Metodología para el seguimiento del estado hídrico de un olivar superintensivo basada en imágenes termográficas y multiespectrales de alta resolución
DOI:
https://doi.org/10.24215/15146774e104Palabras clave:
riego de precisión, estrés hídrico, termografía, agricultura digital, olivosResumen
La gestión eficiente del recurso hídrico constituye un desafío central en la agricultura moderna, especialmente en regiones áridas y semiáridas. En este contexto, el riego de precisión requiere de información confiable y oportuna sobre el estado hídrico de los cultivos. En este trabajo se propone una metodología para el seguimiento del estado hídrico de un olivar superintensivo basada en el uso de imágenes termográficas y multiespectrales de alta resolución adquiridas mediante un vehículo aéreo no tripulado (UAV), equipado con una cámara termográfica FLIR VueProR 640 y una cámara multiespectral MicaSense RedEdge. El estudio se desarrolló durante la campaña productiva 2024–25 sobre un olivar experimental en el que se aplicaron cuatro tratamientos de riego con diferentes niveles de reposición hídrica (100%, 70%, 50% y 25%), con el objetivo de generar variabilidad en el estado hídrico del cultivo. Las imágenes térmicas y multiespectrales fueron procesadas mediante un flujo de trabajo integrado que combina fotogrametría digital, sistemas de información geográfica y herramientas de programación en Python. A partir de ortomosaicos georreferenciados con una resolución espacial aproximada de 4 cm se calcularon la temperatura del cultivo, el índice de estrés hídrico del cultivo (CWSI) y el índice de vegetación NDVI. Los resultados muestran una elevada variabilidad espacial y temporal de los índices térmicos asociada a los tratamientos de riego, mientras que el NDVI presenta un comportamiento más estable a lo largo de la campaña. La metodología propuesta permite un estudio detallado a escala intra-parcela y aporta un flujo de trabajo integrado para el procesamiento y análisis de datos aplicados a la gestión del riego en olivares superintensivos.
Referencias
Agisoft Helpdesk Portal. (s.f.). MicaSense RedEdge MX processing workflow (including Reflectance Calibration) in Agisoft Metashape Professional. Agisoft. Recuperado el 15 de abril de 2025 de https://agisoft.freshdesk.com/support/solutions/articles/31000148780-micasense-rededge-mx-processing-workflow-including-reflectance-calibration-in-agisoft-metashape-pro
Allen, R. G., Pereira, L. S., Raes, D. y Smith, M. (1998). Crop evapotranspiration: Guidelines for computing crop water requirements. FAO. https://www.fao.org/3/X0490E/x0490e00.htm
Ben-Gal, A., Agam, N., Alchanatis, V., Cohen, Y., Yermiyahu, U., Zipori, I., Presnov, E., Sprintsin, M. y Dag, A. (2009). Evaluating water stress in irrigated olives: Correlation of soil water status, tree water status, and thermal imagery. Irrigation Science, 27, 367–376. https://doi.org/10.1007/s00271-009-0150-7
Capraro, F., Tosetti, S., Rossomando, F., Mut, V. y Vita Serman, F. (2018). Web-based system for the remote monitoring and management of precision irrigation: A case study in an arid region of Argentina. Sensors, 18(11), 3847. https://doi.org/10.3390/s18113847
Capraro, F., Vita Serman, F. y Tosetti, S. (2021). Determinación de CWSI en olivares mediante procesamiento de imágenes termográficas [ponencia]. 13º Congreso Argentino de Agroinformática y 50º Jornadas Argentinas de Informática (50 JAIIO). Ciudad Autónoma de Buenos Aires, Argentina. http://sedici.unlp.edu.ar/handle/10915/140694
Capraro, F., Campillo, P., Giménez, R., Ortiz, A., Gentili, L. y Pierantozzi, P. (2024). Monitoreo de variables y gestión de estrategias de riego deficitario en un olivar superintensivo empleando nuevas tecnologías de Agricultura Digital [ponencia]. Actas del 16º Congreso Argentino de Agroinformática. 53 JAIIO. Bahía Blanca, Argentina. https://sedici.unlp.edu.ar/handle/10915/176974
Colombo, R., Bellingeri, D., Fasolini, D. y Marino, C. M. (2003). Retrieval of leaf area index in different vegetation types using high-resolution satellite data. Remote Sensing of Environment, 86(1), 120–131. https://doi.org/10.1016/S0034-4257(03)00094-4
Connor, D. J., Gómez-del-Campo, M., Rousseaux, M. C. y Searles, P. S. (2014). Structure, management and productivity of hedgerow olive orchards: A review. Scientia Horticulturae, 169, 71–93. https://doi.org/10.1016/j.scienta.2014.02.010
Doorenbos, J. y Pruitt, W. O. (1976). Guidelines for predicting crop water requirements. FAO. https://openknowledge.fao.org/handle/20.500.14283/f2430e
Fernández, J. E. (2014). Understanding olive adaptation to abiotic stresses as a tool to increase crop performance. Environmental and Experimental Botany, 103, 158–179. https://doi.org/10.1016/j.envexpbot.2013.12.003
Giménez, R., Capraro, F., Campillo, P., Gentili, L. y Pierantozzi, P. (2023). Análisis de la variabilidad espacial del estado hídrico en un olivar superintensivo. X Reunión de Trabajo en Procesamiento de la Información y Control RPIC 2023. Posadas, Argentina.
Gitelson, A. A. (2004). Wide dynamic range vegetation index for remote quantification of biophysical characteristics of vegetation. Journal of Plant Physiology, 161(2), 165–173. https://doi.org/10.1078/0176-1617-01176
Gómez-del-Campo, M., Morales-Sillero, A., Vita Serman, F., Rousseaux, M. C. y Searles, P. S. (2010). El olivar en los valles cálidos del noroeste de Argentina. Olivae, 114, 23–45.
González-Dugo, V., Zarco-Tejada, P. J., Nicolás, E., Nortes, P. A., Alarcón, J. J. y Intrigliolo, D. S. (2013). Using high-resolution UAV thermal imagery to assess the variability in the water status of five fruit tree species within a commercial orchard. Precision Agriculture, 14, 660–678. https://doi.org/10.1007/s11119-013-9322-9
Idso, S. B., Jackson, R. D., Pinter, P. J., Reginato, R. J. y Hatfield, J. L. (1981). Normalizing the stress-degree-day parameter for environmental variability. Agricultural Meteorology, 24, 45–55. https://doi.org/10.1016/0002-1571(81)90032-7
Jones, H. G. (1992). Plants and microclimate. (2ª ed.). Cambridge University Press.
Li, X., Zhang, Y., Wu, B. y Zeng, H. (2022). A Python-based geospatial processing framework for high-resolution UAV imagery in precision agriculture. ISPRS Journal of Photogrammetry and Remote Sensing, 184, 1–15. https://doi.org/10.1016/j.isprsjprs.2021.12.002
López-Granados, F., Torres-Sánchez, J., Serrano, N., Arquero, O. y Peña, J. M. (2019). High-throughput system for the detection of early-season olive crop diseases using aerial imagery and deep learning. Remote Sensing, 11(21), 2542. https://doi.org/10.3390/rs11212542
Maes, W. H. y Steppe, K. (2019). Perspectives for remote sensing with unmanned aerial vehicles in precision agriculture. Trends in Plant Science, 24(2), 152–164. https://doi.org/10.1016/j.tplants.2018.11.007
Moriana, A., Orgaz, F., Pastor, M. y Fereres, E. (2003). Yield responses of a mature olive orchard to water deficits. Journal of the American Society for Horticultural Science, 128, 425–431. https://doi.org/10.21273/JASHS.128.3.0425
Mulla, D. J. (2013). Twenty-five years of remote sensing in precision agriculture: Key advances and remaining knowledge gaps. Biosystems Engineering, 114(4), 358–371. https://doi.org/10.1016/j.biosystemseng.2012.08.009
Pastor, M., García-Vila, M., Soriano, M. A., Vega, V. yFereres, E. (2007). Productivity of olive orchards in response to tree density. Journal of Horticultural Science & Biotechnology, 82, 555–562. https://doi.org/10.1080/14620316.2007.11512269
Radočaj, D., Obhođaš, J., Jurišić, M. y Gašparović, M. (2020). Global open data remote sensing satellite missions for land monitoring and conservation: A review. Land, 9(11), 402. https://doi.org/10.3390/land9110402
Romero, M., Luo, Y., Su, B. y Fuentes, S. (2021). Vineyard water status estimation using multispectral and thermal imagery from an unmanned aerial vehicle (UAV). Computers and Electronics in Agriculture, 185, 106160. https://doi.org/10.1016/j.compag.2021.106160
Searles, P. S., Agüero Alcarás, M. y Rousseaux, M. C. (2011). El consumo de agua por el cultivo de olivo (Olea europaea L.) en el noroeste de Argentina: una comparación con la cuenca Mediterránea. Ecología Austral, 21, 15–28.
Sepulcre-Cantó, G., Zarco-Tejada, P. J., Jiménez-Muñoz, J. C., Sobrino, J. A., de Miguel, E. y Villalobos, F. J. (2006). Detection of water stress in an olive orchard with thermal remote sensing imagery. Agricultural and Forest Meteorology, 136(1–2), 31–44. https://doi.org/10.1016/j.agrformet.2006.01.008
Sola-Guirado, R. R., Castro-García, S., Blanco-Roldán, G. L. y Gil-Ribes, J. A. (2017). Application of precision agriculture technologies in olive groves: Evaluation of the benefits and adoption barriers. Computers and Electronics in Agriculture, 138, 48–60. https://doi.org/10.1016/j.compag.2017.04.008
Tmušić, G., Manfreda, S., Aasen, H., James, M. R., Gonçalves, G., Ben-Dor, E. y Pádua, L. (2020). Current practices in UAS-based environmental monitoring. Remote Sensing, 12(6), 1001. https://doi.org/10.3390/rs12061001
Zarco-Tejada, P. J., González-Dugo, V. y Berni, J. A. J. (2012). Fluorescence, temperature and narrow-band indices acquired from a UAV platform for water stress detection using a micro-hyperspectral imager and a thermal camera. Remote Sensing of Environment, 117, 322–337. https://doi.org/10.1016/j.rse.2011.10.007
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Flavio Capraro, Santiago Tosetti, Pedro Campillo, Vicente Mut, Pierluigi Pierantozzi
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes:
- Los autores/as conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra, el cuál estará simultáneamente sujeto a la Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0) que permite a terceros compartir la obra siempre que se indique su autor y su primera publicación esta revista, no hagan uso comercial de ella y las obras derivadas de hagan bajo la misma licencia.
- Los autores/as podrán adoptar otros acuerdos de licencia no exclusiva de distribución de la versión de la obra publicada (p. ej.: depositarla en un archivo telemático institucional o publicarla en un volumen monográfico) siempre que se indique la publicación inicial en esta revista.
- Se permite y recomienda a los autores/as difundir su obra a través de Internet (p. ej.: en archivos telemáticos institucionales o en su página web) antes y durante el proceso de envío, lo cual puede producir intercambios interesantes y aumentar las citas de la obra publicada. (Véase El efecto del acceso abierto).
