Teledetección multiespectral de vehículos aéreos no tripulados y modelado basado en datos para la predicción de rendimiento de cebolla de precisión | JoVE Visualize

Área de la Ciencia:

Ciencias Agrícolas
Teledetección
Aprendizaje Automático

Sus antecedentes:

La agricultura de precisión se beneficia de la integración de la teledetección asistida por VANT con el Internet de las Cosas (IoT) y el Internet de Todo (IoE).
Capturar la variabilidad espacio-temporal en el crecimiento de los cultivos es crucial para optimizar las prácticas agrícolas.
Las imágenes multiespectrales basadas en VANT ofrecen una herramienta poderosa para monitorear la salud de los cultivos y predecir el rendimiento.

Objetivo del estudio:

Predecir el rendimiento de bulbos de cebolla de temporada de lluvias utilizando imágenes multiespectrales basadas en VANT.
Evaluar el rendimiento de varios algoritmos de aprendizaje automático para la predicción del rendimiento de la cebolla.
Evaluar la utilidad de los índices de vegetación derivados de datos multiespectrales para el modelado del rendimiento.

Principales métodos:

Adquisición de mosaicos de reflectancia de dosel de VANT en etapas clave de crecimiento.
Extracción de índices de vegetación (IV) que incluyen NDVI, NDRE, SAVI, LAI, NORM2 y GNDVI.
Desarrollo y evaluación de modelos de predicción de rendimiento utilizando cinco algoritmos de aprendizaje automático (regresión lineal, random forest, support vector machine, gradient boosting, elastic net regression) con validación cruzada de 10 veces.

Principales resultados:

Random Forest superó consistentemente a otros modelos, logrando una alta precisión en la etapa de desarrollo del bulbo (R² de validación = 0.755).
Support Vector Machine también demostró una sólida capacidad predictiva (R² de validación = 0.716).
Se observó variabilidad interanual en el rendimiento del modelo, y los modelos entrenados con datos de 2024 mostraron mejores resultados que los de 2023.

Conclusiones:

La detección multiespectral derivada de VANT combinada con el aprendizaje automático es un enfoque eficaz y escalable para la predicción confiable del rendimiento de la cebolla.
Esta metodología proporciona apoyo oportuno a la toma de decisiones para el manejo de cultivos de cebolla de temporada de lluvias en diversas condiciones agronómicas.
El estudio destaca el potencial de las técnicas avanzadas de teledetección e IA en la agricultura moderna.