UNIVERSIDAD CENTROCCIDENTAL

“LISANDRO ALVARADO”
DECANATO DE AGRONOMÍA
DEPARTAMENTO DE FITOTECNIA
CULTIVOS I

USO DE DRONES EN LA HORTICULTURA

Bachilleres:
Ciuffo, Biaggio. C.I.: 24.393.399
Ramos, Eyismar. C.I.: 23.577.223

Cabudare, octubre de 2019.

 INTRODUCCIÓN

El vehículo aéreo no tripulado, mejor conocido como “drone”, es una aeronave que puede ser
controlada remotamente por un humano desde la tierra o ser un equipo autónomo. Este se clasifica
según su condición de sustentación, tipo de propulsión, tiempo de autonomía, altura máxima de
vuelo y su alcance (Di Leo, 2015).

Este equipo cuenta con dos segmentos que conforman un conjunto funcional, el primero es aéreo
y consta de la aeronave y sus componentes, así como también los sistemas de recuperación,
aterrizaje sobre ruedas, paracaídas, entre otros. El segundo es el segmento tierra y está constituido
por la estación de control, que se encarga de recibir la información suministrada por el drone y
también controlar el desempeño del vuelvo; además el sistema de impulsión forma parte del
segmento tierra y varía dependiendo del peso (Díaz, 2015).

Estas aeronaves pueden ser equipadas con tecnología de posicionamiento global satelital,
cámaras de alta resolución, multiespectrales y termográficas (Di Leo, 2015), así como también de
distintos sensores que los hacen útiles en la seguridad militar, pública, la ingeniería civil y, ahora
una de las aplicaciones con gran crecimiento, es la agricultura de precisión y el monitoreo de
cultivos (Acosta, 2017).

Actualmente, se ha encontrado un gran potencial en el uso de drones para la detección temprana

de afectaciones en los cultivos. Esto resulta muy importante para los agricultores puesto que, se
pueden evitar pérdidas en las producciones agrícolas y aún más en cultivos de hortalizas, cuyos
ciclos son cortos y cualquier ataque de plagas, enfermedad, deficiencia nutricional o déficit hídrico
puede reducir su rendimiento en gran medida.

En el presente trabajo se expone cómo la utilización de drones está cambiando los métodos de
trabajo y manejo de cultivos mediante la agricultura de precisión.
Agricultura de precisión

La agricultura de precisión como describe Chartuni et all., es el “conjunto de técnicas orientado a

optimizar el uso de los insumos agrícolas (semillas, agroquímicos y correctivos) en función de la
cuantificación de la variabilidad espacial y temporal de la producción agrícola”. Es decir, la
variación espacial hace referencia a la variada fertilidad en las diferentes áreas de un terreno, así
como el desarrollo de las plantas en dichas áreas. Por su parte, la variación temporal comprende las
fluctuaciones de una producción año tras año en un mismo lugar, independientemente del tamaño
del terreno (Santillán y Rentería, 2018). Dichas variaciones se describen en el siguiente cuadro:

Cuadro 1. Variación espacio-temporal en cultivos

Tipo de variación Sujeto de la variación Factores involucrados
- Condiciones fisicoquímicas (entre otras la
acidez-alcalinidad o pH, y el contenido de
nitrógeno o de metales).
- Contenido de humedad, materia orgánica y
contaminantes.
Fertilidad del suelo - Conductividad eléctrica e hidráulica.
- Textura, fuerza mecánica y profundidad.
- Salinidad.
Espacial - El relieve o topografía del terreno.
- Microbiota y fauna del suelo.

- Maleza (plantas oportunistas).

- Plagas (insectos, virus y microorganismos).
Desarrollo vegetal - Características genéticas del cultivo (como
la resistencia a la sequía y velocidad de
desarrollo)

- Variación productiva entre períodos de

siembra distintos.
Temporal Cosecha - Condiciones climatológicas (por ej.
radiación solar o humedad ambiental) entre
distintas temporadas.
Fuente: Santillán y Rentería, 2018.

Las tecnologías asociadas a la agricultura de precisión son: sistemas de posicionamiento global

(GPS), sistemas de información geográfica (GIS), sensores remotos en tierra e imágenes aéreas, que
pueden ser obtenidas a través de satélites, por drones o por avionetas; monitores de rendimiento o
aplicación y maquinaria inteligente (González et all., 2015).
 Anteriormente, en la agricultura de precisión se implementaba el uso de avionetas, helicópteros e
imágenes satelitales para la recolectar información, esto se traducía en costos elevados, varios días o
semanas de espera y, aun así, la calidad de las imágenes obtenidas era baja. Ahora bien, la aparición
de drones especializados ha permitido que sus aplicaciones en la agricultura sean diversas, gracias a
la medición y captura remota de datos y también porque pueden fotografiar gran cantidad de
hectáreas en muy poco tiempo, al sobrevolar los cultivos con cámaras de alta resolución que
permiten un mayor detalle de la plantación (Acosta y Mendoza, 2017). Sin embargo, una de sus
características más importantes es su disponibilidad al poder fotografiar un cultivo o área en días
nublados sin ningún inconveniente (Di Leo, 2015).

Características de los drones

En primera estancia, los drones se pueden clasificar según su tipo de sustentación, siendo de ala
fija o multirrotores (ala rotatoria). Los drones de ala fija poseen mayor autonomía que le confiere la
capacidad de recorrer grandes distancias y su aspecto es similar al de un aeroplano, por su parte, los
de ala rotatoria poseen motores que van desde 3 (tricóptero) a 8 (octocóptero) hélices en los
extremos, son capaces de moverse en cualquier dirección, aunque por su gran envergadura, su
tiempo de autonomía es menor por el elevado consumo de energía. (Díaz, 2015; Ojeda et all.,
2016).

A modo de comparación, Pino (2019) reporta el tiempo de autonomía y distancia recorrida de

ambos tipos de drone: “multirrotor-cuadricóptero (tiempo de vuelo de 30 minutos y cobertura por
vuelo de 65 ha) y el de ala fija (tiempo de vuelo de 30 a 90 minutos y cobertura por vuelo de 120 a
3.800 ha)”, destaca que ambos son utilizados en la agricultura.

Por otro lado, Ruipérez (2016) menciona que, estos equipos tienen distintos tipos de control:
- Autónomo: se guía por sus propias sistemas y sensores integrados sin la necesidad de
controlarlos desde tierra.
- Motorizado: necesita de un técnico que se encarga de controlar el feedback y
proporcionarle información no obstante no puede dirigirlo directamente a través de los
mandos, pero sí decide que acción llevará acabo.
- Supervisado: es pilotado por un operador, aunque tienen la opción de realizar tareas de
manera autónoma.
- Prepogramado: la aeronave sigue un plan de vuelo previamente diseñado sin posibilidad de
realizar modificaciones.
 - Controlado remotamente: un operador pilota mediante el control de mando.

Drones en la agricultura de precisión

Ahora bien, la conexión entre agricultura de precisión y los drones se da partir de la aplicación
de la teledetección, este término es definido por Colwell (1983) citado por Bellvert (2014) como “la
medida o adquisición de información de alguna propiedad de un objeto o fenómeno, mediante un
instrumento que no está en contacto físico directo con el objeto o fenómeno bajo estudio”, esto
ocurre como menciona Marcial (2017), “utilizando radiación electromagnética en una o más
regiones del espectro electromagnético reflejadas o emitidas desde la superficie de la tierra”.

En cuanto a las variables agrícolas en teledetección, el principio en el que se basa como describe
Ojeda (2017), es que “la radiación reflejada por las plantas es inversamente proporcional a la
radiación absorbida por pigmentos de la planta, y varía con la longitud de onda de la radiación
incidente”, esto se ve condicionado por el estado del vegetal al momento de la captura de imágenes
(Marcial, 2017).

Mediante el uso de cámaras con sensores especiales se pueden observar los distintos espectros.
Menciona Berrío, et all. (2017), en aplicaciones agrícolas se usan cámaras en RGB que usa el
espectro visible por el ojo humano, que se emplean para monitoreo y conteo de cultivos, y en
infrarrojo cercano (NIR) que permite detectar deficiencias, afectaciones, etc.; en este tipo se
diferencian dos opciones:
a. Cámaras NGB: el sensor bloquea el paso de luz roja permitiendo así el paso de ondas del
infrarrojo cercano, verde y azul, generando la posibilidad de realizar análisis del estado
fitosanitario de la plantación. Siendo que, el color verde entre más oscuro e intenso sea, la
vegetación es más densa y saludable.
b. Cámaras NRG: sólo se da el paso de ondas del infrarrojo cercano, el rojo y verde, la
imagen obtenida también permite conocer la sanidad del cultivo, puesto que, mientras más
intenso y oscuro sea el color rojo más densa y saludable se encuentra la vegetación.

Gracias a dichos sensores, la utilización de drones y sus aplicaciones como comentan Acosta y
Mendoza (2017), van desde el monitoreo de cultivos, manejo eficiente del agua, detección de estrés
hídrico y nutricional en los cultivos, conteo de plantas hasta la aplicación de tratamientos
localizados de herbicidas e insecticidas y la detección temprana de plagas y enfermedades. Así
como también, la supervisión de áreas tratadas con fitosanitarios, puesto que pueden supervisar un
área recientemente tratada evitando así problemas de salud, como reporta Di Leo (2015).

Todo esto ocurre a través de un software de procesamiento de imágenes, en el cual se compilan

las imágenes para obtener ortofotomosaicos (unión de un conjunto de fotografías áreas) del área
estudiada y que, con la aplicación de técnicas y algoritmos, se pueden obtener los distintos índices
que permitirán obtener la información de la reflectancia de los cultivos y proceder a su evaluación,
tal como lo menciona Berrío, et all. (2015).

Índices de vegetación

Uno de los índices más empleados, es el índice diferencial de vegetación normalizado (NDVI),
como menciona Díaz (2015), “los valores del NDVI están en función de la energía absorbida o
reflejada por las plantas en diversas partes del espectro electromagnético”. De esta manera, se puede
estimar la cantidad y calidad de la vegetación. Es importante señalar que el pixel captura la energía
reflejada.

En ese caso, una planta fotosintéticamente activa asimila gran cantidad de energía en el proceso
y es por esto que refleja poco en la banda espectral de color rojo, por tanto, su respuesta espectral
muestra un claro contraste entre el espectro del visible, especialmente la banda roja, y el infrarrojo
cercano (NIR).

El principio básico del NDVI se basa en el hecho de que las paredes de las células de las hojas,
que se encuentran llenas de agua, reflejan la mayor cantidad de energía (infrarrojo cercano), es
entonces que, una plantación de alto vigor posee una mayor reflectancia en el infrarrojo cercano y
una menor reflectancia en el rojo, mientras que, si la plantación sufre estrés ya sea por déficit
hídrico, presencia de plagas o patógenos, la reflectancia del infrarrojo cercano disminuye y aumenta
paralelamente la reflectancia del rojo, esto ocurre por la disminución de agua en las paredes
celulares y una menor asimilación de energía.
 Uso de drones para el análisis de imágenes multiespectrales en agricultura de precisión

Un claro ejemplo del uso del drone y de su aplicación en la horticultura, se evidencia en un

trabajo realizado en 2015 por Berrío, et all., en el municipio Mosquera en Cundinamarca,
Colombia. El cultivo de papa seleccionado para el estudio dado su disponibilidad y estado
fenológico en ese momento, así como también, se considera tal cultivo como un reglón importante
en la economía del municipio.

El área estudiada fueron 12 hectáreas en las que la plantación se encontraba en fase de floración,
previamente seleccionaron dos vehículos tripulados que serían los encargados de obtener las
fotografías áreas, del mismo modo establecieron la altura a la que se realizarían los vuelos,
velocidad, los puntos de lanzamiento y aterrizajes, software y cámaras a emplear, que para el caso
serían cámaras RGB – NIR (NGB).

Los vuelos se realizaron entre las 11:30 a.m. y la 1:00 p.m., con fin de obtener mejores
resultados debido a que es el momento del día con mayor incidencia de radiación solar y, por tanto,
se registra una mayor actividad fotosintética. Durante los vuelos se hizo captura continua de fotos
para su posterior georreferenciación, procesamiento mediante software y generación del
ortofomosaico del área influenciada.

Posteriormente, la imagen fue analizada y procesada para realizar la aplicación del NDVI y de
esta manera obtuvieron una respuesta espectral del cultivo. Como destacan los autores, “a partir de
la imagen NDVI obtenida del ortofotomosaico NIR y de la reflectancia específica encontrada, se
seleccionaron tres zonas con posibles problemas para el cultivo de papa”.

En ese sentido, un ingeniero agrónomo fue el encargado de hacer una visita de campo para
observar las condiciones del cultivo que aparentemente eran saludables; sin embargo, al dirigirse a
las zonas seleccionadas pudo evidenciar que, en los surcos de esa área (Zona 1) presentaban exceso
de agua y por tanto las plantas se encontraban en saturación hídrica, que deriva en un lento
crecimiento por falta de oxígeno. Siguiendo con el recorrido, la Zona 2 evidenciaba un déficitde
humedad en el suelo y problemas de salinización puesto que se observó una capa superficial de
sales.

Las plantas de esa zona presentaron un menor desarrollo y clorosis por la falta de absorción de
nutrientes, así como una marca diferencia en cuanto a su fisiología en comparación con aquellas
plantas que se desarrollaban en zonas de gran vigor. La última zona visitada, hacía referencia a un
canal de desagüe que desembocaba en la primera zona, siendo esto más el relieve del terreno, los
causantes de los problemas de encharcamiento en la Zona 1 que pueden derivar en problemas de
enfermedades.

Es importante destacar que, durante la visita realizada por el ingeniero, se visualizaron pequeñas
áreas donde el suelo se veía afectado por exceso de aplicación de agroquímicos que suponía
presumir una alta carga de químicos en los tubérculos.

Finalmente, se pudo demostrar que la respuesta espectral obtenida de la ortofotomosaico sí

permitió identificar los problemas que presentaba la plantación para el momento del estudio a pesar
de que se encontraba aparentemente en buenas condiciones. Tal y como el autor describe, se puede
observar en la Figura 1 “tonalidades cafés y rojizas indican un índice NDVI bajo y se asocian a un
suelo desnudo o problemas de crecimiento; tonalidades amarillas representan zonas de menor
desarrollo del cultivo y tonalidades verdes expresan zonas con mejor desarrollo del cultivo”.

Esta información permite evidenciar como la aplicación de esta tecnología facilita un diagnóstico
oportuno y como su implementación mejora la toma de decisiones, la identificación de problemas
que al principio son imperceptibles al ojo humano y como a través de esa detección se permite
ahorro de dinero y tiempo.

Figura 1. Ortofotomosaico compuesta

por fotografías de la cámara NBG.
Fuente: Berríoet all., 2015.

Drones en Venezuela

A pesar del retraso tecnológico que predomina en el país y de ciertas restricciones, existe una
empresa llamada: AgroCognitive, que apuesta por el uso y la implantación de drones en busca de
mejorar el rendimiento de ciertos cultivos a través de monitoreo, detección oportuna de afectaciones
en el cultivo y seguimiento de las practicas realizadas durante las fases fenológicas del mismo.
Aunado a ello, sus servicios también abarcan la reducción de insumos a utilizar para de esta manera
disminuir el impacto ambiente y abaratar los costos de producción. Aunque sus comienzos en
Venezuela se dan en alianza con Soca-Portuguesa para estudiar el cultivo de la caña de azúcar en el
Estado Portuguesa, no se descarta que luego sus servicios sean empleados en la horticultura.
CONCLUSIONES
 REFEREBNCIAS BIBLIOGRÁFICAS

Acosta, G., Mendoza, C. 2017. Aplicaciones de los drones en la agricultura. Universidad Católica
de El Salvador. (Documento en línea). Disponible en: http://www.diyps.catolica.edu.sv/wp-
content/uploads/2017/09/25dronesAN17.pdf (Consulta: 2019, octubre 10).
Agrocognitive. 2019. Disponible en: https://www.agrocognitive.com/. (Consulta: 2019, octubre 30).
Berrío, V., Mosquera, J., Alzate, D. 2015. Uso de drones para el análisis de imágenes
multiespectrales en agricultura de precisión. Universidad de Pamplona. (Documento en línea).
Disponible en:
http://ojs.unipamplona.edu.co/ojs_viceinves/index.php/ALIMEN/article/download/1647/830.
(Consulta: 2019, octubre 13).
Chartuni, E., De Carvalho, F., Marçal, D., Ruz, E. 2007. Agricultura de precisión: Nuevas
herramientas para mejorar la gestión tecnológicaen la empresa agropecuaria. Instituto
Interamericano de Cooperación para la Agricultura (IICA). (Documento en línea). Disponible
en: http://repiica.iica.int/docs/b0483e/b0483e.pdf. (Consulta: 2019, octubre 30).
Di Leo, N. 2015. Drones: nueva dimensión de la teledetección agroambiental y nuevo paradigma
para la agricultura de precisión. Universidad Nacional de Rosario. (Artículo de divulgación).
Disponible en: http://produccion-
animal.com.ar/produccion_y_manejo_pasturas/indice_verde/29-
Drones_nueva_dimension.pdf. (Consulta: 2019, octubre 14).
Díaz, J. 2015. Estudio de Índices de vegetación a partir de imágenes aéreas tomadas
desdeUAS/RPAS y aplicaciones deestos a la agricultura de precisión. Universidad
Complutense de Madrid. (Documento en línea). Disponible en:
https://eprints.ucm.es/31423/1/TFM_Juan_Diaz_Cervignon.pdf. (Consulta: 2019, octubre 16).
Pino, E. 2019. Los drones una herramienta para una agricultura eficiente: un futuro de alta
tecnología. Revista de Agricultura en Zonas Áridas de la Universidad de Tarapacá, Chile.
(Documento en línea). Disponible en: https://scielo.conicyt.cl/pdf/idesia/v37n1/0718-3429-
idesia-00402.pdf. (Consulta: 2019, octubre 28).
Santillán, O., Rentería, M. 2018. Agricultura de Precisión. Oficina de información científica y
tecnológica para el Congreso de la Unión, México. (Documento en línea). Disponible en:
https://www.foroconsultivo.org.mx/INCyTU/documentos/Completa/INCYTU_18-015.pdf.
(Consulta: 2019, octubre 30).
Ojeda, W., Flores, J., Ontiveros, R. 2016. Uso y manejo de drones con aplicaciones al sector
hídrico. Instituto Mexicano de Tecnología del Agua. (Documento en línea). Disponible en:
 https://www.imta.gob.mx/biblioteca/libros_html/riego-drenaje/uso-y-manejo-de-drones.pdf.
(Consulta: 2019, noviembre 02).
Ojeda, W., González, A., Pérez, A., Flores, J. 2017. Aplicaciones de los vehículos aéreos no
tripulados en la ingeniería hidroagrícola. Instituto Mexicano de Tecnología del Agua.
(Documento en línea). Disponible en: http://www.scielo.org.mx/pdf/tca/v8n4/2007-2422-tca-
8-04-157.pdf. (Consulta: 2019, noviembre 03).
Ruipérez, P. 2016. Diseño y fabricación de un dron. Universidad Politécnica de Valencia.
(Documento en línea). Disponible en:
https://riunet.upv.es/bitstream/handle/10251/73170/RUIP%C3%89REZ%20-
%20Dise%C3%B1o%20y%20fabricaci%C3%B3n%20de%20un%20dron%20mediante%20i
mpresi%C3%B3n%203D.pdf?sequence=5. (Consulta: 2019, noviembre 01).
Bellvert, J. 2014. El uso de la teledetección de alta resolución como herramienta para realizar un
manejo eficiente del riego en viñedos. Universidad de Córdoba. (Documento en línea).
Disponible en: http://quantalab.ias.csic.es/pdf/BellvertRios_Tesis.pdf. (Consulta: 2019,
noviembre 02).
Marcial, M. 2017. Determinación de variables agronómicas del cultivo de Maíz mediante imágenes
obtenidas desde un Vehículo Aéreo no Tripulado (VANT). Instituto Mexicano de Tecnología
del Agua. (Documento en línea). Disponible en:
http://repositorio.imta.mx/bitstream/handle/20.500.12013/1750/T_075.pdf?sequence=1&isAll
owed=y. (Consulta: 2019, noviembre 03).