Determinación de la variabilidad espacial con sensores distales y proximales, en la producción de papas para la agroindustria

Abstract

Durante la temporada 2022 se realizó un estudio en la Región de Coquimbo, comuna de La Serena, para la determinación de la variabilidad espacial del cultivo de papas cv. “Atlantic” con sensores distales y proximales. Los objetivos fueron determinar la variabilidad espacial del cultivo con índices de vegetación, caracterizar y categorizar la variación de suelos con un escáner CEM, el crecimiento vegetativo, rendimientos y asociar la información con las diferentes tecnologías de agricultura de precisión utilizadas. Se trabajó con imágenes satelitales obtenidas desde los satélites ‘PlanetScoup’, ‘Sentinel 2’ y ´Kompsat´, imágenes digitales de la variabilidad de suelo obtenidas con el escáner CEM, así como evaluaciones del desarrollo vegetativo y reproductivo. Toda la información fue procesada a través de InfoStat, Qgis, RStudio y planillas Excel para complementar los análisis. Los resultados demostraron que ambas tecnologías permiten generar segmentaciones de sitio, pero éstas no presentaron relaciones entre sí en la temporada 2022, ni mucho menos con las variables muestreadas en terreno. Se propone que este resultado se debe a que la papa es un cultivo cuyas raíces que se encuentran en superficie y al usar camellones, tienden a equipararse las segmentaciones del CEM. Adicionalmente, la superficie cultivada presenta altos rendimientos y parejos, siendo otra razón que justificaría la falta de una clara relación con la variabilidad espacial. Lo anterior se apoya en el análisis histórico del cultivo, donde eran evidentes las diferencias en los rendimientos de los distintos sectores, los que se asociaron al NDVI. Se puede concluir que estas nuevas tecnologías son útiles para la identificación de problemáticas referentes al cultivo y para generar evaluaciones más certeras, siendo las imágenes satelitales útiles durante la temporada de desarrollo del cultivo y el escáner de suelo CEM para conocer en forma anticipada la variabilidad del suelo, apoyando un buen diseño para los diferentes sectores de riego, sobre todo en cultivos de enraizamiento más profundos.

During the 2022 season, a study was conducted in the Coquimbo Region, specifically in the municipality of La Serena, to determine the spatial variability of the potato crop cv. "Atlantic" using distal and proximal sensors. The objectives were to assess the spatial variability of the crop with vegetation indices, to characterize and categorize soil variation with a CEM scanner, to evaluate vegetative growth and yields, and to associate the information with various precision agriculture technologies used. The study utilized satellite images obtained from the ‘PlanetScope’, Sentinel 2’, and ‘Kompsat’ satellites, digital images of soil variability acquired with the CEM scanner, as well as assessments of vegetative and reproductive development. All information was processed using InfoStat, QGIS, RStudio, and Excel spreadsheets to complement the analyses. The results demonstrated that both technologies allowed for site segmentation, but they did not show relationships with each other during the 2022 season, nor with the variables sampled in the field. It is proposed that this outcome is due to the potato being a crop with surface roots, and the use of raised beds tends to equalize the CEM segmentations. Additionally, the cultivated area shows high and uniform yields, which could also explain the lack of a clear relationship with spatial variability. This is supported by the historical analysis of the crop, where differences in yields across various sectors were evident and were associated with NDVI. It can be concluded that these new technologies are useful for identifying issues related to the crop and for generating more accurate assessments, with satellite images being beneficial during the crop development season and the CEM soil scanner aiding in the early understanding of soil variability, supporting effective design for different irrigation sectors, especially in deeper-rooted crops.