Search

Uno de los aspectos fundamentales que puede aportar la Viticultura de Precisión (VP) es conocer la variabilidad espacial de la cosecha. En este trabajo presentamos los avances basados en teledetección de bajo coste y desarrollo de modelos en código abierto para su aplicación en viñedo con un triple objetivo: detectar racimos, predecir la cosecha e impulsar la VP. Todo ello con el propósito de favorecer la transformación digital del viñedo, uno de los cultivos con mayor valor añadido del sector-agroalimentario.

Trabajo presentado en el Congreso en red de Olivicultura, Citricultura y Fruticultura de la Sociedad Española de Ciencias Hortícolas (CITRUSTECH), celebrado del 23 al 25 de marzo de 2021., Una de las características más relevantes en las variedades de almendro seleccionadas para las actuales plantaciones comerciales es la floración tardía con el fin de minimizar el riesgo de pérdidas de cosecha por la aparición de heladas tardías que producirían daños en las flores. El conocimiento de la dinámica de floración en ensayos de fenotipado de nuevas variedades de almendro requiere visitas periódicas a las parcelas para evaluar el grado de floración árbol por árbol. Este esfuerzo suele limitar la cantidad de árboles muestreados. Por otra parte, La aplicación de técnicas fotogramétricas y de visión artificial a imágenes tomadas por una cámara convencional de bajo coste embarcada en un vehículo aéreo no tripulado (UAV por sus siglas en inglés) permite la creación de nubes de puntos tridimensionales que representan la zona sobrevolada. En rabajos anteriores de nuestro grupo, hemos desarrollado algoritmos automáticos que, mediante el análisis de las nubes de puntos, permiten caracterizar tridimensionalmente la copa de los almendros en ensayos de fenotipado. Además, analizando el color de los puntos pertenecientes a la copa de cada árbol, se puede realizar una estimación de la densidad de floración (flores/m3 de copa), ya que los puntos que representan flores se pueden discriminar/distinguir por su brillo de aquellos que podrían representar las primeras hojas del almendro. Por lo anteriormente expuesto, en este trabajo se ha utilizado un UAV equipado con una cámara convencional para sobrevolar de manera periódica dos ensayos de variedades de almendro situados en diferentes localidades. Las nubes de puntos obtenidas han sido analizadas con un algoritmo automático para estudiar la densidad de flores en cada variedad. A continuación, los datos de dicho análisis han sido comparados con los provenientes de un seguimiento en campo de la dinámica de floración. Se ha observado una correlación satisfactoria entre los calendarios de floración extraídos de manera automática y los registrados de manera tradicional en campo. Estos resultados, unidos a la considerable reducción de la carga de trabajo que supone el uso de algoritmos automáticos, hace recomendable el uso de la tecnología UAV para hacer más eficientes los ensayos de fenotipado en campo y ampliar la cantidad de árboles que pueden ser muestreados en dichos ensayos. La metodología aquí presentada también se puede aplicar en plantaciones comerciales con objeto de comprobar si hay retrasos en la floración o si hay una falta de sincronización en la floración de los almendros como causa de algún estrés de origen biótico o abiótico., Los trabajos presentados han sido financiados por los proyectos AGL2017-83325-C4-4-R y Transforma (ref.: PP.TRA.TRA.2019.00.2).

Trabajo presentado en el Congreso en red de Olivicultura, Citricultura y Fruticultura de la Sociedad Española de Ciencias Hortícolas (CITRUSTECH), celebrado del 23 al 25 de marzo de 2021., En los últimos años, la reconstrucción tridimensional (3D) de cultivos leñosos mediante imágenes procedentes de vehículos aéreos no tripulados (UAV, por sus siglas en inglés) se ha utilizado para una caracterización eficiente de la arquitectura de la copa de cada árbol. Esta tecnología ha sido aplicada con éxito en ensayos de fenotipado de almendro y ha demostrado su potencial para plantaciones comerciales. Uno de los pasos más importantes para generar una correcta modelización 3D del cultivo es el diseño del plan de vuelo del UAV en el que, además de su altura y el solape entre imágenes, hay que definir la orientación de las pasadas de vuelo y si se combinan pasadas en diferentes direcciones. Aunque existen trabajos sobre varios aspectos del diseño de planes de vuelo-UAV, no se ha realizado ningún estudio para comprobar si el marco de plantación es otro factor a tener en cuenta, ya que las diferentes posiciones relativas de los árboles pueden provocar oclusiones en las imágenes que afectarían a la calidad de la reconstrucción 3D. Por lo anteriormente expuesto, se diseñó un plan de vuelo en cuadrícula sobre parcelas de almendro con diferentes marcos de plantación: 7×6, 6×3, 5×2, y 3,5×1,2 (medidas en metros). Las imágenes tomadas fueron procesadas para generar nubes de puntos fotogramétricas aplicando tres enfoques diferentes y utilizando: 1) sólo las imágenes tomadas en pasadas paralelas a las líneas de árboles; 2) sólo las imágenes tomadas en pasadas transversales a las líneas de árboles; 3) combinando todas las imágenes. De entre las diferentes opciones, la 3 arrojó las mayores densidades de puntos, seguida por la 1, y siendo la 2 la que originó reconstrucciones 3D de menor calidad. La diferencia en densidad de puntos entre las opciones 1 y 2 fue menor en el caso de la plantación en seto (12% menos de puntos) que en el de los marcos de plantación más amplios (20% menos de media). También se observó que la reducción en la densidad no afectó prácticamente a la reconstrucción 3D del terreno mientras que sí afectó a las copas de los almendros, lo que influyó en el posterior análisis y caracterización del cultivo. Como conclusión, se recomienda diseñar planes de vuelo que combinen pasadas paralelas y transversales a las hileras de árboles. Debido a que esto implica un mayor consumo de batería del UAV, en casos en los que haya que volar superficies extensas es preferible volar trazando pasadas paralelas a las hileras de los árboles., Los trabajos presentados han sido financiados por los proyectos AGL2017-83325-C4-4-R y Transforma (ref.: PP.TRA.TRA.2019.00.2).

Trabajo presentado en la 5th International Conference on Small Unmanned Aerial Systems for Environmental Research (UAS4Enviro2017), celebrada en Vila Real (Portugal) del 28 al 30 de junio de 2017., The availability of very high density cloud points is of increasing interest for scientists and oth er users involved in obtaining precise information for environmental, forestry or agronomical processes, among others. In the context of precision viticulture, UAV images are a potential way to map crop structure parameters, such as height row or vegetation cover fraction. To derive the structural information a very dense point cloud is extracted from UAV images (structure from motion). Every point contains X, Y and Z coordinates and spectral values of Red (R), Green (G) and Blue (B) bands from images can be assigned to the cloud points. Once cloud points are derived, they need to be processed and filtered to extract information of interest. Over the past years different filtering techniques have been developed to classify points from these cloud points. First, bare earth points are classified and a Digital Elevation Model (DEM) is generated. Then, the remaining points are classified as, for example, low, medium or high vegetation or building s, producing a Digital Surface Model (DSM). The difference between a DSM and DEM yields a Canopy Height Model (CHM). Therefore, it is necessary to distinguish terrain points from the rest of typologies. To classify points as terrain most filtering techniques assume that the Earth’s surface is continuous in all directions and apply geometric or morphological constraints. The methodology herein presented is based on the use of RGB spectral information associated with every point to discriminate between vegetation and other classes by colour indexes without using any geometric conditions. To validate the proposed methodology, cloud points from images taken with an RGB camera on-board an unmanned aerial vehicle (UAV) have been used. The UAV flights were performed at a vineyard whose land uses were grapevine rows, bare soil and cover crops (mainly composed by grass species) between the rows. The cloud points linked to this spectral information were accurately classified and a DEM, DSM and CHM were generated. These results are very useful to describe the structure of vineyards.

Trabajo presentado en la 5th International Conference on Small Unmanned Aerial Systems for Environmental Research (UAS4Enviro2017), celebrada en Vila Real (Portugal) del 28 al 30 de junio de 2017., The availability of very high density cloud points is of increasing interest for scientists and other users involved in obtaining precise information for environmental, forestry or agronomical processes, among others. In the context of precision viticulture, UAV images are a potential way to map crop structure parameters, such as height row or vegetation cover fraction. To derive the structural information a very dense point cloud is extracted from UAV images (structure from motion). Every point contains X, Y and Z coordinates and spectral values of Red (R), Green (G) and Blue (B) bands from images can be assigned to the cloud points. Once cloud points are derived, they need to be processed and filtered to extract information of interest. Over the past years different filtering techniques have been developed to classify poi nts from these cloud points. First, bare earth points are classified and a Digital Elevation Model (DEM) is generated. Then, the remaining points are classified as, for example, low, medium or high vegetation or building s, producing a Digital Surface Model (DSM). The difference between a DSM and DEM yields a Canopy Height Model (CHM). Therefore, it is necessary to distinguish terrain points from the rest of typologies. To classify points as terrain most filtering techniques assume that the Earth’s surface is continuous in all directions and apply geometric or morphological constraints. The methodology herein presented is based on the use of RGB spectral information associated with every point to discriminate between vegetation and other classes by colour indexes without using any geometric conditions. To validate the proposed methodology, cloud points from images taken with an RGB camera on-board an unmanned aerial vehicle (UAV) have been used. The UAV flights were performed at a vineyard whose land uses were grapevine rows, bare soil and cover crops (mainly composed by grass species) between the rows. The cloud points linked to this spectral information were accurately classified and a DEM, DSM and CHM were generated. These results are very useful to describe the structure of vineyards.

Trabajo presentado en la RHEA-2014 Second International Conference on Robotics and associated High-technologies and Equipment for Agriculture and forestry (New trends in mobile robotics, perception and actuation for agriculture and forestry), celebrada en Madrid del 21 al 23 de mayo de 2014.-- Edited by Pablo Gonzalez-de-Santos and Angela Ribeiro., Site-specific weed management in a very early phenological stage of crop and weed plants requires the ultra-high spatial resolution imagery provided by unmanned aerial vehicles (UAV) flying at low altitudes. These UAV images cannot cover the whole field, resulting in the need to take a sequence or series of multiple overlapped (end-lap and side-lap) images. As consequence, a large number of UAV images are acquired for each plot. These multiple overlapped images must be oriented by calculating the bundle adjustment and ortho-rectified throughout an aerial-triangulation procedure to create an accurately georeferenced ortho-mosaicked image of the entire field. As the spatial accuracy of ortho-mosaicked image is mainly dependent on camera calibration and percentage of overlapping, this paper describes the effect of flight parameters and sensor arrangement using an UAV flying at 30 m altitude and six-band multispectral camera (miniature camera array composed of a master channel and five more channels or bands) on the workflow of the mosaicking process. The objective is to develop a procedure to generate an accurate ortho-image. This procedure would be then used in multispectral UAV imagery taken on crops for weed seedling mapping. The main phases of UAV workflow were: sensor calibration, mission planning, UAV flight and processing images. Regarding the sensor calibration, six different geometric calibrations were calculated, one for each image registered corresponding to every band. Referring to mission planning, two end-lap and side-lap settings (60%-30% and 70%-40%) were considered. Calibration and image overlapping are related to the flight duration and accuracy resolving aerial-triangulation. Different aerialtriangulations were calculated for different scenarios taken into account several combinations of calibrations and the overlapping values. The spatial accuracy of the different generated ortho-mosaicked images using both overlapping values and calibration were evaluated by the ASPRS (American Society for Photogrammetry and Remote Sensing) test. The results showed that the best setting of flight to keep the spatial accuracy in the bundle adjustment was 40- 70% overlapping and using the master channel for the aero-triangulation and its own calibration parameters. Generally, high values of end-lap and side-lap improved the accuracy of block photogrammetric adjustment, although they increased the flight length and decreased the area overflow. In addition, the framework to process and mosaic the images taken by this type of sensor was defined., This research was partly financed by TOAS (ref.: PEOPLE-2011-CIG-293991, EC-7th Frame Program) and AGL2011-30442-CO2-01 (MINECO-FEDER Funds) Projects. Research of Mr. Torres-Sánchez and Dr. José M. Peña were financed by FPI Program (MINECO funds) and RHEA Project (NMP-CP-IP 245986-2, EC-7th Frame Program), respectively.

En esta Tesis Doctoral se han analizado un conjunto de nuevas técnicas de explotación de la información recogida por sensores espaciales y aerotransportados, estudiando las ventajas de una explotación combinada entre sensores. Este planteamiento general se concreta en los siguientes objetivos: Analizar el concepto independencia en el procesado y explotación de imágenes. Evaluar la influencia de la curva de respuesta espectral relativa de un sensor multiespectral en los procesos de clasificación mediante operadores basados en estadística de primer orden. Analizar el parámetro intensidad registrado por sensores ALS para valorar métodos y procesos que permitan una mejor explotación y aprovechamiento. Estudiar la combinación de sensores multiespectrales y ALS estudiando su influencia en los procesos de clasificación de usos de suelo. La Tesis Doctoral aparece estructurada en 6 capítulos. El Capítulo 1, presenta el estado del arte en cuanto a sensores y procesos se refiere. En los siguientes capítulos se presentan y desarrollan los trabajos que fundamentan el núcleo de la presente Tesis. En este sentido, en el Capítulo 2 se presenta las implicaciones de trabajar en un marco de independencia con las bandas de un sensor multiespectral, presentando los beneficios de trabajar con técnicas basadas en el análisis de componentes independientes frente a técnicas más convencionales en Teledetección como el análisis de componentes principales. El Capitulo 3 presenta una metodología diseñada para mitigar los efectos del comportamiento solapado de las bandas de sensores multiespectrales en los procesos de clasificación mediante operadores de clasificación apoyados en estadística de primer orden. A lo largo del Capítulo 4 se estudia como poder aprovechar la información registrada por sensores ALS mediante técnicas de clasificación, estudiando métodos para la normalización de la variable intensidad y sus beneficios con la combinación de información multiespectral registrada por sensores aéreos. En el Capítulo 5 se aplica el concepto de independencia estudiado en el Capítulo 2 en la explotación combinada de sensores multiespectrales y ALS y sus repercusiones en los procesos de clasificación de imágenes. Por último, en el Capítulo 6 se presentan unas conclusiones generales sobre la viabilidad del uso combinado de sensores para la explotación de la información desde el punto temático.

La dehesa es un ecosistema de creación humana a partir del bosque de encinas primitivas en el que se han aclarando los árboles y controlado el estrato arbustivo para que se estabilice el pastizal. Su densidad arbórea es muy variable y depende del tratamiento recibido a lo largo de los años. La obtención de la densidad de cobertura arbórea de dicho sistema se calcula mediante la Fracción de Cabida Cubierta (FCC), medida que relaciona la superficie cubierta por la copa del árbol respecto del resto de superficie. En comparación a las imágenes utilizadas actualmente para la obtención de la FCC como ortofotografías o vuelos fotogramétricos, las imágenes satélite de alta resolución espacial ofrecen suficiente detalle espacial para poder aislar la copa de los árboles del entorno, unido a la multiespectralidad de los datos que permite su correcta caracterización espectral. El objetivo de este trabajo fue desarrollar una metodología con imágenes pan-sharpened QuickBird que, a partir del análisis espectral de los árboles, generó imágenes en formato binario árbol-no árbol mediante técnicas de combinación de bandas para la obtención de la FCC. Los resultados obtenidos fueron satisfactorios al obtener fiabilidades mayores del 90% en la determinación de las copas de los árboles en la mayoría de los análisis realizados. The dehesa is an ecosystem developed from primitive oak forest where trees have been clarified and the shrub layer controlled to stabilize the pasture. The tree density is very variable and depends on the treatment received over the years. This density can be calculated by the Canopy Cover Fraction (CCF), a measure that relates the area covered by the trees over the other surface. Satellite imagery of high spatial resolution provide enough spatial detail to isolate the treetops from the environment, and enough multispectral data to allow the correct spectral characterization. The aim of this study was to develop a methodology with QuickBird pan-sharpened imagery for obtaining the CCF based on a spectral analysis of trees and a binary reclassification (tree- no tree) of each band. The results were satisfactory with accuracies greater than 90% in the discrimination of trees in most of the analysis.