Evaluación del uso de imágenes multiespectrales como herramienta para la predicción del estado nutritivo y riesgo de floración natural en el cultivo de piña (Ananas comosus)

Abstract

Las tecnologías en la agricultura han venido creciendo exponencialmente en la última década, siendo una de estas los Drones. Son pequeños aparatos voladores no tripulados controlados de forma remota, que ofrecen un amplio marco de posibilidades, económicas, ambientales y de bajo riesgo para la salud humana. Estos dispositivos se complementan con otras tecnologías y software que llevan la fotografía a niveles muy útiles y de rápida aplicación para los cultivos, ya que gestionan campos y parcelas de cultivo mediante la observación y rápido análisis de los datos. El presente trabajo evaluó la efectividad de la herramienta computacional Layers®, la cual es uno de los softwares existentes en el mercado de las tecnologías para la agricultura, el cual permitió estimar la condición nutricional y el riesgo de floración natural en plantaciones de piña (Ananas comosus) en fincas de la zona norte, en el cantón de San Carlos, Alajuela, Costa Rica. El estudio se ejecutó en dos etapas de muestreo y un solo vuelo de dron. Se realizaron análisis foliares de los lotes estudiados al mismo momento del vuelo. Se utilizó el dron HAR9 de ala fija, propiedad de la empresa Hemav S.L. y una cámara multiespectral marca MicaSense® RedEdge-M™. Las imágenes captadas fueron enviadas a Hemav S.L. y procesadas por su software Layers®. Se buscó obtener un sistema predictor de la condición nutricional del cultivo de piña, con valores de NDVI, niveles de N, P y K para realizar correlaciones y determinar la funcionalidad del sistema. Se realizaron muestreos de floración natural con el fin de determinar incidencia porcentual y la relación de los eventos con la condición nutricional expresada por las imágenes multiespectrales. Dicho muestreo se realizó a partir de un cuadriculado de la parcela y así se aleatorizaron los puntos de muestreo. Se obtuvieron niveles de N, P y K altos y óptimos, a partir de los análisis foliares de laboratorio, no se logró correlacionar los valores de dichos análisis foliares con valores obtenidos del procesado de las imágenes multiespectrales debido a la baja resolución de las imágenes procesadas por Hemav S.L, imposibilitándose el desarrollo del sistema predictor de la condición nutricional y de floración nutricional en el cultivo de piña (A. comosus).

Technologies in agriculture have been growing exponentially in the last decade, one of these being Drones. They are small remotely controlled unmanned flying machines, they offer a wide range of possibilities, economic, environmental and low risk to human health. These devices are complemented by other technologies and software that take photography to very useful levels and of rapid application for crops, since they manage fields and crop plots through the observation and rapid analysis of this. The present work seeks to evaluate the effectiveness of the computational tool Layers®, which is one of the existing software in the agricultural technology market, to estimate the nutritional condition and the risk of natural flowering in pineapple plantations (Ananas comosus) on farms in the north, in the canton of San Carlos, Alajuela, Costa Rica. The study was carried out in two sampling stages and a single drone flight. Foliar analysis of the lots studied was carried out at the same time of the flight. The fixed wing HAR9 drone, owned by Hemav S.L. and a MicaSense® RedEdge-M™ brand multispectral camera. The captured images were sent to Hemav S.L. and processed by your Layers® software. It was sought to obtain a predictive system of the nutritional condition of the pineapple crop, with NDVI values, levels of N, P and K to make correlations and determine the functionality of the system. Samples of natural flowering were carried out in order to determine percentages and the relationship of the events with the nutritional condition shown by the multispectral images. Said sampling was carried out from a grid of the plot and thus randomized the sampling points. High and optimal levels of N, P and K were obtained, from the laboratory foliar analyzes, it was not possible to correlate the values of said foliar analyzes with values obtained from the multispectral image processing due to the low resolution of the processed images. by Hemav SL, making it impossible to develop the predictive system of nutritional condition and nutritional flowering in pineapple (A. comosus) cultivation.