Tecnologías emergentes para la fruticultura de precisión

1. Introducción

Todos los organismos internacionales coinciden en que la agricultura debe ser más productiva para hacer frente al incremento de población mundial, y, a la vez, más respetuosa con el medio ambiente. 

Tanto las Naciones Unidas, a través de la FAO y de los Objetivos de Desarrollo Sostenible, como la Unión Europea, a través del Pacto Verde Europeo y de su estrategia agrícola Del campo a la mesa, convergen en el concepto de intensificación sostenible. Sostenibilidad, entre otras definiciones, es la capacidad de una actividad de perdurar atendiendo a aspectos medioambientales, económicos y sociales. 

Es por ello por lo que las explotaciones agrícolas deben preservar el entorno donde realizan su actividad, cultivar con unos costes asequibles para ser rentables, y hacerlo dando respuesta a la problemática social del mundo rural. Para conseguirlo, entre muchos otros aspectos importantes, es imprescindible incrementar la eficiencia en el uso de los recursos agrícolas. Es decir: conseguir más y mejores producciones con menos insumos, sacar el máximo provecho de los recursos utilizados y reducir al máximo las pérdidas y el despilfarro.

Y es en esta tarea de optimizar el uso de recursos y maximizar la eficiencia donde puede sernos muy útil la tecnología. Para incrementar la eficiencia es imprescindible conocer con detalle cuántos insumos utilizamos y en qué cantidad, dónde los utilizamos, qué respuesta tiene el cultivo frente a cada uno de ellos y, además, cuantificar con exactitud los costes de cada una de las acciones que se llevan a cabo en una explotación. 

Actualmente, la agricultura cuenta con tecnologías digitales que pueden ayudar a las explotaciones a hacer frente a estos retos. 

1.1 La agricultura de precisión

Sin embargo, la tecnología no es la panacea para todos los problemas. La tecnología, por ejemplo, puede proporcionar muchísimos datos de las explotaciones, pero la transformación de estos en información, de esa información en conocimiento y de ese conocimiento en decisiones es algo que solamente podremos conseguir utilizando adecuadamente nuestra inteligencia; la natural, evidentemente. 

Esto es, básicamente, lo que pretende la agricultura de precisión. Según la Sociedad Internacional de Agricultura de Precisión, la ISPA, por su sigla en inglés, la agricultura de precisión es una estrategia de gestión que recoge, procesa y analiza datos temporales, espaciales e individuales de plantas y animales y los combina con otras informaciones para respaldar las decisiones de manejo de acuerdo con la variabilidad estimada, y así mejorar la eficiencia en el uso de recursos, la productividad, la calidad, la rentabilidad y la sostenibilidad de la producción agrícola. 

Queda claro que la agricultura de precisión no es solamente una colección de tecnologías, sino una estrategia de gestión global de los campos y las explotaciones. Y su objetivo principal es medir la variabilidad en las parcelas para poder tomar decisiones que se ajusten a esa variabilidad y, por lo tanto, mejoren la eficiencia en el uso de los recursos agrícolas. 

Así, se debería emplear más recursos allá donde realmente van a ser aprovechados y, por el contrario, emplear menos recursos donde no van a ser de utilidad. Este principio tan básico ya lo conocían nuestros abuelos y bisabuelos, y también sus abuelos y bisabuelos. La novedad es que la tecnología proporciona a productores y productoras la posibilidad de poder cuantificar con detalle las diferencias existentes en los campos y la capacidad de poder agrupar y delimitar con exactitud las zonas con capacidades y necesidades distintas. 

Para lograrlo, la agricultura de precisión se practica a partir de un ciclo de 4 etapas: 

1. Adquisición de datos del cultivo y de la parcela; 
2. extracción de información de esos datos; 
3. toma de decisiones agronómicas y 
4. actuación en el campo. 

Y en cada etapa pueden participar tecnologías varias (Fig. 1). Actualmente, el cuello de botella es la toma de decisiones, ya que la información elaborada debe interpretarse adecuadamente a la luz de las características de cada parcela. Es ahí donde la experiencia de agricultores y agricultoras y el conocimiento agronómico de técnicos asesores es crucial.

Se empieza a hablar de agricultura de precisión en los años 80 del siglo pasado. Después de 40 años, muchos esperábamos que su adopción fuera ya mayoritaria, pero no ha sido así. Aplicar sus principios requiere una formación importante por parte de agricultores/as y técnicos/as a todos los niveles (empresas productoras, empresas de servicios, administración, etc.), de investigación y desarrollo, de ayudas incentivadoras y asesoramiento por parte de la administración, y de reconocimiento por parte de la sociedad. Todo ello ha hecho que el proceso de adopción no haya sido tan rápido como se esperaba. 

1.2 La fruticultura de precisión

En el caso de la fruticultura, sus especificidades han hecho que el desarrollo y la adopción de la tecnología sea aún menor. En contra de lo que pasa en los cultivos herbáceos, muchas de las operaciones se realizan a mano y la manipulación puede afectar en gran medida a la calidad del producto. Esto hace que algunas operaciones sean difíciles de mecanizar y automatizar. 

Un claro ejemplo de ello es la recolección. En la recolección de cereales hace tiempo que se dispone de cosechadoras capaces de registrar la producción en cada punto del campo, cosa que permite la generación de mapas de productividad o cosecha. 

Convertir el mapa de cosecha en un mapa de ingresos es inmediato y eso permite identificar las zonas más productivas y menos productivas dentro de un mismo campo. Ello, sin duda, ha contribuido a la adopción de soluciones de la agricultura de precisión en cultivos extensivos. 

Sin embargo, en fruticultura difícilmente se dispone de un mapa de cosecha en cultivos de recolección no mecanizada. Además, el hecho de que los cultivos frutales presenten estructuras mucho más altas y voluminosas que los cultivos herbáceos, así como el hecho de que normalmente se organicen en filas, los hace más complicados de monitorear. 

Estas dificultades han provocado una falta de oferta de soluciones digitales en fruticultura que, a su vez, han provocado una baja demanda, y viceversa. Afortunadamente, hoy en día se dispone ya de soluciones tecnológicas que pueden facilitar la adopción de la fruticultura de precisión.

2. Tecnologías para la fruticultura de precisión

 A continuación, se van a describir algunas de las tecnologías disponibles en fruticultura de precisión. Estas tecnologías permiten el monitoreo de las plantaciones para detectar la variabilidad de muchos de sus parámetros productivos así como posibles problemas. El resultado de este monitoreo es la recopilación de muchísimos datos. 

Antaño, obtener datos en agricultura era tedioso y caro. Actualmente, después de cualquier operación agrícola es posible regresar al almacén habiendo generado varios megas e incluso gigas de datos digitales. 

El reto es rentabilizar esos datos utilizándolos para conocer mejor las necesidades de los cultivos y optimizar las diferentes operaciones agrícolas. Por ejemplo, es posible ajustar las dosis de insumos como fertilizantes, productos fitosanitarios y agua de riego a cada parcela o, aún mejor, prescribir tratamientos a dosis variable para ajustar las dosis a las necesidades de cada zona de la parcela. El reto es incluir todos estos datos y el conocimiento asociado en los modelos de toma de decisión para su explotación comercial.

El objetivo de la tecnología es rentabilizar los datos utilizándolos para conocer mejor las necesidades de los cultivos y optimizar las diferentes operaciones

2.1 Sistemas de navegación vía satélite

Unas de las tecnologías más emblemáticas de la agricultura de precisión han sido los sistemas satelitales de navegación global (GNSS, del inglés Global Navigation Satellite System). El famoso GPS americano es uno de ellos, pero existen tres GNSS más: el GLONASS ruso, el GALILEO europeo (Fig. 2) y el BEIDOU chino. 

Estos sistemas permiten la obtención de las coordenadas de las trayectorias de los equipos durante las operaciones, así como de las muestras y medidas tomadas. También permiten la navegación para el seguimiento de trayectorias concretas o el muestreo dirigido de suelos y cultivos. 

En los inicios de la fruticultura de precisión se detectaron dificultades en la obtención de coordenadas dentro de las plantaciones. Sin embargo, el hecho de que los receptores GNSS profesionales actuales suelen ser compatibles con los 4 sistemas GNSS, junto con la paulatina substitución de las primeras generaciones de satélites por satélites más potentes y con más prestaciones, ha logrado que la obtención de coordenadas entre árboles no suela tener problemas.

Estos equipos permiten la obtención de las coordenadas de trayectorias y el muestreo de suelos y cultivos

Una mejora importante en los GNSS ha sido el desarrollo de sistemas de corrección. Ya sean terrestres o satelitales, los sistemas de corrección actuales permiten obtener coordenadas con un error de pocos centímetros a un coste asumible. 

Hace pocos años, para conseguir errores de esta magnitud se tenían que desembolsar varios miles de euros. En la actualidad, se pueden encontrar en el mercado receptores por poco más de 500 € que se pueden conectar a redes de corrección públicas gratuitas para generar coordenadas centimétricas. 

En fruticultura es particularmente importante trabajar con coordenadas submétricas y, aún mejor, centimétricas. Un error de uno o dos metros puede significar equivocarse de árbol o incluso de calle o fila.

2.2 Teledetección

Las imágenes digitales RGB no son más que cuadrículas de píxeles en las que para cada uno se guarda la cantidad de color rojo, verde y azul que captó la cámara en el momento de la fotografía. La mezcla de estas tres cantidades da como resultado el color que reflejaba el objeto en el momento de ser fotografiado. 

Así, un píxel de una planta que contenga un valor elevado de color verde presumiblemente indique que esa planta esté más sana que un píxel de una planta menos verde. Sin embargo, en agricultura, además de los tres colores básicos también es interesante captar la radiación invisible del sol que reflejan las plantas. Eso se puede conseguir utilizando cámaras multiespectrales o hiperespectrales. 

A partir de los datos de luz reflejada guardados en cada píxel, se pueden realizar cálculos numéricos de índices matemáticos que se relacionan con el estado de las plantas. El índice más conocido en agricultura es el índice de vegetación de la diferencia normalizada o NDVI (del inglés Normalised Difference Vegetation Index). Este índice se calcula para cada píxel a partir del cociente de la diferencia entre la cantidad de luz infrarroja, la cantidad de luz roja y la suma de ambas cantidades. 

Puesto que la cantidad de luz roja que refleja una planta se relaciona con su actividad fotosintética y la cantidad de luz infrarroja se relaciona con la estructura de las hojas, un valor de NDVI de 1 representa una planta sana y un valor de 0 indica una planta muerta o ausencia de vegetación. 

Cabe destacar que, actualmente, los investigadores han creado infinidad de índices de vegetación, cada uno relacionado con diferentes aspectos fisiológicos de las plantas.

Las imágenes multiespectrales tomadas desde plataformas remotas permiten la obtención de índices de vegetación para cada uno de los píxeles que representan un campo y, por lo tanto, permiten conocer el estado del cultivo y su variabilidad. 

El lanzamiento de los satélites de la misión Sentinel-2 del programa europeo Copernicus en 2015 fue una revolución para la agricultura de precisión. Los satélites Sentinel-2 proporcionan imágenes de todo el mundo con una resolución espacial de 10 metros y una resolución temporal de 5 días sin coste de adquisición. Sin embargo, un tamaño de píxel de 10 m x 10 m significa que para esa superficie de 100 m² solamente se va a obtener un solo valor de verde, rojo, azul y otras longitudes de onda medidas. 

En fruticultura, en una superficie de 10 m x 10 m encontramos filas de cultivo, pero también tramos de calle. Así, los índices de vegetación que se calculen van a verse muy afectados por lo que haya en las calles. 

En el hipotético caso de que en una plantación las calles fueran todas exactamente iguales, las variaciones en los índices podrían atribuirse a variaciones en el cultivo, pero eso no es realista. Estos índices pueden ser una fuente de información interesante pero en fruticultura deben usarse con prudencia cuando la resolución espacial es baja.

Es por ello por lo que en fruticultura se necesita que los datos obtenidos por teledetección tengan una resolución espacial mucho mayor. Para conseguirlo hay dos opciones: 1) incrementar la resolución de las imágenes satelitales; 2) utilizar plataformas más próximas al cultivo como avionetas y drones. 

En cuanto a la primera opción, actualmente ya existen satélites de empresas privadas que proporcionan imágenes de mayor resolución, algunos por debajo de los 50 cm en imágenes RGB. Sin embargo, en agricultura se utilizan imágenes multiespectrales y son pocos los productos de este tipo con tamaño de píxel inferior a 2 m. Esperemos que las próximas misiones proporcionen productos más adecuados para la fruticultura de precisión. 

En cuanto a la segunda opción, la utilización de avionetas implica la contratación de vuelos ex profeso y eso tiene un coste que difícilmente va a permitir una resolución temporal adecuada. Por otro lado, parece que los drones se van perfilando como una opción interesante para el monitoreo de frutales en explotaciones pequeñas. Sin embargo, en explotaciones medianas y grandes, los drones no son muy operativos por la falta de autonomía y por el volumen de datos generado. 

Debe tenerse en cuenta que, en todos los casos, la teledetección solamente permite observar la parte superior de la vegetación, cuando en fruticultura los laterales de la copa también son importantes.

En fruticultura se necesita que los datos obtenidos por teledetección tengan una resolución espacial mucho mayor a la de los satélites Sentinel-2

2.3 Sensores terrestres o próximos

Una alternativa a la teledetección son los sensores terrestres o próximos. Estos sensores pueden ser estáticos o móviles. En cuanto a los segundos, recientemente se ha observado un incremento importante de empresas de servicios que utilizan sensores terrestres móviles para cuantificar las dimensiones de la vegetación, la floración, el cuajado, la carga  de frutos y la estimación de cosecha. 

Estas empresas suelen utilizar cámaras RGB convencionales, cámaras RGB-D que proporcionan color y distancia para cada píxel, o sistemas basados en LiDAR (del inglés Light Detection and Ranging) que proporcionan medidas geométricas de la vegetación (Fig. 3). Tan importantes o más que los datos obtenidos por estos sensores son los algoritmos utilizados para la detección y cuantificación de flores, frutos y dimensiones de las copas. En este ámbito ha habido y sigue habiendo un esfuerzo de desarrollo importante.

Dado que todas las medidas se georreferencian con receptores GNSS, el resultado puede presentarse perfectamente en forma de un mapa 2D que represente la variabilidad de los parámetros analizados a lo largo y ancho de la plantación. Sin embargo, antes de utilizar estos sistemas es conveniente hacer alguna prueba previa para asegurar que los algoritmos utilizados funcionan correctamente en las condiciones de nuestra plantación. 

Los mapas obtenidos se pueden utilizar para detectar problemas en el manejo de la plantación (problemas en el sistema de riego, en la fertilización, etc.) o para realizar una prescripción variable en las operaciones agronómicas derivadas. Por ejemplo, si en un mapa de dimensiones de las copas se observa que hay zonas donde los árboles crecen más que en otras zonas, se podría pensar en aplicar mayores dosis de productos fitosanitarios en las primeras y menores en las segundas.

Otro tipo de sensores terrestres son los sensores estáticos. Ejemplos de este tipo son los sensores de humedad del suelo para la gestión del riego, la instalación de cámaras RGB o multiespectrales fijas para el monitoreo del cultivo en tiempo real y la instalación de trampas de insectos automáticas. En estos casos, el sensor solamente toma datos de un punto, por lo que resulta imprescindible realizar un estudio geoestadístico de la variabilidad de la plantación para saber el número óptimo de sensores a instalar así como su ubicación óptima. 

Basar la toma de decisiones en un número de sensores insuficiente o en sensores situados en puntos poco representativos puede perjudicar la eficiencia de la explotación, reducir los beneficios e incrementar los costes. 

En relación con la instalación de trampas de monitoreo de plagas, actualmente existen en el mercado trampas automáticas que permiten la visualización remota y hasta el conteo automático a partir de imágenes RGB y algoritmos de reconocimiento de insectos basados en inteligencia artificial. Por el momento, estos equipos tienen un coste elevado, pero es de esperar que vaya bajando con el tiempo y se pueda empezar a pensar en un monitoreo de alta resolución dentro de las parcelas para la realización de aplicaciones variables en el tiempo y en el espacio, tal como ya se está investigando en el proyecto PAgPROTECT, de la convocatoria Proyectos de Generación de Conocimiento de la Agencia Estatal de Investigación y del Ministerio de Ciencia e Innovación.

En las plantaciones de regadío, una práctica muy interesante antes de instalar el riego es hacer un estudio del suelo de toda la plantación. Hacerlo tomando muestras convencionales y llevándolas al laboratorio es inviable, pero una alternativa son los sensores de conductividad eléctrica aparente del suelo. Estos sensores realizan medidas georeferenciadas sobre la marcha a partir de las cuales se puede generar un mapa continuo de ese parámetro para toda la plantación. 

La conductividad eléctrica aparente del suelo se relaciona con el contenido de humedad, la textura, la salinidad, la compactación y la profundidad del suelo, entre otros parámetros. Con esta información, el conocimiento de las características de la parcela y la toma de algunas muestras de suelo convencionales se puede llegar a diseñar los sectores de riego de la parcela teniendo en cuenta la capacidad de retención de agua del suelo. 

La idea es diseñar el sistema de riego para que cada sector contenga solamente un tipo de suelo y así poder ajustar las dosis de riego a las necesidades concretas de conjunto cultivo-suelo (Fig. 4). Con esta práctica se puede mejorar de forma importante la eficiencia en el uso del agua.

2.4 Dosificación variable de insumos

Una vez obtenidos los datos y convertidos en información es el momento de tomar decisiones. En agricultura de precisión, la primera decisión a tomar es si se continúa realizando un manejo uniforme de la plantación o bien si la variabilidad detectada justifica una actuación variable. 

En fruticultura se pueden realizar ya aplicaciones variables de productos fitosanitarios. Otras operaciones que se podrían realizar de forma diferenciada o con dosis variables de insumos son la fertilización o fertirrigación, el aclareo de frutos, el manejo de la copa o poda y el control de malas hierbas.

En cuanto a la aplicación variable de productos fitosanitarios, ésta se puede realizar en tiempo real o bien en base a mapas de prescripción. En tiempo real, el equipo incorpora sensores que miden la vegetación sobre la marcha e inmediatamente deciden qué dosis le corresponde y proceden a aplicarla. En este caso, el ciclo de la agricultura de precisión se ejecuta en unos pocos milisegundos. 

En el caso de aplicaciones basadas en mapas de prescripción, en primer lugar, es necesario tomar datos sobre las dimensiones de la vegetación, ya sea utilizando sensores próximos o remotos. En segundo lugar, deben procesarse los datos y generar un mapa de vegetación de la plantación. En tercer lugar, se tiene que analizar la variabilidad del mapa, clasificarlo para generar las diferentes zonas de manejo y asignar una dosis para cada zona. Es lo que se denomina un mapa de prescripción. 

La primera decisión a tomar es si se continúa realizando un manejo uniforme de la plantación o bien si la variabilidad detectada justifica una actuación variable

Finalmente, el mapa de prescripción debe cargarse en un pulverizador que irá ajustando la dosis en función de su ubicación y de la consigna del mapa. De esta manera, el ciclo de la agricultura de precisión requiere varios días para ser completado. En el caso de la aplicación de productos fitosanitarios, la empresa Pulverizadores Fede ha presentado recientemente el sistema KFAST, un robot capaz de realizar aplicaciones variables de forma completamente autónoma.

Tal como se ha comentado anteriormente, el cuello de botella en cualquier operación es la etapa de toma de decisiones. Cómo crear las zonas de manejo, cuántas zonas deben crearse y cómo decidir qué dosis corresponde a cada zona son preguntas habituales. 

Una posible solución general es recurrir a procesos de prueba y error para analizar si los resultados han sido eficaces y eficientes. Afortunadamente, en el caso de la aplicación de fitosanitarios se han desarrollado sistema de ayuda a la decisión que recomiendan volúmenes de aplicación a partir de una serie de datos sobre el cultivo y sobre la plaga. Ejemplos de ellos son DOSA3D, de la Universitat de Lleida; DOSAVIÑA, de la Universitat Politècnica de Catalunya y CitrusVol del Instituto Valenciano de Investigaciones Agrarias. ¡Necesitamos sistemas de ayuda a la decisión para todas las operaciones!

2.5 Robótica

Finalmente, una de las grandes promesas de la tecnología es la robótica. Aparte del robot pulverizador ya reseñado, poco a poco van apareciendo en el mercado diferentes tipos de robots específicos para fruticultura. 

Estos equipos se pueden clasificar en tres grandes tipos: 

1. Robots para el monitoreo de las plantaciones; 
2. robots para la automatización de operaciones; 
3. y robots de servicio.

Un buen ejemplo de robots para el monitoreo de plantaciones son los drones. Un dron es un robot aéreo que realiza rutas predefinidas y que utiliza sensores embarcados para adquirir datos del cultivo. En cuanto a robots de monitoreo terrestres, existen todavía muy pocos modelos comerciales que ejecuten medidas específicas para fruticultura. Lo que sí hay son plataformas comerciales a las que se les podrían incorporar sensores propios para monitorizar parámetros específicos, aunque ello requiere de un desarrollo importante.

Dentro de los robots para la automatización de operaciones agrícolas, existen ya modelos comerciales para labores de escarda mecánica, para la aplicación de productos fitosanitarios, ya sea de forma aérea como terrestre y equipos para la recolección automática de fruta. Además de automatizar la operación para la cual están diseñados, este tipo de robots son una fuente de datos adicional. Por ejemplo, si a un robot recolector de fruta se le incorpora un sistema de georreferenciación, pesaje y caracterización de la fruta, los datos recopilados podrían servir para generar un mapa de productividad o cosecha, tan deseado e importante en fruticultura de precisión.

Finalmente, los robots de servicio son todos aquellos equipos que ayudan a las personas en las tareas más arduas y pesadas. Un ejemplo de ellos son los robots que transportan cajas de fruta durante la recolección para que las personas no tengan que sostenerlas y acarrearlas. Si se diseñan de forma inteligente, esos robots también son capaces de recopilar datos interesantes. Si al robot de servicio que transporta cajas de fruta se le añaden células de carga, también sería posible obtener datos para la generación de mapas de productividad en plantaciones frutales.

Cada día hay más aplicaciones tecnológicas y robóticas en agricultura. Sin embargo, la adopción de estas tecnologías está supeditada a la formación por parte de explotaciones y técnicos, a la validación de las soluciones propuesta, a las ayudas incentivadoras de la administración y a la respuesta de los consumidores. 

Además, la transferencia de estas tecnologías a nuestros campos estará también condicionada, inevitablemente, a su fiabilidad y, sobre todo, al servicio postventa que den las empresas.