Jaume Arnó Satorra Departament d Enginyeria Agroforestal José A. Martínez-Casasnovas Servei Cientifictècnic SIG i Teledetecció Agricultura de precisió Jornada tècnica Mollerussa 14 de març de 2007 FUNDAMENTO DEL SISTEMA Farmscan Cinta lateral con sensor de cosecha Vendimiadora con monitor de cosecha y receptor GPS
FUNDAMENTO DEL SISTEMA Farmscan GPS / dgps Tarjeta MMC Canlink Monitor 3000 Canlink Farmscan 3000 Alimentación Caja de conexiones Detector de proximidad Rueda dentada (situada al final de la cinta transportadora) Células de carga FUNDAMENTO DEL SISTEMA Farmscan P l (kg) (m) v C m h 1 h d m X X = v M 2 Cosecha (t/ha) Coordenadas GPS d (cm)
FUNDAMENTO DEL SISTEMA LH AGRO Sensor de cosecha instalado sobre la cinta lateral Monitor LH 665 RC FUNDAMENTO DEL SISTEMA LH AGRO h ij (cm) W (cm) L (cm) X X = Volumen L Volumen / tiempo Superfície / tiempo W Sensor cinta Cosecha (t/ha) Coordenadas GPS
OBTENCIÓN DE MAPAS DE COSECHA DATOS RESULTANTES DEL MONITOR DE COSECHA Canlink 3000 de Farmscan P30 (Pinot Noir) - Cosecha 2003 Número de observaciones: 4857 Producción media (t/ha): 10,26 Mínimo (t/ha): 0 Máximo (t/ha): 28,07 Variabilidad (CV): 60,3% PROTOCOLO CONSTRUCCIÓN DEL MAPA (Bramley, 2001 y 2005) 1. Preparación de los datos: ajuste y eliminación de atípicos 2. Proyección de los datos: WGS84 ED50 X (m) ; Y (m) ; Z (t/ha) 3. Interpolación espacial (kriging) OBTENCIÓN DE MAPAS DE COSECHA MAPA FINAL DE COSECHA: Superfície continua o cobertura Ráster con valor de la cosecha en cada píxel P30 (Pinot Noir) - Cosecha 2003 Interpolación sobre una malla regular de 3 m (píxel de 3 x 3 m) mediante un kriging en bloques y la consideración de un variograma global Número de predicciones: 5323 Producción media (t/ha): 10,28 Mínimo (t/ha): 0,93 Máximo (t/ha): 19,71 Variabilidad (CV): 43,3%
OBTENCIÓN DE MAPAS DE COSECHA VESPER. Australian Centre for Precision Agriculture. University of Sydney 1. ANÁLISIS GEOESTADÍSTICO: OBTENCIÓN DEL VARIOGRAMA Semivarianza 60 50 40 30 20 10 0 0 50 100 150 200 Lag (m) Variograma global Variograma local 2. ANÁLISIS GEOESTADÍSTICO: INTERPOLACIÓN (KRIGING) 3 m 3 m Kriging puntual Kriging en bloques OBTENCIÓN DE MAPAS DE COSECHA a Variograma global + krigeado puntual b Variograma global + krigeado en bloques c Variograma local + krigeado puntual d Variograma local + krigeado en bloques Datos reales de cosecha Media (t/ha) 14,990 Mínimo (t/ha) 0,026 Máximo (t/ha) 31,980 Datos interpolados de cosecha c Datos interpolados de cosecha d Media (t/ha) 14,672 14,678 Mínimo (t/ha) 0,730 1,820 Máximo (t/ha) 26,663 23,328 Error medio de las predicciones 4,608 t/ha 0,875 t/ha
CARTOGRAFÍA SISTEMÁTICA CÚALES SON LAS CAUSAS DE LA VARIABILIDAD DE LA COSECHA? EL PATRÓN DE VARIABILIDAD ESPACIAL DE LA COSECHA SE MANTIENE CONSTANTE EN EL TIEMPO? LA CALIDAD DE LA COSECHA SIGUE EL MISMO PATRÓN DE VARIACIÓN ESPACIAL QUE EL RENDIMIENTO? Cosecha Tn / ha Alto : 33,5 Bajo : 0 CAUSAS DE LA VARIABILIDAD DE LA COSECHA Análisis de suelo Profundidad raíces Textura ph CE CaCO 3 Materia orgánica P5: Merlot P30: Pinot Noir 11 FILAS x 20 CEPAS Análisis de peciolo Nitrógeno Fósforo Potasio Calcio Magnesio Hierro Azufre Zinc Cobre Manganeso Boro Sodio Relieve de la parcela Elevación (cota) Pendiente
CAUSAS DE LA VARIABILIDAD DE LA COSECHA Clasificación de la cosecha Clasificación de los puntos de muestreo Obtención de parámetros significativos según niveles de cosecha Cluster cosecha CE (µs/cm) P (%) K (%) Bajo 697,4 a 0,57 a 3,20 a Medio 364,4 b 0,63 ab 3,59 ab Alto 262,8 b 0,68 b 3,82 b CAUSAS DE LA VARIABILIDAD DE LA COSECHA Clasificación de la cosecha Clasificación de los puntos de muestreo Obtención de parámetros significativos según niveles de cosecha Cluster cosecha Ca (%) Mn (ppm) Bajo 1,82 a 46,9 a Medio 2,19 b 92,4 b Alto 2,02 ab 70,0 ab
CAUSAS DE LA VARIABILIDAD DE LA COSECHA ANÁLISIS FACTORIAL DE LAS VARIABLES MUESTREADAS Y REGRESIÓN LOGÍSTICA COSECHA-PARÁMETROS DE SUELO Y DE CULTIVO p2 p1 p2 p1 = exp (-19,1197 + 9,7895 Ca) = exp (-5,8661+ 0,1029 Mn) p2, probabilidad de una cosecha Media (M) p1, probabilidad de una cosecha Baja (B) 1,95%, Nivel crítico de Ca 57 ppm, Nivel crítico de Mn Odds ratio de 7 por cada 0,20% de incremento de Ca Odds ratio de 3 por cada 10 ppm de incremento de Mn ESTABILIDAD TEMPORAL DE LA COSECHA + + Blackmore (2000): Spatial trend map Fridgen et al. (2000): Cluster analysis Diker. Heermann and Brodahl (2004): Frequency analysis C i C Cosecha normalizada = σ
ESTABILIDAD TEMPORAL DE LA COSECHA VARIABILIDAD DE LA CALIDAD Fuente: Agelet, J. (2007) VARIEDAD: Cabernet Sauvignon SUPERFÍCIE: 5,01 ha AÑO DE PLANTACIÓN: 1986 MARCO DE PLANTACIÓN: 3,2 X 2,1 m SISTEMA DE RIEGO: Aspersión SISTEMA DE FORMACIÓN: T CUBIERTA: Enherbado Muestreo cada 5 filas y 10 cepas = 128 cepas muestreadas
VARIABILIDAD DE LA CALIDAD Fuente: Agelet, J. (2007) Grado alcohólico (ºBé) IPT ph Vendimia 2005 Acidez total (g H 2 SO 4 / l) Color OPORTUNIDAD DE LA VENDIMIA SELECTIVA Fuente: Agelet, J. (2007) Vendimia 2005 Cluster cosecha Cosecha Baja (B) Cosecha Alta (A) Cosecha (t/ha) Grado alcohólico (ºBé) ph Cosecha Baja (B) Cosecha Media (M) Cosecha Alta (A) Acidez total (g H 2 SO 4 / l) IPT Color Baja 5,1 a 14,4 a 3,8 a 2,8 a 12,7 a 4,5 a Alta 8,5 b 14,1 a 3,8 a 3,1 b 11,5 b 3,9 b Cluster cosecha Cosecha (t/ha) Grado alcohólico (ºBé) ph Acidez total (g H 2 SO 4 / l) IPT Color Baja 4,0 a 14,4 a 3,9 a 2,7 a 13,2 a 4,7 a Media 6,7 b 14,4 a 3,7 b 3,0 b 12,1 b 4,3 a Alta 9,4 c 14,0 a 3,8 b 3,1 b 11,1 c 3,6 b
VARIABILIDAD DE PARÁMETROS VEGETATIVOS Fuente: Agelet, J. (2007) Yemas / m Muestreo cada 10 filas y 10 cepas Racimos / m Vendimia 2005 Brotes / m Peso de poda (kg / m) Sensores remotos. USO DE IMÁGENES DE SATÉLITE Imágenes del satélite Quickbird 2 m 3 m Quickbird tiene la capacidad de adquirir imágenes multiespectrales (4 bandas, píxel 2,8 x 2,8 m): azul, verde, rojo e infrarojo cercano.
Sensores remotos. USO DE IMÁGENES DE SATÉLITE Huesca RAIMAT Lleida Imagen Quickbird-2 RGB432, Julio 2004 250 m Sensores remotos. USO DE IMÁGENES DE SATÉLITE SENSORES BASADOS EN LA REFLECTANCIA DEL ESPECTRO DE LA RADIACIÓN ELECTROMAGNÉTICA QUE PERMITEN LA OBTENCIÓN DE ÍNDICES DE VEGETACIÓN VISIBLE INFRAROJO PRÓXIMO Respuesta espectral de la vegetación sana Reflectancia (%) IRP Índices indicativos del vigor de la vegetación IRP - R IRP / R AZUL VERDE ROJO R Longitud de onda (µm)
Sensores remotos. USO DE IMÁGENES DE SATÉLITE Índice de Vegetación de la Diferencia Normalizada (NDVI) IRP R NDVI - IRP R = + Valores entre -1 y +1 GVI (Green Vegetation Index) Sensores remotos. USO DE IMÁGENES DE SATÉLITE Imágenes multiespectrales de alta resolución espacial Imagen Quickbird-2 RGB432, Julio 2004
Sensores remotos. USO DE IMÁGENES DE SATÉLITE Medición a través del ÍNDICE DE VEGETACIÓN NDVI ALTO : 1,0 BAJO : -0,5 Imagen Quickbird-2 RGB432, Julio 2004 Sensores remotos. OPORTUNIDAD DE LA VENDIMIA SELECTIVA Fuente: Agelet, J. (2007) Cluster NDVI NDVI Bajo (B) NDVI Alto (A) Cosecha (t/ha) Grado alcohólico (ºBé) ph NDVI Bajo (B) NDVI Medio (M) NDVI Alto (A) Acidez total (g H 2SO 4 / l) IPT Color Bajo 4,7 a 14,2 a 3,9 a 2,6 a 13,4 a 4,9 a Alto 7,5 b 14,3 a 3,7 b 3,1 b 11,7 b 4,0 b Cluster NDVI Cosecha (t/ha) Grado alcohólico (ºBé) ph Acidez total (g H 2SO 4 / l) IPT Color Bajo 4,7 a 13,7 a 3,9 a 2,6 a 13,7 a 4,8 a Medio 6,3 b 14,8 b 3,8 a 2,8 b 12,7 b 4,5 a Alto 7,8 c 14,1 a 3,7 b 3,2 c 11,3 c 3,9 b
Sensores remotos. OPORTUNIDAD DE LA VENDIMIA SELECTIVA Fuente: Agelet, J. (2007) VARIEDAD: Syrah SUPERFÍCIE: 2,35 ha AÑO DE PLANTACIÓN: 2002 SISTEMA DE RIEGO: Localizado MARCO PLANTACIÓN: 3 x 2 m CUBIERTA: Enherbado NDVI Bajo (B) NDVI Alto (A) Cluster Cosecha Grado alcohólico ph Acidez total IPT Color NDVI (t/ha) (ºBé) (g H 2 SO 4 / l) Bajo 5,1 a 16,2 a 3,9 a 3,5 a 14,2 a 6,0 a Alto 8,1 b 14,1 b 3,8 b 3,6 a 11,9 b 4,6 b Sensores remotos. OPORTUNIDAD DE LA VENDIMIA SELECTIVA Delimitación de zonas de manejo (vendimia) diferencial Fuente: Agelet, J. (2007) NDVI Bajo NDVI Alto
EL CICLO DE LA VENDIMIA SELECTIVA NDVI Jul 2005 Análisis Cluster Zonificación OPORTUNIDADES DE LA VITICULTURA DE PRECISIÓN (1) El llevar a cabo un proyecto de Viticultura de Precisión no es sencillo: Se requiere un cambio de mentalidad en la empresa y un conocimiento de técnicas relativamente sofisticadas, o bien colaboración con especialistas en diversas disciplinas. Los resultados NO son inmediatos. Sólo un número relativamente reducido de empresas agrícolas, con superficies de cultivo importantes y personal técnico especializado pueden llevar a cabo este tipo de agricultura.
OPORTUNIDADES DE LA VITICULTURA DE PRECISIÓN (2) HASTA QUÉ PUNTO LA VARIABILIDAD INTRAPARCELARIA JUSTIFICA LA INVERSIÓN EN AGRICULTURA DE PRECISIÓN? QUÉ PROPORCIÓN DE ESTA VARIABILIDAD PUEDE SER MODIFICADA POR LA AGRICULTURA DE PRECISIÓN? Jaume Arnó Satorra Departament d Enginyeria Agroforestal José A. Martínez-Casasnovas Servei Cientifictècnic SIG i Teledetecció Agricultura de precisió Jornada tècnica Mollerussa 14 de març de 2007