Imágenes satelitales apoyan a los productores de garbanzo

Un nuevo estudio publicado en el European Journal of Agronomy ofrece a los productores de garbanzo una herramienta poderosa para tomar decisiones de riego más inteligentes y mejorar el rendimiento de sus cultivos, gracias a datos satelitales y aprendizaje automático.

Dirigido por el doctorando Omer Perach, bajo la supervisión del Dr. Ittai Herrmann, en el Instituto Robert H. Smith de Ciencias Vegetales y Genética Agrícola, Facultad de Agricultura, Alimentación y Medio Ambiente, de la Universidad Hebrea de Jerusalén, la investigación integra imágenes satelitales Sentinel-2 de alta resolución con datos meteorológicos para estimar indicadores clave de la salud de las plantas: el Índice de Área Foliar (IAF) y el Potencial Hídrico Foliar (PHF). Estos indicadores desempeñan un papel fundamental en la comprensión del desarrollo del dosel y el estrés hídrico en el garbanzo, un cultivo vital para las regiones semiáridas de todo el mundo.

Al combinar la ciencia de datos con la agronomía, los investigadores desarrollaron modelos de aprendizaje automático que pueden predecir las condiciones fisiológicas a nivel de campo en los campos comerciales de garbanzo. Fundamentalmente, probaron los modelos utilizando una estrategia de "dejar-campo-fuera", imitando condiciones reales donde no se habían utilizado previamente campos nuevos para entrenarlos, lo que hace que la herramienta sea relevante y confiable para su uso práctico.

“Nuestro objetivo era crear algo que no solo funcionara en el laboratorio, sino que también ayudara a los agricultores en el campo”, afirmó el autor principal, Omer Perach. “Con este sistema, podemos ofrecer a los agricultores mapas espaciales del desarrollo de las plantas y del estado hídrico en todo su campo. Este tipo de información permite un riego más preciso y oportuno”.

Los modelos lograron una alta precisión para estimar el Índice de Área Foliar y pudieron distinguir entre diferentes niveles de estrés hídrico, incluso con la variabilidad del mundo real en 17 campos comerciales. Al superponer mapas fisiológicos con los programas de riego, los investigadores demostraron cómo los agricultores podían responder preventivamente a las necesidades de los cultivos y mejorar los resultados de rendimiento.

“La respuesta de las plantas de garbanzo a los regímenes de riego se puede observar desde el espacio”, afirmó el Dr. Ittai Herrmann. Lo que hemos desarrollado es una forma escalable de detectar la variabilidad dentro del campo utilizando datos satelitales gratuitos e información estándar de estaciones meteorológicas. Esto ayuda a transformar la agricultura intuitiva en una gestión basada en datos.

El estudio sienta las bases para integrar estos modelos en plataformas como Google Earth Engine, donde agricultores de todo el mundo pueden acceder a ellos, incluso en regiones con infraestructura técnica limitada.

La investigación contó con el apoyo del Fondo de Investigación Intramuros de la Universidad Hebrea, la Asociación de Agricultores de Cultivos Extensivos de Israel y el Científico Jefe del Ministerio de Agricultura y Seguridad Alimentaria de Israel.