Un equipo de investigadores dirigido por el Dr. Ittai Herrmann en la Universidad Hebrea de Jerusalén, en colaboración con la Universidad Estatal de Virginia, la Universidad de Tokio y el Instituto Volcani, ha aplicado un sistema avanzado basado en drones que detecta con precisión las deficiencias combinadas de nitrógeno y agua en el sésamo cultivado en el campo, allanando el camino para una agricultura más eficiente y sostenible.
por la Universidad Hebrea de Jerusalén
Publicado en el ISPRS Journal of Photogrammetry and Remote Sensing , el estudio muestra cómo los vehículos aéreos no tripulados (UAV) equipados con sensores hiperespectrales, térmicos y RGB pueden trabajar en conjunto con modelos de inteligencia artificial para diagnosticar escenarios complejos de estrés en los cultivos.
Los métodos tradicionales de teledetección suelen ser insuficientes para detectar factores de estrés ambiental combinados, como la escasez de agua y nutrientes. Este estudio es uno de los primeros en abordar con éxito este desafío en un cultivo indeterminado como el sésamo.
«Al integrar datos de múltiples fuentes de imágenes de UAV y entrenar modelos de aprendizaje profundo para analizarlos, ahora podemos distinguir entre factores de estrés que antes eran difíciles de distinguir», afirmó el Dr. Herrmann. «Esta capacidad es vital para la agricultura de precisión y para la adaptación a los desafíos del cambio climático».
El enfoque de conjunto multimodal del equipo mejoró la precisión de la clasificación del estrés combinado de nutrientes y agua de solo un 40%–55% utilizando métodos convencionales a un impresionante 65%–90% con su sistema de aprendizaje profundo desarrollado a medida.
El experimento de campo se llevó a cabo en la Granja Experimental de la Facultad de Agricultura Robert H. Smith en Rehovot. Las semillas fueron proporcionadas por el profesor Zvi Peleg. Rom Tarshish, entonces estudiante de maestría, cultivó plantas de sésamo con diversos tratamientos de riego y nitrógeno, y obtuvo características vegetales y datos espectrales a nivel foliar.
La Dra. Maitreya Mohan Sahoo analizó las imágenes de vehículos aéreos no tripulados a través de procesos de aprendizaje automático para generar mapas del contenido de nitrógeno de las hojas, el contenido de agua y otros rasgos fisiológicos, lo que ayudó a identificar marcadores de estrés tempranos.
El sésamo, un cultivo oleaginoso resiliente al clima con una creciente demanda mundial, fue seleccionado por su importancia nutricional y su potencial de expansión a nuevos agroecosistemas. Este nuevo método de teledetección podría permitir a los agricultores reducir el uso de fertilizantes y agua, manteniendo al mismo tiempo el rendimiento, lo que mejoraría los resultados económicos y ambientales.
Más información: Maitreya Mohan Sahoo et al., Conjunto multimodal de imágenes hiperespectrales, térmicas y RGB obtenidas por drones para identificar deficiencias combinadas de nitrógeno y agua en sésamo cultivado en campo, Revista ISPRS de Fotogrametría y Teledetección (2025). DOI: 10.1016/j.isprsjprs.2025.02.011
