Investigadores crean un sistema preciso para la detección de zonas secas de la encina y el alcornoque a partir de imágenes térmicas y multiespectrales con un modelo de aprendizaje automático.
El estudio fue liderado por Alberto Hornero, investigador del Instituto de Agricultura Sostenible (IAS) del Consejo Superior de Investigaciones Científicas de España (CSIC), para mejorar la agricultura.
El estudio ya fue publicado en la revista International Journal of Applied Earth Observation and Geoinformation.
Lo anterior representa una gestión forestal eficaz para la agricultura del mundo.
Cabe destacar que en el estudio también participaron investigadores de la Universidad de Córdoba, de la Universidad de Melbourne, Australia y el laboratorio InnovPlantProtect de Portugal.
Detección de plagas con tecnología
Hornero señaló que detectar a tiempo el deterioro de la salud es vital para una gestión forestal eficaz, que con el estudio se demuestra que el uso conjunto de sensores multiespectrales y térmicos en drones, combinado con modelos físicos, cambia las reglas del juego.
El líder también puntualizó que se utilizaron imágenes multiespectrales y térmicas captadas por vehículos aéreos no tripulados (UAVs), lo que están equipados con cámaras miniaturizadas, junto con modelos de transferencia radiativa 3D y aprendizaje automático.
Es importante destacar que muchas de las afecciones por LA Seca son causadas por la enfermedad del suelo Phytophthora. Es un hongo que provoca el decaimiento y la muerte de los árboles.
Estudio para mejorar la calidad del suelo
El estudio abarcó casi 2 mil 300 árboles de Portugal y España con diferentes niveles de gravedad de la enfermedad, en donde se descubrió que el modelo de clasificación alcanzó una precisión global por encima del 76%.
Con esto se pudo identificar incluso una tercera parte de los árboles en decaimiento que la inspección visual no había detectado inicialmente. Representa un avance no sólo que ofrece en forma rentable y eficaz de controlar la salud de la dehesa.
En conclusión, el líder del proyecto mencionó que este método innovador garantiza la rápida detección y cartografía de la progresión de la enfermedad, lo que permite una gestión forestal proactiva.
Fuente: thefoodtech.com
