Un estudio de la Universitat Politècnica de València y el CIDE combina simulaciones digitales y drones para mejorar la predicción del rendimiento de cultivos hortícolas, optimizando el uso del agua.
Un innovador estudio llevado a cabo por el Instituto de Ingeniería del Agua y Medio Ambiente (IIAMA) de la Universitat Politècnica de València y el Centro de Investigaciones sobre Desertificación (CIDE), ha dado un paso significativo en la predicción del rendimiento agrícola. Esta investigación, publicada en la revista Computers and Electronics in Agriculture, presenta una metodología que combina modelos de simulación de cultivos con datos obtenidos mediante drones, mejorando así las estimaciones sobre las cosechas.
La metodología se basa en Aquacrop, una herramienta desarrollada por la Organización de las Naciones Unidas para la Agricultura y la Alimentación (FAO). Este sistema evalúa la eficiencia hídrica del cultivo y proyecta el rendimiento final bajo diferentes escenarios de disponibilidad de agua. Según explica Jesús Huertas, investigador del IIAMA y autor principal del estudio, se utiliza Aquacrop-OSPy, una implementación de código abierto en el lenguaje de programación Python, que permite integrar técnicas de teledetección y asimilación de datos.
Los hallazgos indican que al incorporar información obtenida a través de drones —especialmente relacionada con la cobertura vegetal— se logra reducir significativamente los errores en las predicciones sobre el rendimiento de las cosechas. Para validar esta metodología, los investigadores realizaron un ensayo práctico cultivando brócoli durante dos campañas agrícolas en una parcela experimental ubicada en el este de España.
En este experimento, se compararon dos métodos para gestionar el riego: uno guiado por el sistema Irrigation Advisor (IA) y otro basado en la experiencia del agricultor. Esta comparación permitió evaluar cómo la tecnología puede mejorar el uso del agua frente a los métodos tradicionales.
"Esta comparación fue esencial para introducir variabilidad y evaluar el comportamiento del modelo bajo diferentes condiciones de manejo", señala Diego S. Intrigliolo, investigador del CSIC en el CIDE. Durante la fase de validación, se introdujeron datos reales captados por drones en tres vuelos distintos, abarcando tanto la cobertura vegetal como la evapotranspiración.
El análisis mostró que la integración de estos datos redujo el RMSE (Root Mean Square Error) —un indicador clave del margen de error— aproximadamente un 12%. En términos concretos, esto significó que el error disminuyó de 2,47 a 1,67 toneladas por hectárea al comparar las simulaciones que no incluían información proporcionada por los drones.
Este trabajo forma parte del proyecto DigitalRiego, financiado por la Agencia Valenciana de Innovación y la Unión Europea a través del Fondo Europeo de Desarrollo Regional (FEDER).
| Descripción | Cifra |
|---|---|
| Superficie del ensayo | 0,2 hectáreas |
| Reducción del RMSE | 12% |
| Error antes de la integración de datos | 2,47 toneladas por hectárea |
| Error después de la integración de datos | 1,67 toneladas por hectárea |