Search

[EN] Accurate detection and identification of weeds are essential in the implementation of Precision Agriculture (PA). In this study, we addressed the detection and classification of weeds in maize and tomato in their early growth stages by integrating images acquired from UAVs and analysis based on advanced convolutional neural networks. Subsequently, the objective of this research was the creation of geo-referenced maps that would allow localized and selective post-emergence management of weed species. Our results indicate that the combination of UAV-captured imagery and deep learning algorithm-based image analysis provides an effective solution for this purpose. The accuracy and efficiency achieved in the identification of weeds in their early stage were promising, both in the set of species present in the crop and in individual species. This advance is of great relevance in the field of PA, as it would allow a more efficient management of weeds by selecting the herbicide according to the type of weed present, reducing the use of herbicidesand ultimately contributing to the sustainability and profitability of agriculture. In addition, the generation of geo-referenced maps facilitates real-time decision making. In summary, this study suggests that the combination of emerging technologies, such as drones and deep neural networks, may be applicable tools in localized weed management in the context of PA., [ES] La detección precisa y la identificación de malas hierbas son esenciales en la implementación de la Agricultura de Precisión (AP). En este estudio, se abordó la detección y la clasificación de malas hierbas en maíz y tomate en sus etapas tempranas de crecimiento mediante la integración de imágenes adquiridas desde drones y análisis basado en avanzadas redes neuronales convolucionales. Posteriormente, el objetivo de esta investigación fue la creación de mapas georreferenciados que permitieran una gestión en post-emergencia localizada y selectiva de las especies de malas hierbas. Nuestros resultados indican que la combinación de imágenes captadas por drones y un análisis de las mismas basado en algoritmos de aprendizaje profundo proporciona una solución efectiva para este propósito. La precisión y eficiencia alcanzadas en la identificación de malas hierbas en su etapa temprana fueron prometedoras, tanto en el conjunto de especies presentes en el cultivo como en especies individuales. Este avance es de gran relevancia en el ámbito de la AP, ya que permitiría una gestión más eficiente de las malas hierbas mediante la selección del herbicida según el tipo de mala hierba presente, reduciendo el uso de herbicidas y, en última instancia, contribuyendo a la sostenibilidad y la rentabilidad de la agricultura. Además, la generación de mapas georreferenciados facilita la toma de decisiones en tiempo real. En resumen, este estudio sugiere que la combinación de tecnologías emergentes, como drones y redes neuronales profundas, pueden ser herramientas aplicables en el manejo localizado de malas hierbas en el contexto de la AP.

[EN] The use of irrigation in Mediterranean vineyards has increased significantly in recent years. Thus, in the current context of climate change, it is expected that the employment of various irrigation strategies will continue to increase, as rising temperatures and reduced rainfall could compromise the viability of Mediterranean viticulture. Although the application of irrigation could mitigate the effects of water stress on the vine, it could also have other undesirable effects that, to date, have not been deeply studied. In 2021, a field trial was implemented in an experimental vineyard located at Finca El Socorro (IMIDRA, Madrid) in order to analyse the effect of three irrigation strategies (crop coefficients Kc = 0.2, 0.4 and 0.8) on different agri-environmental variables. Soil management in the three treatments was the same: tillage in vineyard inter-rows and a combination of tillage and glyphosate in vineyard rows. In order to assess the impact of irrigation on weed communities, a campaign of vegetation surveys was initiated in 2023 at two different times (spring, summer), measuring the percentage cover of each species both in the vineyard inter-row and vineyard row. Preliminary results indicate that some difficult to control weeds, such as Cirsium arvense, may be favoured at higher irrigation rates (Kc = 0.8), but the effect on the functional identity of the traits analysed is weak and inconsistent., [ES] El uso del riego en los viñedos mediterráneos ha experimentado un aumento significativo en los últimos años. Así, en el contexto actual de cambio climático se prevé que el empleo de diversas estrategias de riego siga aumentando, ya que el aumento de las temperaturas y la reducción de las precipitaciones podrían comprometer la viabilidad de la viticultura mediterránea. Aunque la aplicación de riego puede paliar los efectos del estrés hídrico sobre la viña, también podría tener otros efectos no deseados que, hasta la fecha, no han sido estudiados en profundidad. En 2021, se implantó un ensayo en un viñedo experimental ubicado en la Finca El Socorro (IMIDRA, Madrid) con el fin de analizar el efecto de tres estrategias de riego (coeficientes de cultivo Kc = 0.2, 0.4 y 0.8) sobre diferentes variables agroambientales. El manejo del suelo en los tres tratamientos fue el mismo: laboreo en las calles del viñedo y una combinación de laboreo con intercepa y glifosato en las líneas. Con el fin de evaluar el impacto del riego sobre las comunidades arvenses, en 2023 se inició una campaña de muestreos de vegetación en dos momentos diferentes (primavera, verano), registrando el porcentaje de cobertura de cada especie tanto en la calle como en la línea del viñedo. Los resultados preliminares indican que algunas arvenses de difícil control como Cirsium arvense, podrían verse favorecidas a mayores dosis de riego (Kc = 0.8), pero el efecto sobre la identidad funcional de los rasgos analizados es débil e inconsistente.

[ES] La pérdida generalizada de biodiversidad en los paisajes y ecosistemas agrarios es una preocupación a nivel global. Esta pérdida se relaciona con la intensificación de las prácticas agrícolas, el uso inadecuado de agroquímicos y la fragmentación de hábitats naturales. Todo esto afecta la diversidad vegetal y tiene un impacto en el funcionamiento del ecosistema, limitando los servicios ecosistémicos. Promover una mayor diversidad funcional en los márgenes de nuestros cultivos es una meta alcanzable mediante el manejo de los recursos que nos ofrece la flora arvense. En particular, las especies de la familia Brassicaceae Burnett (en adelante, crucíferas), desempeñan un papel fundamental en los agrosistemas al atraer enemigos naturales de plagas y proporcionar néctar y polen a los polinizadores. El objetivo de este estudio era detectar y estimar los recursos florales ofrecidos por las crucíferas en presencia de otras especies arvenses. Para ello, se diseñó un experimento en la finca “La Poveda” (CSIC, Madrid) en 2023, en el que se llevaron a cabo hasta 4 vuelos con un dron sobre los márgenes florales donde se encontraban tres crucíferas de interés: Diplotaxis tenuifolia, Eruca vesicaria y Moricandia arvensis. Estas especies representan algunos de los rasgos funcionales clave de las crucíferas que suelen estar presentes en nuestros agrosistemas. La detección de estas especies se realizó mediante el análisis de imágenes capturadas por el dron y la implementación de arquitecturas de redes neuronales convolucionales. En este trabajo, presentamos los primeros resultados de los modelos que estamos desarrollando., [EN] The widespread loss of biodiversity in agricultural landscapes and ecosystems is a global concern. This loss is related to the intensification of agricultural practices, the inappropriate use of agrochemicals and the fragmentation of natural habitats. All of this affects plant diversity and has an impact on the functioning of the ecosystem, limiting ecosystem services. Promoting greater functional diversity in the margins of our crops is an achievable goal through the management of the resources offered by the weed flora. In particular, species of the Brassicaceae Burnett family (hereinafter referred to as cruciferous), play a fundamental role in agrosystems by attracting natural enemies of pests and providing nectar and pollen to pollinators. The objective of this study was to detect and estimate the floral resources offered by cruciferous plants in the presence of other weed species. To this end, an experiment was designed at the “La Poveda” farm (CSIC, Madrid) in 2023, in which up to 4 flights were carried out with a drone over the floral margins where three cruciferous plants of interest were found: Diplotaxis tenuifolia, Eruca vesicaria and Moricandia arvensis. These species represent some of the key functional traits of crucifers that are often present in our agrosystems. The detection of these species was carried out through the analysis of images captured by the drone and the implementation of convolutional neural network architectures. In this work, we present the first results of the models we are developing.

[EN] Sorghum halepense (Johnsongrass) is a weed that tends to spatially distribute in an aggregated manner in maize crops. In a two-year study conducted at La Poveda (CSIC, Madrid), the effectiveness of Precision Agriculture (PA) in controlling this weed was investigated by: 1) monitoring the spatio-temporal dynamics of Johnsongrass patches in a maize field using UAV aerial image processing; 2) site-specific application of the herbicide nicosulfuron according to the early-stage map generated from aerial imagery; and 3) quantification of crop yield in Johnsongrass treated and uuntreated areas, as well as weed-free. The analysis of the map prior to herbicide treatment in 2022 revealed a random distribution of Johnsongrass, with patches averaging 0.4 m² in size, ranging from 0.01 m² to 5 m². Site-specifically treated plots showed spatial growth control, evidenced in the subsequent season (2023) with an average patch size of 1.0 m2, ranging from 0.02 m² to 12 m². In contrast, untreated patches significantly increased in size (average 3.8 m2; ranging between 0.01 m² and 122 m²). There was a notable decrease in yield in untreated infested areas compared to treated and/or Johnsongrass-free areas. These findings underscore the advantages of PA in Johnsongrass control, demonstrating how detection and site-specific patch management can reduce herbicide use by up to 95% and mitigate competition with the maize crop., [ES] Sorghum halepense (cañota) es una mala hierba que tiende a distribuirse espacialmente de forma agregada en los cultivos de maíz. En un estudio de dos años realizado en La Poveda (CSIC, Madrid), se investigó la eficacia de la Agricultura de Precisión (AP) en su control, mediante: 1) el seguimiento de la dinámica espacio-temporal de los rodales de cañota en un campo de maíz con el procesamiento de imágenes aéreas UAV; 2) la aplicación localizada del herbicida nicosulfuron según el mapa generado en etapa temprana con imágenes aéreas; y 3) la cuantificación del rendimiento del cultivo en áreas tratadas y no tratadas con cañota, así como libres de mala hierba. El análisis del mapa previo al tratamiento herbicida en 2022 reveló una distribución aleatoria de cañota, con rodales de tamaño medio de 0,4 m2, variando entre 0,01 m² y 5 m². Las parcelas tratadas con herbicida localizado mostraron un control del crecimiento espacial, evidenciado en la campaña siguiente (2023) con un tamaño promedio de 1,0 m2, oscilando entre 0,02 m² y 12 m². En contraste, los rodales no tratados aumentaron significativamente su tamaño (media 3,8 m2; rango entre 0,01 m² y 122 m²). El rendimiento disminuyó notablemente en zonas infestadas sin tratamiento respecto a las zonas tratadas y/o libres de cañota. Estos resultados subrayan las ventajas de la AP en el control de la cañota, demostrando cómo la detección y manejo localizado de rodales podrían reducir hasta un 95% el uso de herbicidas y mitigar la competencia con el cultivo de maíz.

[EN] Efficient invasive weed management is critical to maintain the balance between biodiversity, production and agricultural sustainability. Invasive plants may cause significant yield losses in crops and their control entails a high cost in pesticide products, in addition to the ecological damage they generate. Advances in robotics, digital agriculture, artificial intelligence, etc, allow the inputs’ optimization (e.g. pesticides) through timely and site-specific treatments tailored to the real crop needs, aligned with the principles of precision agriculture. Amaranthus palmeri has been recently detected in Spanish crop fields. It is an extremely competitive species, with a high fertility rate and skilled at developing herbicide-resistant biotypes, which poses a serious threat to Spanish agriculture. Therefore, a digital agriculture tool -called DIGINVASIVE- is being designed for mapping and monitoring of A. palmeri in crops, which consists of an open-source web-based interface system using innovative digital technologies such as drone imagery, Geographic Information Systems, Information and Communication Technologies and powerful Artificial Intelligence algorithms. This interactive tool will allow users to establish suitable prevention and eradication measures to address the control of A. palmeri in agricultural environments., [ES] La gestión eficiente de las malas hierbas invasoras es fundamental para mantener el equilibrio entre biodiversidad, producción y sostenibilidad agrícola. Esto se debe a que las malas hierbas invasoras pueden causar pérdidas significativas de rendimiento en los cultivos y su control supone un elevado coste en productos fitosanitarios, además de los daños ecológicos que generan. Los avances en robótica, digitalización, inteligencia artificial, etc., permiten la optimización de los recursos empleados (e.g. fitosanitarios) mediante la aplicación de tratamientos localizados y ajustados a las necesidades reales del cultivo siguiendo los principios de la agricultura de precisión. Recientemente se ha confirmado la presencia de la planta invasora Amaranthus palmeri en parcelas agrícolas en España. Esta especie es altamente competitiva, presenta una elevada tasa de fecundidad y la capacidad para desarrollar biotipos resistentes a los herbicidas, convirtiéndola en una de las especies exóticas con mayor amenaza para la agricultura española. Para ello, se ha desarrollado una herramienta de agricultura digital -denominada DIGINVASIVE- para el mapeo y seguimiento de A. palmeri en campos agrícolas, consistentes en un servidor de cartografía digital web de código abierto que utiliza tecnologías digitales innovadoras como imágenes de dron, Sistemas de Información Geográfica, Tecnologías de la Información y la Comunicación y potentes algoritmos de Inteligencia Artificial. Esta herramienta interactiva permitirá a los usuarios establecer las medidas de prevención y erradicación necesarias para abordar el control de A. palmeri en escenarios agrícolas.