La espectroscopia de imágenes puede predecir el estrés hídrico en los campos de arándanos silvestres

0


Según un estudio realizado por la Universidad de Maine, la espectroscopia de imágenes puede ayudar a predecir el estrés hídrico en los arándanos silvestres.

La tecnología implica medir la luz reflejada por los objetos representados en imágenes capturadas por drones, satélites y otras tecnologías de teledetección para clasificar y recopilar información relevante sobre los objetos. Según los investigadores, puede medir con precisión la luz en docenas, si no cientos, de bandas de color. Los espectros de reflectancia pueden representar niveles de nutrientes, contenido de clorofila y otros indicadores de salud para varios cultivos, según los investigadores.

Científicos de UMaine, el Schoodic Institute y Wyman’s, uno de los proveedores más grandes del mundo de arándanos silvestres y la marca de frutas congeladas número uno en el país, encontraron en su investigación que cuando se incorporan en modelos, la espectroscopia de imágenes puede ayudar a predecir si los campos de arándanos silvestres carece de agua suficiente para crecer. La tecnología no solo puede ayudar a informar a los productores mientras evalúan las rutinas de riego y administran sus recursos hídricos para evitar dañar el cultivo, dicen los investigadores.

El equipo recopiló datos de espectroscopia de imágenes mediante el despliegue de un dron equipado con un espectrómetro para capturar luz visible e infrarroja cercana para fotografiar los campos de arándanos silvestres propiedad de Wyman en Debois, Maine. Luego, los investigadores procesaron las imágenes para medir los espectros de luz reflejada por las plantas en busca de indicaciones de los niveles de clorofila y otras propiedades que ayudarían a estimar su potencial hídrico, que, dicen, es la fuerza principal que impulsa el flujo de agua y un indicador del estrés hídrico. . Al mismo tiempo, el equipo recolectó pequeñas ramas con hojas de plantas silvestres de arándanos en las parcelas para evaluar su potencial hídrico y validar la estimación basada en espectros. Las imágenes y muestras se recolectaron en la primavera y el verano de 2019, cuando las plantas registraron un pico de floración, fruta verde y descomposición del color.

Los datos de imágenes de drones y muestras de suelo se incorporaron en modelos, desarrollados mediante aprendizaje automático y análisis estadístico, para estimar el potencial hídrico y, por lo tanto, predecir el estrés hídrico de las plantas en los graneros. Se utilizaron modelos de datos de muestras terrestres para guiar el desarrollo y validar el modelo creado con datos de imagen. Los resultados de ambas series de modelos fueron comparables, lo que demuestra que la espectroscopia de imágenes puede predecir con precisión el estrés hídrico en los relaves de arándanos silvestres en diferentes momentos de la temporada de crecimiento. Con la efectividad de la tecnología confirmada, los investigadores dicen que los científicos pueden aprovechar sus beneficios, como realizar mediciones repetidas en objetos pequeños como hojas de arándano con facilidad.

La estudiante universitaria Catherine Chan dirigió el estudio, flanqueada por la facultad de UMaine Daniel Hayes y Yongjiang Zhang, el ecólogo forestal del Schoodic Institute Peter Nelson y el agrónomo de Wyman Bruce Hall. El periódico Sensores remotos publicó un informe sobre sus hallazgos.

«Emparejamos los datos espectrales y las áreas de potencial hídrico conocido en los campos de arándanos silvestres mediante el aprendizaje automático, creando un modelo para predecir aún más las áreas que pueden estar sujetas a estrés hídrico», dice Chan.

Comprender cómo administrar de manera sostenible los recursos hídricos para mitigar el riesgo asociado con la frecuencia actual y creciente de la sequía es fundamental para los productores de arándanos silvestres, dicen los investigadores.

«Esta investigación proporciona lecciones clave para garantizar la viabilidad continua de los cultivos de arándanos silvestres para las generaciones venideras», dice Hall.

El calentamiento y la sequía exacerbados por el cambio climático han agravado sus luchas en los últimos años, junto con la congelación y los patógenos. Los investigadores dicen que, como resultado, ha habido una mayor necesidad de herramientas predictivas, como la espectroscopia de imágenes y modelos que se basan en ella, para que las condiciones del suelo informen las estrategias de mitigación.

Nelson dice que el estudio se realizó en colaboración con su laboratorio de espectroscopia ecológica (lecospec) en el Instituto Schoodic, financiado por el Fondo de Mejoramiento Económico de Maine, el Consorcio de Subvenciones Espaciales de Maine, la Administración Nacional de Aeronáutica y del Espacio (NASA) y otros. Universidad de Maine Fondos del sistema. El equipo de investigación utilizó un software desarrollado con Chan y otros estudiantes que permite que los drones y espectrómetros midan la luz en docenas o cientos de bandas de color más que una cámara promedio, dice Nelson.

«Lo visualizamos y seguimos promoviéndolo como una herramienta de investigación y aplicación para producir datos y algoritmos aplicados a preguntas y problemas en los sectores forestal, agrícola y marino de la economía de Maine», dice.

También podría gustarte
Deja una respuesta

Su dirección de correo electrónico no será publicada.

This website uses cookies to improve your experience. We'll assume you're ok with this, but you can opt-out if you wish. Accept Read More