Investigadores del INTA Pergamino desarrollaron modelos de alta precisión basados en imágenes aéreas para medir la radiación solar interceptada, optimizando el fenotipado y potenciando el mejoramiento genético del cultivo.
Buenos Aires, viernes 28 agosto (PR/26)– Con el firme objetivo de transformar los métodos tradicionales de fenotipado y optimizar al máximo los tiempos de trabajo en el campo, la Estación Experimental Agropecuaria (EEA) Pergamino del INTA dio un paso clave al incorporar un Vehículo Aéreo No Tripulado (VANT) equipado con tecnología multiespectral y térmica de última generación.
Esta iniciativa se desarrolla en el marco del Programa Nacional de Ecofisiología y Agroecosistemas, buscando establecer protocolos precisos de procesamiento de datos remotos para asistir de manera directa a los programas de mejoramiento genético de la región.
“Este desarrollo se consolidó mediante un esquema asociativo que vincula internamente a las áreas de Sistemas de Información Geográfica (SIG), Ecofisiología de cultivos, Mejoramiento de Girasol y Mejoramiento de Maíz de la experimental”, explicó Javier Portillo, investigador de la EEA INTA Pergamino.
A su vez, el especialista remarcó que la sinergia de trabajo se extiende a escala federal mediante la interacción continua con las distintas Estaciones Experimentales de la región, articuladas a través de la sólida Red Nacional de Drones del INTA.
El salto cualitativo frente a las evaluaciones manuales
De acuerdo con el investigador, la evaluación clásica de los ensayos en los programas de mejoramiento se realiza históricamente de forma manual. Esto demanda una alta carga horaria y conlleva la natural subjetividad del operario durante las observaciones directas en el lote.
“Frente a esto, los sensores remotos emergen como una alternativa estratégica. Permiten estimar de manera totalmente objetiva y repetitiva en el tiempo aquellas características de las plantas que surgen de la interacción entre el genotipo y el ambiente”, indicó Portillo.
Gracias al uso de sensores remotos de alta resolución, se lograron aplicaciones sumamente exitosas y con elevados niveles de coincidencia con la realidad en diversos cultivos agrícolas de la región pampeana.
Resultados comprobados en soja, girasol y trigo
“En soja, mediante vuelos programados durante el ciclo, se estimó la evolución de la cobertura foliar, logrando medir la altura de las plantas con un margen de error menor al 8 % respecto a las mediciones manuales”, detalló el especialista del INTA.
Por su parte, en el cultivo de girasol, el equipo combinó las imágenes aéreas con algoritmos de inteligencia artificial (machine learning) para automatizar y agilizar la detección de híbridos resistentes a herbicidas comerciales.
Esta herramienta digital permitió evaluar un volumen mucho mayor de parcelas al mismo tiempo, mientras que en trigo se inició una línea para monitorear índices de vegetación específicos y medir la velocidad de secado de grano previo a la cosecha.
Innovación y hallazgos en el XIII Congreso Nacional de Maíz
El impacto global de esta línea de investigación se desarrollará a fondo durante el próximo XIII Congreso Nacional de Maíz, donde se presentarán dos estudios liderados por José Menes, del grupo SIG, enfocados exclusivamente en este cereal.
El primer trabajo validó la estimación de la altura de las plantas mediante modelos digitales de superficie (MDS) generados por drones, alcanzando una destacada precisión de entre el 81 % y el 86 % de coincidencia con las mediciones tradicionales.
Este avance resulta sumamente clave para evaluar la estructura del cultivo y anticipar a tiempo problemas de quebrado y vuelco de tallos, factores que suelen provocar pérdidas económicas significativas durante la cosecha. Por otro lado, la segunda investigación desarrolló modelos matemáticos para estimar la fracción de radiación solar interceptada por la planta, una variable biológica clave vinculada directamente con la producción de biomasa y el rendimiento final.
La cobertura verde: el mejor predictor del rendimiento
Tras analizar más de 60 indicadores, los investigadores descubrieron que la simple estimación del porcentaje de cobertura verde desde el aire superó a todos los índices tradicionales de la agricultura digital como predictor de radiación interceptada.
Si bien el reconocido índice NDVI explicó la variable de manera satisfactoria, no logró posicionarse entre los indicadores de mayor capacidad predictiva, quedando por debajo de la precisión alcanzada por el porcentaje de cobertura verde.
Con niveles de precisión superiores al 92 % en híbridos comerciales y al 86 % en líneas de maíz, estos resultados confirman el rol estratégico de los drones para potenciar la competitividad del sector semillero nacional, tanto público como privado.
