Dentro de la agricultura de precisión existen diferentes herramientas para obtener y almacenar información. Estos datos son los que permiten tener una producción más efectiva y rentable.
Dentro del proceso de la agricultura de precisión, una de las etapas es el procesamiento de datos. Dentro de este esquema se encuentra el control y filtrado de la calidad de la información obtenida.
Luego de ser recolectados, los datos deben pasar por un proceso de calidad y filtrado. De esta manera, con la manipulación humana o alguna anomalía por parte de los instrumentos, se puede generar un dato erróneo que no permitirá brindar información confiable.
Las muestras puntuales tomadas deben presentar determinadas características para que puedan ser utilizadas. Entre los requisitos están:
La estadística
Apoyado en la estadística, el experto realiza una evaluación de los datos, que incluye la detección de datos fuera del rango establecido, como, por ejemplo, valores de precipitación negativos o muestras de suelo con valores de pH demasiado ácidos o básicos cuando otras muestras del mismo lote no lo reporten.
El análisis de la calidad de las muestras se aplica con un software estadístico donde se calculan medidas como la media, la moda o la mediana, así como el contraste de normalidad. En este aspecto, se realizan diferentes tipos de gráficos como los conocidos gráficos de barra.
Detección de calidad de la imagen
Las imágenes tomadas por los sensores remotos también deben pasar por el proceso detección de calidad.
Muchas imágenes registradas por satélites suelen sufrir alteraciones producto de la orientación del sensor respecto a la superficie o la presencia de gases en la atmósfera, por lo que, luego de corregida, se genera una imagen en cualquier tipo de formato raster, lista para ser utilizada.
Las correcciones pueden ser de diferentes tipos:
Correcciones radiométricas: sirven para restaurar píxeles perdidos de la imagen.
Correcciones geométricas: se utilizan para el ajuste de la imagen en un sistema de referencia, también conocido como georreferenciación.
Corrección atmosférica: se emplean para eliminar la mayor cantidad de dispersión radiativa producida por los gases de la atmósfera.
Aproximación de índices espectrales
Los índices espectrales son modelos matemáticos que se calculan a partir del álgebra de las bandas que forman parte de la imagen.
Estos índices sirven para realzar espectralmente cubiertas determinadas. Estas cubiertas en una unidad de producción comprenden las parcelas donde se encuentre un cultivo, y hacen intervenciones sobre el estado del mismo.
Índice de vegetación ajustado con el suelo
Entre los aspectos que modifican el comportamiento del cultivo, está la proporción de vegetación/suelo observada por el sensor.
Para el factor suelo se incorpora un parámetro “L”, que ajusta el índice a una reflectividad promedio del suelo.
Este índice se calcula desde la diferencia normalizada entre la banda roja (R) y la banda del infrarrojo cercano (NIR) ajustado con un factor “L”:
Índice de vegetación ajustado modificado
Este índice se calcula a partir de la diferencia normalizada entre la banda roja (R) y la banda del infrarrojo cercano (NIR) donde se aplica una función que determina el valor “L” para reducir el efecto del suelo en la señal de la vegetación.
Índice diferencial de agua normalizado
Refleja el contenido de humedad en plantas y suelos y se determina analógicamente.
Este índice es ideal para la detección temprana del estrés hídrico y para reducir en la medida de lo posible, los impactos negativos en los cultivos, fundamentalmente la merma de los rendimientos.
La estimación de este índice puede controlar el riego en tiempo real, mejorando significativamente el sistema de producción, puntualmente en áreas donde es difícil cubrir las necesidades de agua.
Metodologías geoestadísticas
Entre las técnicas de interpolación más conocidas y aplicadas están las metodologías geoestadísticas que se basan en el principio geográfico de que los elementos se parecen más a medida que están más cerca y viceversa, pero con la capacidad de integrar en la estimación, la varianza de los puntos muestreados.
Es una metodología sustentada en las relaciones estadísticas entre las variables. Existen técnicas geoestadísticas univariables, que generan información a partir de los datos medidos, pero también las que se aprovechan de las relaciones entre la variable de interés con otros elementos.
Un ejemplo práctico de estas relaciones se encuentra en que si se necesita estimar espacialmente valores de temperatura, es recomendable relacionarla con la topografía, por la estrecha relación inversa que existe entre ellas.
Entre las técnicas geoestadísticas se conocen:
El kriging ordinario como metodología univariable.
El kriging universal como forma multivariable del kriging.
Máquinas de aprendizaje
Otras técnicas más actuales, que incluso son consideradas más sencillas, son las máquinas de aprendizaje, entre las que se conocen el bosque aleatorio o las máquinas de soporte de vectores.
Estos equipamientos funcionan vinculando el elemento a interpolar con todos los elementos que puedan estar relacionados con ella, que suelen ser capas que se superponen una sobre otra.
Al superponerse, el software genera un algoritmo que trata de explicar las relaciones entre las capas y con el cual luego se generará la información espacial.
En resumen, estas son algunas de las herramientas que incluye el análisis de la información propia de la agricultura de precisión. Es importante tenerlas en cuenta para poder filtrar datos que pueden resultar erróneos y así poder obtener un panorama más acertado del contexto productivo.
+ There are no comments
Add yours