Millora de la gestió de la capçada i del reg en plantacions tofoneres mitjançant la digitalització i el monitoratge 3D de les explotacions per a incrementar l’eficiència productiva i la sostenibilitat

DIPROTES

Descripción

Este proyecto pretende transferir técnicas de la Agricultura de Precisión al sector productivo catalán de trufa negra. El objetivo es mejorar los procesos productivos de la tubericultura a través de la digitalización de las explotaciones y la generación de información para la toma de decisiones de manejo para aumentar su productividad, la eficiencia de uso de recursos como la agua de riego y su sostenibilidad. Se emplearán sistemas sensoriales cercanos y remotos para la caracterización de los árboles y del suelo y receptores GNSS para georeferenciar las trufas recolectadas. Se sistematizará la recogida de datos y el análisis espacio-temporal para obtener relaciones entre la producción y la gestión de la copa (poda), del riego y del trabajo del suelo para transferir al sector. La mejora del proceso productivo de la trufa negra está alineada con el Plan Estratégico del sector trufero en Cataluña, del DARP. La actividad es una colaboración entre los centros CERCA Agrotecnio y el Centro de Ciencia y Tecnología Forestal de Catalunya. El primero aporta conocimiento y equipamiento de Agricultura de Precisión y, el segundo, de tubericultura, además de sus campos demostrativos.

Objectivo

Demostrar que la digitalización de las explotaciones truferas mediante la georeferenciación de los datos en sistemas de información geográfica y la monitorización terrestres y remota de los árboles puede contribuir a optimizar su manejo, a incrementar su eficiencia productiva y su sostenibilidad y, por tanto , a aumentar su competitividad.

Participantes

Este proyecto es una colaboración entre el centro CERCA Agrotecnio y el Centre de Ciència i Tecnologia Forestal de Catalunya.

Infografía

Artículos divulgativos

Tubericultura de precisión: Uso de receptores GNSS para la geolocalización de trufas en plantaciones con trufa negra (Tuber melanosporum Vittad.)

Autores:
Jose Manuel Plata, Dalmau Albó, Daniel Oliach i Àlex Escolà

Resumen:
Tradicionalmente, la naturaleza subterránea de la trufa negra y su recolección mediante perros truferos han dificultado el seguimiento de su maduración y rendimiento, hecho que a menudo provoca la pérdida de la información exacta sobre la producción por árbol y a nivel de parcela. En este estudio se valida una metodología aplicada a una plantación de encinas en plena producción, geolocalizando con precisión centimétrica tanto un conjunto de cinco árboles como su cosecha semanal posterior mediante un flujo de trabajo estructurado en tres fases: marcaje in situ, georreferenciación e integración en un Sistema de Información Geográfica (SIG). Los resultados indican la importancia de la geolocalización, ya que existe una elevada heterogeneidad espacial y se registran variaciones significativas en el peso y la cantidad de trufas en árboles muy cercanos. Además, el mapeo espacial individual evidencia que, incluso dentro de un mismo árbol, existen zonas con más trufas. En el caso del árbol más productor, el 50% de las trufas se concentraron a una distancia de entre 1 y 1.5 metros del tronco, mostrándose también una menor producción en la orientación norte.

Enlace:
Article divulgatiu 1_CAT

Los modelos 3D como aliados: Cómo medir el crecimiento y la intensidad de poda en encinas (Quercus ilex subsp. ballota (Desf.) Samp.) truferas con tecnología LiDAR

Autores:
Jose Manuel Plata, Dalmau Albó, Daniel Oliach i Àlex Escolà

Resumen:

El vigor y la morfología del árbol huésped influyen directamente en la producción del hongo simbionte, hecho que justifica un seguimiento exhaustivo de las encinas para evaluar cómo intervienen en la producción de trufa negra. Para ello, se ha utilizado un sistema portátil basado en tecnología LiDAR con el que se monitorizó, durante la campaña de 2025, una finca en Querol. El seguimiento incluyó cinco escaneos que comprenden los estadios de prepoda y postpoda, así como tres rebrotaciones posteriores, para comparar una encina control (sin ningún tipo de intervención) con otra sometida a poda. Tras el procesamiento de las nubes de puntos obtenidas, se cuantificó con exactitud el volumen, la altura y la anchura de las copas. Los datos volumétricos indicaron que, considerando el inicio y el final de la campaña, el ejemplar control creció un 80% (de 5.4 m³ a 9.8 m³), mientras que el árbol podado incrementó su volumen en un 20% (de 6.6 m³ a 8 m³). No obstante, si se utiliza como momento inicial el estadio postpoda, se observa que el ejemplar podado, que había sufrido una reducción del 20% de su volumen a causa de la intervención, reacciona posteriormente con un vigoroso crecimiento vertical. El estudio concluye que los sensores LiDAR permiten garantizar la trazabilidad de las intervenciones y optimizar la gestión sostenible y digitalizada del sector.