Programa del congreso

La estimación precisa del consumo de agua es un elemento clave para la optimización del uso del agua en cultivos extensivos, especialmente en zonas con alta variabilidad climática y creciente presión sobre los recursos hídricos. Los métodos tradicionales, basados en aforos y programación empírica del riego, presentan limitaciones para captar la variabilidad espacial del cultivo. En este trabajo se evalúa la capacidad de la herramienta HIDROMOREweb para estimar las necesidades de riego a escala de parcela mediante balance de agua en el suelo y coeficiente dual de cultivo (FAO56), integrando imágenes de satélite y datos meteorológicos. La estimación se valida con datos suministrados por la Junta Central de Regantes Mancha Oriental que publica para cada campaña su plan de explotación. Los resultados muestran una buena correspondencia entre el consumo teórico asignado a los cultivos y el consumo estimado por teledetección, con coeficientes de R2 superiores al 0.95. Se presenta por tanto la metodología aplicada y los resultados obtenidos para la OCA de La Roda empleando tres años consecutivos con diferentes condiciones climáticas en cuanto a la pluviometría.

La teledetección hiperespectral embarcada en UAV representa una herramienta prometedora para el fenotipado eficiente de diferentes variedades de olivo. Este trabajo presenta los resultados obtenidos mediante el análisis de datos hiperespectrales adquiridos en julio y septiembre de 2022 en un ensayo de variedades. Se evaluaron cuatro variedades (‘Arbosana’, ‘Sikitita’, ‘Arbequina’ y ‘Koroneiki’) bajo dos regímenes hídricos: riego deficitario y secano. Se usó un sensor hiperespectral con 274 bandas en el rango 400–1000 nm para trazar las firmas espectrales, y se analizó la variación de las firmas entre fechas. Los resultados muestran una evolución temporal diferenciada entre variedades y regímenes hídricos. En riego, ‘Koroneiki’ y ‘Sikitita’ presentaron variaciones mínimas entre fechas, mientras que ‘Arbequina’ y ‘Arbosana’ mostraron una disminución en NIR. En secano, las diferencias fueron más marcadas, destacando mayores descensos en NIR para la mayoría de variedades, salvo ‘Koroneiki’ y ‘Sikitita’, que mantuvieron valores más estables, sugiriendo una posible mejor adaptación al secano.

Las nuevas misiones hiperespectrales permiten identificar rasgos de absorción sutiles esenciales para el monitoreo agrícola avanzado. Este estudio compara la capacidad del sensor hiperespectral EnMAP y el multiespectral Sentinel-2 en la estimación de rasgos biofísicos en el cultivo de arroz del Bajo Guadalquivir. Se empleó un enfoque híbrido basado en PROSAIL-PRO y algoritmos de Machine Learning (ML), optimizados mediante Active Learning (AL) para mitigar la redundancia espectral. Los resultados demuestran la mayor capacidad de EnMAP en la caracterización bioquímica foliar, alcanzando valores de R2 de 0,93 para carotenoides (CAR) y de 0,92 para nitrógeno foliar (LNC). En comparación, Sentinel-2 mostró correlaciones más moderadas, con R2 inferiores a 0,90 en todos los rasgos y limitaciones críticas en parámetros estructurales como el índice de área foliar (LAI) y la clorofila a nivel de dosel (CCC). Esta diferencia sugiere que la resolución espectral de EnMAP es clave para diferenciar las señales bioquímicas y la estructura del dosel. La eficacia de la tecnología hiperespectral frente a la multiespectral sienta las bases para que la misión europea CHIME se consolide como una herramienta esencial para la toma de decisiones en el sector agrario.

La identificación y mapeo de los viñedos en islas volcánicas presenta una elevada complejidad debido a la fuerte variabilidad topográfica, la fragmentación de las parcelas y la coexistencia de múltiples sistemas de cultivo tradicionales. En este contexto, la teledetección y las técnicas de Deep Learning constituyen herramientas prometedoras para mejorar la monitorización agrícola. El presente estudio evalúa el rendimiento del modelo U‑Net para la segmentación de viñedos utilizando datos del Plan Nacional de Ortofotografía Aérea (PNOA) de 2021, combinando información espectral (RGB y NIR) y datos derivados de LiDAR (DEM y CHM). Se entrenaron cuatro configuraciones del modelo U‑Net con distintas combinaciones de datos de entrada con el fin de analizar el impacto de cada fuente de información. Los resultados muestran que todas las configuraciones alcanzan métricas bastante robustas (F1‑Score >71%, IoU >55%). Sin embargo, la integración de datos multimodales mejora sistemáticamente la segmentación. La mejor combinación (RGB + NIR + DEM + CHM) obtuvo un F1‑Score del 75.32% y una IoU del 60.41%, evidenciando el impacto de incorporar información topográfica y de estructura de la vegetación. Este trabajo demuestra el potencial de la fusión de datos espectrales y LiDAR junto con modelos U‑Net para la detección y monitorización precisa de viñedos en entornos agrícolas heterogéneos.

El arroz (Oryza sativa L.) es un cultivo básico a nivel mundial, siendo España el segundo productor europeo. Sin embargo, el sector afronta importantes retos ambientales derivados del cambio climático y la creciente demanda de agua. Aunque la teledetección ofrece herramientas para optimizar insumos como el nitrógeno (N), muchos modelos actuales están calibrados para variedades específicas, lo que limita su aplicabilidad. Este estudio evalúa la transferibilidad de modelos de RS para monitorizar el estado de fertilización nitrogenada en un conjunto altamente heterogéneo de genotipos, localizaciones y campañas. Se realizaron ensayos en seis sitios experimentales de Valencia y Tarragona durante 2022 y 2023, incluyendo más de 170 variedades comerciales y otras en desarrollo, bajo dos dosis de N (100 y 200 kg N/ha). Las imágenes multiespectrales de UAV (MAIA S2) se utilizaron para entrenar clasificadores Random Forest, con el fin de diferenciar entre dosis de N. Los clasificadores lograron más del 85% de exactitud en varias localizaciones, mostrando que las bandas del visible son más relevantes en etapas tempranas, mientras que el infrarrojo cercano y el red-edge son clave durante todo el ciclo. El 82% de las variedades mostró alta compatibilidad con el modelo global de N. En conclusión, la monitorización del nivel de nitrógeno mediante clasificadores RF y teledetección con UAVs es robusta frente a la variabilidad genética.