Simulaciones digitales y drones mejoran la predicción del rendimiento hortícola

Un estudio del Instituto de Ingeniería del Agua y Medio Ambiente (IIAMA) de la Universitat Politècnica de València y del Centro de Investigaciones sobre Desertificación (CIDE, CSIC-UV-GVA) ha desarrollado una metodología que combina modelos de simulación de cultivos con datos obtenidos mediante drones. Los resultados, publicados en la revista Computers and Electronics in Agriculture, optimizan la predicción del rendimiento agrícola y el análisis del uso del agua en cultivos hortícolas de alto valor, como el brócoli.

Modelización y teledetección para mejorar la predicción

La metodología se apoya en Aquacrop, una herramienta desarrollada por la Organización de las Naciones Unidas para la Agricultura y la Alimentación (FAO) que evalúa la eficiencia hídrica del cultivo y proyecta el rendimiento final basándose en distintos escenarios de disponibilidad de agua. Se trata de una especie de laboratorio virtual que permite predecir con precisión cuánto producirá el campo según el agua disponible.

Jesús Huertas, investigador del IIAMA y autor principal del estudio, explica:

“Concretamente, se utiliza Aquacrop-OSPy, una implementación de código abierto en el lenguaje de programación Python que reproduce la formulación de Aquacrop y facilita la integración de la teledetección y de técnicas de asimilación de datos”.

Los resultados muestran que la integración de la información obtenida mediante teledetección con drones, en particular la relacionada con la cobertura vegetal del cultivo, reduce los errores a la hora de predecir la cosecha.

Brócoli como modelo de estudio

Con el objetivo de validar la metodología, los investigadores realizaron un ensayo de campo mediante el cultivo de brócoli durante dos campañas agrícolas en una parcela experimental de 0,2 hectáreas situada en el este de España. La prueba comparó dos formas de gestionar el agua: una guiada por el sistema de apoyo a la toma de decisiones Irrigation Advisor (IA) y otra basada en la experiencia del agricultor. Este contraste permitió medir cuánto margen de mejora ofrece la tecnología frente a los métodos convencionales en el uso del agua.

Diego S. Intrigliolo, investigador del CSIC en el CIDE (CSIC-UV-GVA), indica:

“Esta comparación se utilizó para introducir variabilidad y evaluar el comportamiento del modelo bajo dos condiciones de manejo de riego”.

En la fase de validación, el equipo investigador introdujo en el software de Aquacrop datos reales captados por drones en tres vuelos diferentes, tanto de la cobertura vegetal del cultivo como de la evapotranspiración, es decir, la pérdida de humedad por la evaporación directa desde el suelo y por la transpiración de las plantas a través de sus estomas.

En relación con la predicción del rendimiento del cultivo, la integración de estos datos redujo el RMSE (Root Mean Square Error), indicador que mide el margen de error del sistema, en torno al 12%. En concreto, el error disminuyó de 1,67 a 1,47 toneladas por hectárea en comparación con las simulaciones que no contaban con la información proporcionada por los drones.

Además, las estimaciones de evapotranspiración obtenidas a partir de imágenes térmicas y de un modelo de balance de energía TSEB (Two-Source Energy Balance), que evalúa la cantidad de agua que pierden los cultivos en función de la temperatura que captan los drones, mostraron una elevada concordancia con las mediciones directas en campo mediante micro-lisimetría, técnica de medición que monitoriza en tiempo real y sobre el terreno el balance hídrico.

Identificación y calibración de parámetros clave

El estudio permitió identificar, mediante un análisis de sensibilidad global, los parámetros del cultivo con mayor influencia en la simulación de la cobertura vegetal y del rendimiento de la cosecha. Esta información facilitó la calibración del modelo y orientó sobre qué parámetros resultan más informativos para las variables objetivo.

Tras identificar los parámetros clave, el equipo ajustó el modelo en dos etapas a partir de un esquema de optimización híbrido (PSO + L-BFGS-B). Este sistema combina una exploración global para buscar los parámetros más adecuados con un ajuste de refinamiento local para asegurar la exactitud de la información.

Miguel Ángel Jiménez Bello, investigador del IIAMA y coautor del trabajo, afirma:

“En conjunto, los resultados sugieren que integrar observaciones de vehículos aéreos no tripulados de alta resolución en modelos de cultivo puede contribuir a mejorar el diagnóstico del uso del agua y la predicción del rendimiento en condiciones mediterráneas”.

Por su parte, Juan Miguel Ramírez-Cuesta, investigador del CIDE, aclara:

“Las conclusiones deben interpretarse como indicativas y requieren de una validación adicional en más campañas, explotaciones, cultivos y condiciones de manejo”.

Este trabajo se ha realizado en el ámbito del proyecto DigitalRiego, financiado por la Agencia Valenciana de la Innovación y la Unión Europea a través del Fondo Europeo de Desarrollo Regional (FEDER).

Referencia

Huertas-Bastidas, J.; Jiménez-Bello, M. A.; Intrigliolo, D. S.; Ramírez-Cuesta, J. M.
Enhancing AquaCrop-OSPy yield predictions with UAV-based remote sensing data: a case study on broccoli. Computers and Electronics in Agriculture. DOI: 10.1016/j.compag.2025.111402

Fuente: CSIC