Los resultados obtenidos muestran el potencial de estas tecnologías para transformar la evaluación de los cultivos. Los modelos alcanzaron niveles de precisión superiores al 92 % en híbridos comerciales y al 86 % en líneas de maíz.
Investigadores del INTA Pergamino desarrollaron modelos basados en imágenes aéreas de alta resolución que permiten estimar la fracción de radiación solar interceptada por el cultivo de maíz, una variable directamente vinculada con la producción de biomasa y el rendimiento. Los resultados alcanzaron más del 92 % de precisión en híbridos comerciales, y abren nuevas posibilidades para agilizar el fenotipado y fortalecer los programas de mejoramiento genético. Los primeros resultados serán presentados en el XIII Congreso Nacional de Maíz.
Con el objetivo de modernizar los métodos tradicionales de fenotipado y reducir los tiempos de trabajo a campo, la Estación Experimental Agropecuaria (EEA) Pergamino del INTA incorporó un Vehículo Aéreo No Tripulado (VANT) equipado con tecnología multiespectral y térmica. La iniciativa forma parte del Programa Nacional de Ecofisiología y Agroecosistemas y busca desarrollar protocolos precisos para procesar datos obtenidos mediante sensores remotos y aplicarlos directamente en los programas de mejoramiento genético de la región.
“Este desarrollo se consolidó mediante un esquema asociativo que vincula internamente a las áreas de Sistemas de Información Geográfica (SIG), Ecofisiología de cultivos, Mejoramiento de Girasol y Mejoramiento de Maíz de la experimental”, explicó Javier Portillo, investigador de la EEA Pergamino del INTA. Además, señaló que este trabajo se extiende a escala federal mediante la interacción con otras estaciones experimentales a través de la Red Nacional de Drones del INTA.
Según Portillo, la evaluación tradicional de los ensayos de mejoramiento se realiza de manera manual, un método que requiere una elevada cantidad de horas de trabajo y puede estar condicionado por la subjetividad de las observaciones realizadas por los operarios.
Frente a esta situación, los sensores remotos aparecen como una herramienta estratégica. Su utilización permite obtener mediciones objetivas, repetibles y realizadas a lo largo del tiempo, sobre características de las plantas que resultan de la interacción entre el genotipo y el ambiente.
Aplicaciones en distintos cultivos
El uso de sensores remotos de alta resolución ya permitió obtener resultados destacados en diferentes cultivos de la región.
En soja, por ejemplo, se realizaron vuelos programados durante el ciclo del cultivo para analizar la evolución de la cobertura foliar. Estas herramientas permitieron estimar la altura de las plantas con un margen de error inferior al 8 % respecto de las mediciones manuales.
En girasol, el equipo combinó imágenes aéreas con algoritmos de inteligencia artificial (machine learning) para automatizar y acelerar la detección de híbridos resistentes a herbicidas comerciales. De esta manera, es posible evaluar un volumen considerablemente mayor de parcelas de manera simultánea.
En trigo, en tanto, se inició una línea de investigación destinada a evaluar índices de vegetación específicos para monitorear la velocidad de secado del grano antes de la cosecha, un factor relevante para determinar la calidad del cereal.
Drones para anticipar el rendimiento del maíz
Los principales avances sobre maíz serán presentados durante el XIII Congreso Nacional de Maíz, donde se expondrán dos investigaciones lideradas por José Menes, integrante del grupo de Sistemas de Información Geográfica (SIG).
El primer estudio permitió validar la estimación de la altura de las plantas mediante modelos digitales de superficie (MDS) generados a partir de imágenes obtenidas con drones. Los resultados alcanzaron entre 81 % y 86 % de coincidencia con las mediciones manuales tradicionales.
Esta información resulta de gran utilidad para analizar la estructura del cultivo y anticipar posibles problemas de quebrado y vuelco de tallos, situaciones que pueden generar pérdidas importantes durante la cosecha.
El segundo trabajo se concentró en el desarrollo de modelos matemáticos capaces de estimar la fracción de radiación solar interceptada por las plantas, una variable estrechamente relacionada con la producción de biomasa y, en consecuencia, con el rendimiento del cultivo.
Para desarrollar estos modelos, los investigadores analizaron más de 60 indicadores. El resultado fue particularmente significativo: la estimación del porcentaje de cobertura verde del cultivo a partir de imágenes aéreas superó a los índices tradicionales de la agricultura digital y se convirtió en el mejor predictor de la fracción de radiación interceptada.
Si bien el NDVI, uno de los índices más utilizados en agricultura digital, permitió explicar satisfactoriamente esta variable, no se ubicó entre los indicadores con mayor capacidad predictiva y quedó por debajo de la precisión alcanzada mediante el porcentaje de cobertura verde.
Más precisión para el mejoramiento genético
Los resultados obtenidos muestran el potencial de estas tecnologías para transformar la evaluación de los cultivos. Los modelos alcanzaron niveles de precisión superiores al 92 % en híbridos comerciales y al 86 % en líneas de maíz.
Estos resultados destacan el papel estratégico de los drones, los sensores remotos y la inteligencia artificial para agilizar el fenotipado, mejorar la precisión de las mediciones y fortalecer los programas de mejoramiento genético.
Además, la incorporación de estas herramientas permite procesar una mayor cantidad de información en menos tiempo, lo que puede contribuir a potenciar la competitividad del sector semillero nacional, tanto público como privado.
