

Afectación por enfermedades: se observan numerosos focos de roya amarilla en el cultivo de trigo.

Las imágenes obtenidas con este dron son de tipo RGB. A través de un procesamiento básico con el software QGIS se puede realizar una diferenciación más detallada de lo que normalmente se observa a simple vista.

Pasos para realizar el procesamiento:

  1. Instalar la última versión de QGIS, según corresponda al dispositivo que se esté utilizando: https://www.qgis.org/es/site/
    1. Abrir el programa, hacer clic en la pestaña “Capa”, elegir “Añadir capa”-> “Capa raster” como se observa en la siguiente figura.
  • Seleccionar la imagen desde la carpeta raíz donde se encuentre almacenada la imagen que se desea procesar. Luego se pulsa el botón “Añadir” tras lo cual se debe seleccionar formato de coordenadas y “Aceptar”. La imagen a procesar figurará en el recuadro izquierdo de la pantalla.
    • Hacer clic derecho sobre el nombre de la imagen y elegir “Properties” o “Propiedades” según idioma.
  • Se abre la siguiente solapa, donde se elige el tipo de renderizado “Single band pseudocolor”. Luego se puede decidir la gama de colores en función de la necesidad de cada trabajo y se pulsa “Aplicar” y “Aceptar”. La imagen habrá cambiado sus colores en función de la gama de colores que se determine en este punto.
  • Para exportar esta imagen procesada, ir a “Proyecto”, “Importar/Exportar”, “Export map to image” y se selecciona la ubicación donde se desea guardarla.

Consideraciones finales

Con este trabajo se pretende motivar el uso de este tipo de tecnologías de fácil acceso, para obtener una perspectiva diferente a la que normalmente se logra en una visita a campo. De esta manera se pueden detectar más fácilmente focos de enfermedades u otros daños y obtener de forma más rápida y precisa un diagnóstico para proponer una solución.

Este trabajo se considera “de base” para que sea continuado por técnicos de la actividad privada en sinergia con especialistas de INTA, para lograr mayor nivel de detalle y aprovechamiento de esta tecnología.

Referencias bibliográficas

  • Velez, J.P. 2017. Andrés Méndez, Juan Pablo Vélez, Fernando Scaramuzza y Diego Villarroel, técnicos referentes del equipo de agricultura de precisión de INTA Manfredi.