Teledetección de la incidencia de malas hierbas en cultivos frutales mediante drones y QGIS | Geospatial analysis of weeds in olive groves using unmanned aerial vehicles and GIS

[SPA] Los riesgos ambientales y sanitarios actuales justifican la creciente restricción de productos fitosanitarios en la agricultura, lo que empuja a la búsqueda de nuevas herramientas que optimicen su aplicación. El presente estudio se desarrolló con el objetivo de evaluar la viabilidad de aplicar técnicas de teledetección y análisis geoespacial para la detección de zonas críticas de vegetación adventicia en un olivar y su repercusión económica. La metodología se inició con la adquisición de imágenes multiespectrales de la parcela mediante dron en dos épocas, seleccionándose para el análisis el vuelo que contaba con presencia de malas hierbas. Las imágenes se procesaron y corrigieron en el software Pix4Dmapper, para después elaborar la composición multibanda con las bandas RGB, NIR y Red Edge. Entonces, se realizó la clasificación supervisada del cultivo, y a partir de las copas clasificadas se crearon áreas de influencia para aislar el análisis a las calles del olivar, donde se calcularon tres índices de vegetación (NDVI, MCARI y OSAVI). La detección de malas hierbas se realizó mediante dos enfoques de umbralización, uno basado en estudios previos (umbralización fija) y otro en base a las estadísticas de cada píxel (umbralización dinámica), generando mapas binarios de zonas críticas que corresponden a celdas de valor superior al valor umbral definido. Finalmente, se seleccionó el índice NDVI con umbral dinámico como el más adecuado para estimar la superficie afectada. Los resultados mostraron que la metodología aplicada permitió reducir en un 95% la superficie a tratar respecto a la aplicación generalizada, y, por ende, un ahorro económico significativo. En conclusión, el uso de Sistemas de Información Geográfica integrada en los UAV constituye una herramienta de apoyo eficaz y precisa en la gestión localizada de malas hierbas, contribuyendo a la sostenibilidad económica y ambiental del olivar. [ENG] Current environmental and health risks justify the increasing restriction of plant protection products in agriculture, which is driving the search for new tools to optimize their application. This study was conducted with the aim of evaluating the feasibility of applying remote sensing and geospatial analysis techniques to detect critical areas of adventitious vegetation in an olive grove, and their economic impact. The methodology began with the acquisition of multispectral images of the plot using a drone at two different times, selecting the flight that showed the presence of weeds for analysis. The images were processed and corrected using Pix4Dmapper software, and then a multiband composition was created with the RGB, NIR, and Red Edge bands. Next, supervised classification of the crop was performed, and areas of influence were created from the classified canopies to isolate the analysis to the rows of the olive grove, where three vegetation indices (NDVI, MCARI, and OSAVI) were calculated. Weed detection was performed using two thresholding approaches, one based on previous studies (fixed thresholding) and the other one based on the statistics of each pixel (dynamic thresholding), generating binary maps of critical areas corresponding to cells with values above the defined threshold value. Finally, the NDVI index with a dynamic threshold was selected as the most suitable for estimating the affected area. The results showed that the methodology applied reduced the area to be treated by 95% compared to widespread application, thus generating significant economic savings. In conclusion, the use of Geographic Information Systems integrated into UAVs is an effective and accurate support tool for localized weed management, contributing to the economic and environmental sustainability of olive groves.

Escuela Técnica superior de Ingeniería Agronómica

Universidad Politécnica de Cartagena