Investigadores australianos desarrollan herramientas capaces de evaluar la fotosíntesis y el llenado del grano mediante drones, con el objetivo de acelerar el mejoramiento del cultivo.
Redacción: Redacción Mundo Agropecuario
Editor: Eduardo Schmitz
Un equipo de investigadores de la Organización de Investigación Científica e Industrial de la Commonwealth (CSIRO), en Australia, ha conseguido avances en el uso de cámaras hiperespectrales instaladas en drones para identificar características fisiológicas del trigo que resultan difíciles de detectar mediante observaciones convencionales. La tecnología permite analizar grandes superficies experimentales y obtener información sobre procesos relacionados con el crecimiento, la utilización de energía y la formación del grano.
El desarrollo, presentado por CSIRO el 9 de noviembre de 2026, forma parte del proyecto AcceleTraitPlus, una iniciativa orientada a proporcionar a los mejoradores de trigo herramientas más rápidas y precisas para seleccionar materiales con características agronómicas favorables.
La investigación busca superar una de las principales dificultades de los programas de mejoramiento vegetal: evaluar numerosos genotipos en condiciones reales de campo sin depender exclusivamente de mediciones manuales que requieren mucho tiempo y personal especializado.
Una tecnología que detecta características invisibles del trigo
Las cámaras hiperespectrales registran la radiación reflejada por las plantas en numerosas bandas del espectro electromagnético. A diferencia de las cámaras convencionales, que trabajan principalmente con los componentes rojo, verde y azul, estos instrumentos permiten analizar información espectral mucho más detallada.
Los investigadores utilizan mediciones en longitudes de onda comprendidas entre 350 y 2.500 nanómetros, que abarcan regiones del ultravioleta, la luz visible y el infrarrojo.
Cada hoja refleja la radiación de manera diferente según sus propiedades y condiciones fisiológicas. Esas variaciones pueden analizarse mediante modelos matemáticos para estimar características que no se reconocen fácilmente a simple vista.
Aswin Singaram Natarajan, científico experimental de CSIRO, explicó que una planta aparentemente saludable puede presentar un consumo excesivo de energía, pérdidas importantes de agua o dificultades para completar adecuadamente el llenado del grano.
La posibilidad de identificar esas diferencias resulta especialmente relevante para el desarrollo de variedades de trigo adaptadas a diferentes condiciones de producción, donde el rendimiento depende de la interacción entre las características genéticas, la disponibilidad hídrica y el ambiente.
Fotosíntesis, respiración y llenado del grano
El proyecto concentra sus esfuerzos en tres características fisiológicas consideradas importantes para comprender el comportamiento productivo del trigo: la fotosíntesis, la respiración y la velocidad de llenado del grano.
La fotosíntesis determina la capacidad de la planta para transformar la energía solar y el dióxido de carbono en compuestos que sostienen su crecimiento. La respiración, por su parte, representa el consumo de parte de esos recursos para mantener los procesos celulares.
El equilibrio entre ambos procesos influye en la disponibilidad de energía para el desarrollo vegetal y la formación de estructuras reproductivas.
La tercera característica estudiada es la velocidad de llenado del grano, un proceso directamente relacionado con la acumulación de materia seca y el tamaño final de los granos.
Tradicionalmente, medir esta variable exige visitar repetidamente las parcelas experimentales durante la campaña, recolectar espigas, secarlas y determinar su peso. Según CSIRO, las evaluaciones pueden requerir entre diez y doce visitas a los ensayos y la manipulación de miles de espigas.
Los investigadores buscan sustituir parte de ese trabajo por estimaciones obtenidas a partir de imágenes hiperespectrales, lo que permitiría comparar numerosos materiales genéticos con mayor rapidez.
Los drones reducen el tiempo necesario para evaluar los cultivos
Uno de los avances más importantes del proyecto consiste en trasladar los instrumentos de medición desde las hojas individuales hasta plataformas aéreas capaces de observar parcelas completas.
Anteriormente, los especialistas debían recorrer los ensayos con espectrómetros portátiles y realizar mediciones directamente sobre cada hoja seleccionada.
Con una cámara hiperespectral instalada en un dron, es posible registrar información de un campo experimental durante un solo vuelo, recopilando en minutos datos cuya obtención manual podía requerir varias horas.
El investigador Ryan Lagerstrom, especialista en análisis de datos y visión artificial de CSIRO, destacó que los drones ofrecen una alternativa intermedia entre las observaciones satelitales y las mediciones realizadas directamente sobre las plantas.
Los satélites permiten cubrir superficies extensas, pero presentan limitaciones relacionadas con la resolución espacial y la frecuencia de observación. Los sensores portátiles ofrecen mediciones detalladas, aunque su utilización resulta difícil de ampliar a cientos de parcelas.
La tecnología aérea busca combinar cobertura, resolución y flexibilidad para realizar evaluaciones durante las etapas de desarrollo que interesan a los mejoradores.
Este enfoque guarda relación con otras investigaciones sobre el uso de drones y herramientas genéticas para identificar trigo resistente a la sequía, aunque los proyectos utilizan procedimientos y objetivos experimentales específicos.
Ensayos realizados en dos regiones agrícolas australianas
La investigación cuenta con el respaldo de la Grains Research and Development Corporation (GRDC), organismo australiano que financia iniciativas relacionadas con la productividad y competitividad de los cereales.
También participa la empresa de mejoramiento vegetal Australian Grain Technologies (AGT), cuya colaboración permite evaluar la utilidad de los instrumentos en programas comerciales de selección.
El proyecto AcceleTraitPlus se desarrolló entre 2024 y 2025 mediante ensayos de mejoramiento realizados en Australia Occidental y Nueva Gales del Sur.
Durante estas actividades, los investigadores recopilaron imágenes y mediciones fisiológicas destinadas a construir modelos capaces de relacionar las señales espectrales con características concretas del cultivo.
Los resultados presentados durante la Australian Crop Breeders Week mostraron que los modelos desarrollados podían predecir la velocidad de llenado del grano y la fotosíntesis.
Estos avances representan una prueba de viabilidad para el empleo de imágenes hiperespectrales en condiciones experimentales reales, aunque todavía es necesario perfeccionar los procedimientos y comprobar su utilidad en una mayor diversidad de situaciones agrícolas.
El procesamiento de datos es una parte esencial del desarrollo
La obtención de imágenes constituye solamente una etapa del procedimiento. Los sensores generan grandes volúmenes de información que deben calibrarse, procesarse y analizarse antes de transformarse en indicadores útiles para la selección vegetal.
El investigador Gonzalo Estavillo, integrante de CSIRO, señaló que producir datos de calidad a gran escala representa uno de los desafíos más importantes de la investigación agrícola.
El equipo utiliza modelos estadísticos, herramientas de visión artificial y métodos avanzados de análisis para interpretar los registros obtenidos durante los vuelos.
También emplea recursos de computación en la nube que permiten procesar y compartir grandes conjuntos de datos entre los especialistas participantes.
La incorporación progresiva de técnicas de aprendizaje automático amplía las posibilidades de identificar relaciones entre las respuestas espectrales y las características fisiológicas de las plantas.
Sin embargo, los investigadores advierten que la precisión de las predicciones depende de la calidad de las mediciones originales, la calibración de los instrumentos y la validación de los modelos.
Una herramienta para seleccionar trigo mejor adaptado al clima
El objetivo final del proyecto no consiste únicamente en obtener imágenes más detalladas, sino en facilitar la identificación de variedades que aprovechen mejor los recursos disponibles y mantengan un comportamiento productivo favorable en condiciones ambientales difíciles.
La capacidad de evaluar características fisiológicas durante el crecimiento podría ayudar a reconocer diferencias entre genotipos antes de conocer el rendimiento final de la cosecha.
Este enfoque resulta relevante para los programas de selección que buscan combinar productividad, estabilidad y adaptación al estrés ambiental.
En Chile, por ejemplo, investigaciones sobre variedades tradicionales de trigo y su comportamiento frente a sequías severas han mostrado la importancia de estudiar diferencias fisiológicas y productivas entre materiales genéticos.
Asimismo, iniciativas internacionales de mejoramiento de trigo resistente a enfermedades en África reflejan la necesidad de integrar información genética, observaciones de campo y herramientas de análisis para desarrollar variedades adaptadas a distintas regiones.
En Australia, los investigadores consideran que la principal contribución de AcceleTraitPlus es demostrar que los instrumentos hiperespectrales pueden funcionar a escala de ensayos de mejoramiento, una condición necesaria para su eventual incorporación a programas comerciales.
Anton Wasson, responsable del proyecto en la unidad de Agricultura y Alimentación de CSIRO, destacó que numerosos avances en fisiología vegetal todavía encuentran dificultades para incorporarse a los sistemas de selección utilizados por las empresas.
La nueva metodología pretende reducir esa distancia entre la investigación científica y su aplicación práctica.
Por ahora, los resultados no demuestran que la tecnología haya generado variedades comerciales de mayor rendimiento. Su aportación consiste en facilitar la medición de características que podrían mejorar las decisiones de selección y acelerar determinadas etapas del mejoramiento del trigo.
Fuente referencial: CSIRO — Giving wheat breeders hyper vision, publicado el 9 de noviembre de 2026
