El sistema utilitza imatges de satèl·lit juntament amb la intel·ligència artificial i ja s’ha provat amb èxit per anticipar el rendiment de la patata.
Investigadors del Laboratori de Teledetecció (LATUV) de la Universitat de Valladolid (UVa) han dissenyat un nou índex de vegetació capaç de millorar els models de predicció de cultius. La nova tècnica, que utilitza imatges de satèl·lit ESA Sentinel-2 i tècniques d’aprenentatge automàtic i intel·ligència artificial, s’ha provat amb èxit en la predicció del rendiment dels cultius de patata i blat.
La producció agrícola depèn d’un gran nombre de factors, tant humans com ambientals, que creen una gran incertesa entre els agricultors. Però la tecnologia pot ser un aliat important per reduir-la. És el cas dels models computacionals que intenten simular el comportament d’un cultiu en condicions específiques, per exemple sòl, clima o pràctiques agrícoles i, segons aquesta evolució esperada, estimen la producció agrícola.
"Hi ha molts models i solen ser específics per a cada tipus de cultiu", explica Diego Gómez, investigador de LATUV i primer autor de dos estudis publicats recentment a les revistes International Journal of Remote Sensing and Agricultural and Forest Meteorology.
Però aquests models de creixement tradicionals tenen algunes limitacions, com ara "la incapacitat de modelar espacialment la variabilitat dins del mateix paquet" o la multitud de dades d'entrada que requereixen que "no solen obtenir-se a causa de l'elevat cost de temps i diners que comporta la recopilació dels mateixos" ".
Zona de cultiu de la patata sobre la qual s'han fet les estimacions / D. Gómez
Així, en els darrers anys apostem per una tecnologia de teledetecció que utilitzi imatges espectrals preses per sensors òptics (instal·lats a satèl·lits, avions, drons, etc.) i que puguin complementar i fins i tot substituir en alguns casos aquests models tradicionals. Aquestes imatges espectrals proporcionen dades sobre l’estat o la fenologia del cultiu (els canvis externs visibles en el procés de desenvolupament de les plantes) que s’integren en models que ajusten aquesta informació d’entrada per predir els cultius.
“Les imatges espectrals cobreixen la necessitat de dades d’entrada, permeten l’accés a llocs remots i tenen un cost baix. També són capaços d’obtenir informació relacionada amb la capacitat productiva del cultiu ”, assenyala l’investigador de LATUV, que recorda que un dels índexs espectrals –fórmules matemàtiques que combinen bandes espectrals– de la vegetació més utilitzat per estimar la vigorositat o la densitat de vegetació, que en última instància prediu la productivitat dels cultius, és el NDVI (NDVI).
L’ús de sèries temporals d’aquest índex per generar models predictius de cultius és molt comú a la literatura científica. Aquest índex utilitza la reflectància de la vegetació –la capacitat de la vegetació per reflectir la llum– en dues bandes espectrals, vermella i quasi vermella, que estan relacionades amb part de la llum utilitzada per a la fotosíntesi i l’estructura cel·lular de les fulles, respectivament.
Un nou índex de vegetació
Investigadors de LATUV han desenvolupat un nou índex anomenat PPI basat en imatges de satèl·lit ESA Sentinel-2 que, a més de tenir en compte la informació espectral implicada en la fotosíntesi (de 400 a 700 nanòmetres), té en compte la informació d’altres àrees de l’espectre electromagnètic -704 nanòmetres, banda Red Edge i 945 nanòmetres, banda d’absorció de vapor d’aigua-, que pot proporcionar altra informació clau sobre l’estat del cultiu, com ara la seva tensió hídrica, quan la planta demana més aigua de la que té.
Els investigadors van comparar la capacitat predictiva d’ambdós índexs de vegetació, NDVI i PPI, juntament amb més dades d’imatges de satèl·lit. Per fer-ho, van utilitzar dos algoritmes d’Intel·ligència Artificial i Machine Learning (anomenats Random Forest i Support Vector Machine), i van generar diversos models en què combinaven aquests índexs amb les altres bandes de satèl·lits.
"La hipòtesi era que, en utilitzar un índex que utilitza altres bandes no incloses en el popular índex NDVI i, d'altra banda, amb un cert potencial per proporcionar informació sensible sobre els cultius, els models predictius serien millors", diu Gómez, que avança que, finalment, la capacitat predictiva dels models "va augmentar quan es van incloure els dos índexs de vegetació o tots dos", cosa que valora "l'ús d'aquestes dades en combinació amb certes bandes de satèl·lit individuals".
Prediccions més precises en el cultiu de la patata
Els resultats mostren que l’índex PPI proporciona informació similar a NDVI quan s’utilitza l’algoritme Support Vector Machine i és significativament més informatiu que NDVI quan s’utilitza l’algorisme Random Forest, prometent resultats “que posen sobre la taula un nou índex de vegetació que pot millorar la predicció models de collita basats en imatges de satèl·lit ”.
Fins ara, el nou índex s’ha provat sobre el cultiu de patates en una zona d’estudi bastant localitzada. Després dels cereals, la patata és un dels cultius alimentaris més importants a nivell mundial. Té un paper clau en la seguretat alimentària dels països en desenvolupament i també té un gran pes en el sector agrícola europeu, amb Alemanya, França, els Països Baixos i Polònia com a principals productors. També s’ha provat en blat amb dades preses a Mèxic.
La idea de l’equip és augmentar el nombre de dades per millorar la solidesa del model, cobrir una àrea d’estudi més gran per augmentar la variabilitat espacial i incorporar nous cultius. Perspectives que depenen de la continuïtat del finançament i que poden ajudar els agricultors a predir la seva collita de manera més fiable en el futur.