1.4 Anàlisi de dades i presa de decisions
Participants: J. Arnó, J. Llorens, J.A. Martínez-Casasnovas, J.R. Rosell-Polo, A. Escolà, L. Sandonís.
Geoestadística i anàlisi espaciotemporal de dades
La utilització de sensors propers i remots en Agricultura de Precisió permet l’adquisició de diferents tipus de dades sobre els cultius i/o sobre el medi on aquests es desenvolupen. En general, la resolució espacial de les dades sol ser elevada si es tracta, per exemple, d’un sensor de collita que adquireix dades en continu (on-the-go) o és més aviat baixa (poques dades per hectàrea), si la informació s’adquireix manualment i de forma discretitzada (per exemple, comptatge del nombre de raïms per cep). En qualsevol cas, el mapat de les dades obtingudes esdevé un pas previ fonamental per tal de facilitar l’anàlisi i la interpretació de la informació.
La pràctica actual de l’Agricultura de Precisió fa recomanable l’obtenció de mapes de superfície (mapes amb cobertura ràster), per la qual cosa és imprescindible l’ús de tècniques d’interpolació espacial (Figura 1). Entre les diferents possibilitats que existeixen, la geoestadística permet, a part del mapat de les dades, obtenir una indicació de la incertesa o error que poden contenir els mapes obtinguts. De manera simplificada, l’obtenció de mapes aplicant tècniques geoestadístiques inclou dues fases diferenciades, i) anàlisi variogràfica, on s’avalua l’estructura de variació espacial (semivariograma) de la variable a mapar i, ii) interpolació geoestadística (kriging) que, en base al semivariograma, fa possible l’estimació de la variable en punts desconeguts o píxels (malla ràster) que cobreixen l’àrea geogràfica a mapar. Existeixen diferents programes informàtics d’interpolació geoestadística. El programa VESPER (https://precision-agriculture.sydney.edu.au/resources/software/download-vesper/) és una opció interessant i recomanada des del nostre grup de recerca. Algunes funcionalitats destacables del programa són la realització d’interpolacions puntuals o en blocs, i la consideració de variogrames locals quan s’assumeix el supòsit de la quasi-estacionarietat (és a dir, quan es disposa d’un gran nombre de dades sobre un àrea de certa superfície).
Figura 1. Mapa de conductivitat elèctrica aparent (CEa) (mapa central), després d’aplicar una interpolació geoestadística a les dades inicials proporcionades per un sensor de sòl (mapa de l’esquerra). La classificació del mapa interpolat (anàlisi clúster) fa possible segmentar dues classes de sòl per a un maneig diferenciat del reg a nivell de parcel·la. Finalment, la localització òptima de sondes d’humitat per al seguiment del reg en cadascuna de les classes s’ha establert en base a un mostreig intencionat (purposive sampling).
Experimentació (On-farm experimentation)
L’experimentació ‘on-farm’ fa referència a l’avaluació de diferents tècniques de maneig que són posades en marxa en finques comercials per part dels propis agricultors. A diferència de l’experimentació ‘convencional’, la realització d’experiències ‘on-farm’ prioritza l’interès de l’agricultor i fa ús de les dades de la seva explotació per tal d’optimitzar els processos de producció habitualment utilitzats en la zona. Sota un assessorament adequat, la realització d’aquest tipus d’experimentació és una manera pràctica de donar a conèixer i difondre l’adopció de les tecnologies de l’Agricultura de Precisió. Per altra banda, l’experimentació se sol realitzar a una escala espacial àmplia (parcel·la o finca), la qual cosa permet capturar una part important de la variabilitat espaciotemporal que es produeix a nivell d‘explotació agrícola.
El nostre grup de recerca ha posat en marxa diversos projectes d’experimentació ‘on-farm’. Per exemple, la Figura 2 mostra la parcel·la on s’ha portat a terme un assaig d’avaluació de l’eficàcia d’un compost bioactiu per al control de l’estrès hídric en panís. Havent-se delimitat diferents sectors de dosificació, aquesta experimentació ha permès que tots els agents implicats en surtin beneficiats. L’agricultor ha trobat una possible solució a un problema rellevant en la seva explotació. L’empresa subministradora ha pogut demostrar la fiabilitat i les condicions d’utilització del producte que ofereix. Pel que fa al GRAP, els investigadors hem pogut aplicar mètodes estadístics d’anàlisi espaciotemporal sobre imatges de satèl·lit, i així interpretar adequadament l’efecte de les diferents estratègies de gestió del reg que havien estat proposades.
Figura 2. Experimentació ‘on-farm’ sobre gestió del reg i l’estrès hídric en panís.
Maneig localitzat específic i tecnologies d’aplicació variable
A través de l’experimentació ‘on-farm’, el nostre grup (GRAP) ha pogut avaluar els avantatges de la utilització de diferents tecnologies d’aplicació variable. La Figura 3 mostra un cas real d’aplicació diferenciada de fertilitzants en una parcel·la extensiva. A partir del mapa de la conductivitat elèctrica aparent (CEa) del sòl (mapa A) i del mapa de vigor (NDVI, Normalized Difference Vegetation Index, mapa B) del cultiu de panís precedent, es proposa un mapa de prescripció de la fertilització (mapa C) diferenciant-se tres dosis d’acord a les característiques de cada zona. L’obtenció final d’un mapa de marge econòmic brut (mapa E) deriva de sostreure al mapa de collita (mapa D), multiplicat pel preu de venda del gra, el cost de la fertilització diferenciada en cada zona (mapa C). Tot i que l’objectiu final és uniformitzar el benefici al llarg de la parcel·la (en l’intent d’ajustar els recursos aplicats al potencial productiu de cada zona), es comprova que els marges bruts són espacialment variables. Per tant, serà necessari reajustar les actuacions en successives campanyes en base als resultats i l’experiència obtinguts de l’aplicació recursiva dels adobs a dosis variables. Sovint, els beneficis d’optar per l’Agricultura de Precisió i les tecnologies d’aplicació variable s’obtenen a mig i llarg termini, sent necessari aprendre de vàries campanyes abans no s’aconsegueix augmentar el benefici de l’explotació degut a una millor gestió dels recursos utilitzats.
Figura 3. Maneig diferenciat de la fertilització en una parcel·la de cultiu extensiu de 100 ha. A: mapa de conductivitat elèctrica aparent (CEa); B: mapa de NDVI del cultiu precedent de panís; C: mapa de prescripció de la fertilització; D: mapa de collita resultant de l’aplicació diferenciada dels fertilitzants; E: mapa que indica el marge brut obtingut (€/ha) al sostreure el cost de la fertilització del mapa de collita multiplicat pel preu de venda del panís.