Resumen de Precision farming based technologies for olive grove management optimization

Miguel Noguera Manzano

• español

  La olivicultura de precisión busca mejorar la calidad y productividad de los olivares, reduciendo su impacto ambiental a través de la optimización del uso de recursos. La implementación de estrategias basadas en olivicultura de precisión requiere el desarrollo de metodologías para caracterizar el estado de los olivos con una alta resolución espacial y temporal. El objetivo de esta Tesis es desarrollar metodologías accesibles para la estimación del estado hídrico y nutricional del olivar, así como la calidad del fruto. En primer hito de esta Tesis ha sido el desarrollo de una cámara térmica basada en un sensor infrarrojo de bajo coste para evaluar el estado hídrico de los olivos. La temperatura del dosel y el índice de estrés hídrico del cultivo (CWSI) se compararon con dos indicadores de estado hídrico estandarizados (potencial hídrico foliar antes del amanecer y conductancia estomática), obteniendo resultados prometedores (R² ≥ 0.80). Un aspecto relevante de este trabajo es el método propuesto para obtener los umbrales necesarios para calcular el CWSI. Este enfoque simplifica la automatización del proceso, ya que los límites de referencia se extraen del histograma de temperaturas, evitando la necesidad de medir superficies artificiales o variables meteorológicas. El segundo hito consistió en el desarrollo de una metodología para evaluar el estado nutricional de los olivos basada en el análisis y modelización de imágenes espectrales tomadas desde un vehículo aéreo no tripulado. Una parte esencial de esta metodología fue el procesamiento de imágenes, que permite la identificación de los píxeles del dosel, descartando información de fondo mediante el uso de un modelo digital de superficie. Esto mejora la calidad de los datos espectrales, disminuyendo el perjuicio ocasionado por la presencia de distractores. Los 5 datos de reflectancia extraídos de las imágenes se usaron para entrenar varias herramientas de modelización (regresión por mínimos cuadrados parciales, redes neuronales artificiales (ANN), regresión de soporte vectorial, y procesos de regresión gaussiana) utilizando valores de referencia del contenido foliar de NPK. Las modelos ANN arrojaron los mejores resultados (LNC: R2 = 0.63; LPC: R2 = 0.89; LKC: R2 = 0.93). El tercer hito consistió en el desarrollo de un dispositivo multiespectral de bajo coste con capacidad de caracterizar parámetros de calidad de aceitunas intactas. Inicialmente se desarrolló un prototipo basado en un sensor comercial, y este se evaluó en un experimento realizado en condiciones de laboratorio. Los 18 valores de reflectancia adquiridos por el sensor se usaron para alimentar modelos ANN usando como referencia 3 indicadores de calidad de aceituna (humedad: M; acidez titulable: TA; y contenido de aceite en materia fresca: OCFW). Las respuestas de los modelos ANN fueron prometedoras (M: R2 = 0.78; TA: R2 = 0.86; OCFW: R2 = 0.62). Estos resultados impulsaron el desarrollo de un dispositivo portátil, basado en el mismo sensor. El potencial de este se evaluó en un experimento de campo, tomando las medidas espectrales sobre el terreno. Los resultados de este trabajo fueron alentadores ya que las estimaciones del contenido de aceite por materia seca (OCDM) (R2 = 0.86), OCFW (R2 = 0.86) y M (R2 = 0.89) superaron a las obtenidas en condiciones de laboratorio, aunque que la estimación de TA (R2 = 0.21) fue peor. Alternativamente, se evaluó el potencial del dispositivo para caracterizar indicadores de calidad de uvas en condiciones de campo, obteniendo buenos resultados (Solidos solubles totales: R2 = 0.70; TA: R2 = 0.67). Esto sugiere el potencial del dispositivo en cultivos diferentes del olivo. Los resultados obtenidos en la investigación realizada en esta Tesis indican el potencial de las soluciones desarrolladas para apoyar la toma de decisiones en el contexto de la olivicultura de precisión. El bajo coste y la facilidad de uso de las soluciones propuestas las hacen accesibles para todo tipo de olivicultores.

• English

  Precision oliviculture aims to enhance the quality and productivity of olive orchards while reducing environmental impact through optimized resource utilization. The implementation of these strategies requires the development of methodologies to characterize the state of olive trees with high spatial and temporal resolution. This thesis aims to develop accessible methodologies for assessing the water and nutritional needs olive crops, as well as the olive fruit quality. The first milestone of this thesis has been the development of a thermal camera based on a low-cost infrared sensor to assess the water status of olive trees. The canopy temperature and the crop water stress index (CWSI) were compared with two standardized water status indicators (predawn leaf water potential and stomatal conductance), obtaining promising results (R² ≥ 0.80). A significant aspect of this work is the proposed method for obtaining the thresholds needed to calculate the CWSI. This approach simplifies the automation of the process, as the reference limits are extracted from the temperature histogram, avoiding the need to measure artificial surfaces or meteorological variables. The second milestone involved developing a methodology to assess the nutritional status of olive trees based on analysing and modelling spectral images captured by an unmanned aerial vehicle. A crucial step of this methodology is the proposed image processing technique. It utilizes a digital surface model to filter out background information, improving the quality of spectral data by reducing the impact of background noise. The 5 reflectance data extracted from the images were used to train various modelling tools (partial least squares regression, artificial neural network (ANN), support vector regression, and gaussian process regression) using reference values of NPK leaf content. The ANN models achieved the best results (LNC: R² = 0.63; LPC: R² = 0.89; LKC: R² = 0.93). The third milestone focused on developing a low-cost multispectral device capable of characterising key quality parameters of intact olives. A prototype based on a commercial sensor was initially built and evaluated in a controlled laboratory experiment. The 18 reflectance values acquired by the sensor were used as input for ANN models, with three key olive quality indicators serving as reference data: moisture (M), titratable acidity (TA), and oil content per fresh weight (OCFW). The results obtained from the ANN models were promising (H: R² = 0.78; TA: R² = 0.86; OCFW: R² = 0.62). Encouraged by the laboratory results, a portable device based on the same sensor was developed. Its potential was evaluated in a field experiment, taking spectral measurements on-site. The results of this work were encouraging as the estimates of the oil content per dry matter (OCDM) (R² = 0.86), OCFW (R² = 0.86), and M (R² = 0.89) were better than those obtained under laboratory conditions, although the estimation of TA (R² = 0.21) was worse. Alternatively, the potential of the device to characterize quality indicators of red grapes in field conditions was evaluated, obtaining good results (Solid soluble content: R² = 0.70; TA: R² = 0.67). This suggests the potential of the device beyond olive trees. The results obtained in the research conducted in this Thesis indicate the potential of the developed solutions to support decision-making in the context of precision oliviculture. The low cost and ease of use of the proposed solutions make them accessible for all kind of olive growers.