Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Aplicacions I Reptes Dels Drons en El Fenotipatge1508158117144
Aplicacions I Reptes Dels Drons en El Fenotipatge1508158117144
de los drones en el
fenotipado
INTEGRATIVE CROP ECOPHYSIOLOGY
GROUP – Universitat de Barcelona
Qué hacemos?
- Estudios de les respuestas de …
diferentes cultivos/vegetación
Fisiología Vegetal
diferentes condiciones ambientales Molecular,
Isotópica,
diferentes aproximaciones Y
para el fenotipado a través de Teledetección
Índice
Fenotipado y teledetección para la mejora de cultivos
Modelos de color y radiación electromagnética
Procesamiento de imágenes aéreas: mosaicos y modelos 3D
Desarrollo de software para el fenotipado con imágenes
Algunos resultados – resistencia, tolerancia y rendimiento
Resumen de las aplicaciones y retos
¿Qué tiene que ver drons con el
fenotipado de cultivos: mecanismos
fisiológicos y moleculares?
Estrategias más ágiles para incrementar el rendimiento de los cultivos.
Mejora de cultivos: criterios de selección. Manejo de cultivos. Indexes
fisiológicas de evaluación del “High Throughput Plant Phenotyping”
Cambio
Climatico
Necesidad de la mejora↑estrés
de
cultivos contra condiciones
abiotic y
cada vez más adversas!biotic
↑Temperatura
Cambios de
precipitaciones
General Determinant Radiation uptake
Yield = IR x AR x PE x HI
IR, Incident Radiation
Photosynthetic
AR, Absorbed Radiation Efficiency
PE, Photosynthetic Efficiency
HI, Harvest Index
Harvest Index
In Water-limiting Conditions (Passioura 1977)
Yield = W x WUE x HI
W, Water Used Water use
WUE, Water Use Efficiency
HI, Harvest Index
Water use
efficiency
Harvest Index
Imágenes RGB y índices con diferentes modelos
de color (por ejemplo Matiz, Saturación, Valor)
Matiz
(H)
Equipamiento
Cámara RGB: Lumix GX7 (16MP)
Cámara termal: FLIR Tau 640 (640x520P)
Cámara multispectral 1: Multispec4C (550-850nm)
Cámara multispectral 2: TetraCam mini-MCA 11+ILS (450-950nm)
Resolución de UAVs para imágenes aéreas
Landsat ASTER
16
Temporal Resolution (days)
Sentinel-2
8
Sentinel-3
Unmanned
Aerial
MODIS
Vehicles SPOT Proba-V
1
IKONOS
½
Airborne
METEOSAT
Sensors
¼ O
Mosaico orto-
rectificada
multispectral en
color infrarrojo,
ensayo de trigo duro
a Zamadueñas,
ITACyL; riego a la
izquierda, secano a
la derecha.
Ejemplos - Imágenes Termales
Mosaico orto-
rectificada de
imágenes
termales
(tarde). Ensayo
de N de
cebada (Arazuri
INTIA/Syngenta)
Ejemplo de vuelos de 50m dónde se
combina varias fotos para cubrir la área de
interés.
Imagen de modelo 3D en color de
alta resolución
Con mayor detalle del modelo se puede mejorar la estimación de
biomasa, encamado y altura de plantas a gran escala
Software en desarrollo
Breedpix (HSI, CIELab,
CIELuv, GA and GGA),
CIMMYT MaizeScanner (Plugin for FIJI) Triangle Greeness Index
Calcula indexes RGB a nivel de imagen (TGI), and Normalized
individual para enfermedades, vigor, Green Red Difference
LAI, biomasa Index (NGRDI) en batch.
(released at http://github.com/george-haddad/CIMMYT)
Software en desarrollo
MosaicTool (Plugin for FIJI) Permite acelerar el
procesamiento de
Segmentación semi-automatizada de un gran número de
los mosaicos al las parcelas del ensayo parcelas individuales
Información obtenida
Indexes RGB
% de área verde
o RGB % de área senescente
HSI (Hue/Matiz, Intensidad, Saturación)
Otros CIELAB (a*, u*, v*, b*)
Indexes Multispectrales
Verdor/biomasa: NDVI, SAVI
o Multispectral Chl y otros pigmentos: MCARI, ARI2, CRI2
Estado hídrico: WBI
Estado fotoquímico: PRI
Temperatura de dosel
o Termal CTD (Tº aire - Tº dosel)
Crop Water Stress Index
Parámetros fisiológicas y agronómicos relacionados
o Biomasa
o Rendimiento de grano
Toma de decisiones, indexes de
o Estado hídrico
nivel de resistencia o tolerancia
o Deficiencias nutricionales
a factores bióticas o abioticas
o Incidencia de enfermedades
o …
Áreas de aplicación
o Manejo del riego, fertilización,
aplicación de fitosanitarios, etc.
Agricultura de precisión
***, P < 0.001; **, P < 0.01; *, P < 0.05; ns, no significativo
Algunos resultados experimentales - N en maíz
***, P < 0.001; **, P < 0.01; *, P < 0.05; ns, no significativo
Algunos resultados experimentales - Royo en trigo
Trial, date of
sampling
original ´ 12 ´ 14 ´ 18 ´ 116 ´ 1 32
La captura de imágenes con drones es flexible pero aún así tiene sus limites y requiere un
planeamiento de vuelo con factores meteorológicas para cada sensor/vuelo/proyecto.
Los índices (RGB, térmico digital, multispectral) producidos a partir de vuelos y plataformas a
nivel del suelo pueden ser usados para el fenotipado: mejora genética vegetal de los cultivos
en una amplia gama de condiciones, tanto como mejora en el manejo de cultivos.
Las tecnologías RGB (bajo costo) pueden ser una herramienta fiable y robusta en la
predicción de rendimiento, nitrógeno foliar, así como el grado de incidencia de
enfermedades o incluso conteo de espigas a nivel de dron o de campo.
Es necesario agilizar el procesamiento de esta información con el desarrollo de software
específico para aliviar los embotellamientos del fenotipado “high throughput.”
Hay que mejorar la integración de los datos del fenotipado con drones con los criterios de
selección genética tradicional para aumentar el rendimiento global de cultivos (y lo mismo
para los sistemas de toma de decisión aplicables en agricultura de precisión).
Para más información sobre el software open-source de FIJI :
https://github.com/george-haddad/CIMMYT
Shawn Carlisle Kefauver
University of Barcelona, Faculty of Biology, Integrative Crop Ecophysiology Group
sckefauver@ub.edu, http://integrativecropecophysiology.com, http://sckefauver.com
En colaboración con
moltes gracies
SC Kefauver, O Vergara, S Medina, F Chairi, JA Fernandez-Gallego,
A Gracia, R Sánchez, J Bort Pie, MD Serret, JL Araus
Jornada científico técnica de teledetección aplicada a la agricultura, Lleida 29/06/2017