por Kay Ledbetter, Universidad de Texas A&M
Vijay Singh, Ph.D., un científico asistente de investigación con Bagavathiannan durante la investigación que ahora es profesor asistente de ciencia de malezas en Virginia Tech, es el autor principal del artículo. Otros autores de Texas A&M fueron Nithya Rajan, Ph.D., Departamento de Ciencias de Suelos y Cultivos; Michael Bishop, Ph.D., y Anthony Filippi, Ph.D., Departamento de Geografía; y Dale Cope, Ph.D., Departamento de Ingeniería Mecánica.
El equipo pasó los últimos cuatro años utilizando tecnología de detección remota para la detección y gestión de malezas.
«Estamos entusiasmados con el potencial de la teledetección para facilitar la recopilación precisa y oportuna de datos sobre malezas, lo que puede ayudar a los productores y asesores de cultivos a tomar decisiones de gestión apropiadas», dijo Bagavathiannan. «Creemos que su inclusión en un enfoque integrado de manejo de malezas puede ayudar a optimizar el uso de herbicidas y, tal vez, abordar algunos de los problemas de malezas resistentes a los herbicidas que enfrentamos actualmente».
Su documento describe lo que han aprendido y los avances tecnológicos que creen que aún deben hacerse para que el sistema sea más confiable y eficiente.
Las decisiones y optimizaciones efectivas para el manejo de cultivos, como el riego, la aplicación de fertilizantes y el manejo de plagas de insectos, ya se benefician de los sistemas de aeronaves no tripuladas, o UAS, basados ??en sensores remotos y avances relacionados con la tecnología de la aeronave, sistemas de sensores , procesamiento de información y capacidades de gestión de datos.
El documento concluye que estos avances en herramientas basadas en UAS y tecnología de información geoespacial crean enormes oportunidades para una evaluación eficiente y económica de las infestaciones de malezas, así como el manejo de malezas específico del sitio.
«Creemos que las tecnologías basadas en UAS para aplicaciones de manejo de malezas están en su infancia», dijo Singh. «Si bien ha habido un rápido crecimiento en términos de adquisición y análisis de datos aéreos, todavía existen desafíos con la confiabilidad de la plataforma, la capacidad e integración del sensor, el preprocesamiento de imágenes, la evaluación y predicción cuantitativa y el desarrollo y entrega del producto final».
Su revisión resume el conocimiento actual sobre la utilidad de las plataformas UAS, y examina las posibles oportunidades y limitaciones a las tecnologías actuales, en base a las lecciones aprendidas de la investigación de detección y gestión de malezas basada en UAS realizada en Texas A&M.
Los autores describieron las «cosas que sabemos»:
La teledetección de entornos agrícolas se ha llevado a cabo tradicionalmente utilizando plataformas satelitales y de aeronaves tripuladas, a menudo con sensores de imágenes multiespectrales para mapear cultivos y caracterizar sus parámetros biofísicos.Con una resolución espacial, espectral y radiométrica moderada de las imágenes adquiridas, los esfuerzos de investigación se centraron principalmente en el desarrollo y la evaluación de los índices de vegetación para la predicción cuantitativa empírica de las condiciones de la vegetación.Esta investigación avanza dada la disponibilidad de nuevas plataformas y sensores en el aire para aplicaciones agrícolas a gran escala.Y enumeraron las «cosas que necesitamos:» – Resolución de desafíos de ingeniería de hardware con respecto a las capacidades de navegación de la plataforma UAS, la miniaturización del sensor, la integración del sensor y los problemas de carga útil, y las estrategias de adquisición de datos.
Mejoras en el procesamiento previo de la imagen con respecto a la precisión asociada con la calibración radiométrica, la corrección geométrica y el mosaico de imágenes.Extracción de información de imágenes para incluir estrategias de análisis espectral, espacial y temporal y la necesidad de nuevos algoritmos y flujos de trabajo de procesamiento.Métodos efectivos para la difusión de productos de información.«Quizás nuestro mayor desafío es la necesidad de establecer un marco para la síntesis de información y capacidades sólidas de apoyo a la toma de decisiones que tengan en cuenta la incertidumbre y el riesgo», dijo Bagavathiannan. «Con respecto a la caracterización de las malezas, requerimos identificación y mapeo precisos de una especie de maleza incrustada dentro de una mezcla de otras especies de maleza o cultivo».
De manera similar, no se ha trabajado mucho en el manejo de malezas con aplicaciones de rociado basadas en UAS, dijo Singh. La mayoría de las unidades de rociado UAS disponibles comercialmente en el mercado no tienen capacidades de aplicación específicas del sitio, lo cual es uno de los inconvenientes en el desarrollo de sistemas autónomos para la detección y gestión de malezas.
Varios grupos de investigación están diseñando, optimizando y evaluando varias combinaciones de plataforma y sensor para generar información cuantitativa y temática sobre malezas y cultivos. Las mejoras continuas en las tecnologías de sensores y las capacidades de carga útil de UAS facilitarán estrategias de recopilación de datos más eficientes en grandes campos agrícolas.
«Integrar más de una forma de información es absolutamente esencial», dijo Bagavathiannan.
Lo más probable es que esto requiera una consideración suficiente de las propiedades de las especies basadas en información espectral, espacial, textural, temporal y de otro tipo para respaldar la identificación y diferenciación precisa de malezas .
«También existe una necesidad crítica para el desarrollo de bases de datos y bibliotecas que puedan usarse como referencia para apoyar la caracterización de especies de plantas en diversas condiciones agrícolas».
Tales avances en la adquisición de datos de imágenes, el preprocesamiento, el análisis y el apoyo a la decisión requerirán el establecimiento de marcos de ciencia de datos y una fuerte colaboración multidisciplinaria entre los científicos e ingenieros pertinentes.