Investigadores de la Tecnológica Universidad de Múnich (TUM) han desarrollado un innovador método para evaluar la salud de las plantas a nivel mundial. Esta técnica, que se basa en imágenes satelitales, permite obtener datos semanales fiables mediante el uso de inteligencia híbrida. Este avance no solo establece una base sólida para futuras investigaciones, sino que también resulta crucial para la planificación en agricultura y adaptación climática.
La metodología emplea imágenes satelitales para estimar el contenido de clorofila en la capa superior de las comunidades vegetales. El contenido de clorofila es un indicador clave de la salud vegetal, dado que este compuesto es esencial para la fotosíntesis, el proceso mediante el cual las plantas convierten la luz solar en energía.
Método de Evaluación Basado en Inteligencia Híbrida
El modelo implementado combina modelos físicos que analizan las interacciones entre la luz y las plantas con técnicas de inteligencia artificial. En una primera etapa, se determina la relación entre el clorofila y los datos de reflexión provenientes de las copas de los árboles. Posteriormente, estos datos se utilizan como material de entrenamiento para una inteligencia artificial que optimiza y automatiza el cálculo del indicador.
Según explica Dong Li, primer autor del estudio, “nuestro método basado en inteligencia híbrida supera las limitaciones de los conjuntos de datos normalmente utilizados desde la parte inferior de la atmósfera”. Gracias a esta innovación, los investigadores pueden calcular el contenido de clorofila directamente a partir de los datos reflejados observados desde satélites en la parte superior de la atmósfera, incluso bajo condiciones nubladas.
Cambios Dinámicos en la Salud Vegetal
El clorofila, como molécula central en la producción energética vegetal a través de la fotosíntesis, está directamente relacionado con la actividad metabólica de las plantas. Por lo tanto, su contenido puede ser utilizado como un indicador del crecimiento y salud vegetal. Esta información es vital para estimar la producción biomásica y los rendimientos agrícolas.
Dado que el método se actualiza casi semanalmente con datos satelitales, proporciona valiosos conocimientos sobre los cambios dinámicos en respuesta a diversas condiciones ambientales. El profesor Kang Yu, quien dirige el laboratorio de Agricultura de Precisión en TUM, afirma: “Podemos observar cómo las plantas reaccionan ante diferentes condiciones, como las variaciones provocadas por el cambio climático”. Este indicador puede ser utilizado en modelos que evalúan tanto la salud de cultivos como de plantas silvestres, sirviendo así como base para decisiones globales en agricultura y adaptación climática.
Publicaciones Relevantes
Entre los autores del estudio se encuentran Dong Li, Holly Croft, Gregory Duveiller, entre otros. Su trabajo titulado “Global retrieval of canopy chlorophyll content from Sentinel-3 OLCI TOA data using a two-step upscaling method integrating physical and machine learning models” fue publicado en Remote Sensing of Environment.
Consulta aquí el artículo completo.
Si (
No(
