Pasar al contenido principal

Resultados relacionados

Resultados totales (Incluyendo duplicados): 4
Encontrada(s) 1 página(s)

DIGITAL.CSIC. Repositorio Institucional del CSIC
Publicación Artículo científico (JournalArticle)

DIGINVASIVE: Sistema de Alerta y Control de especies invasoras. Caso de estudio: Amaranthus palmeri, DIGINVASIVE: Alert and Control System for weed invasive species. Case study: Amaranthus palmeri

  • Castro, Ana Isabel de
  • Mesías-Ruiz, Gustavo A.
  • Llenes-Espigares J.M.
  • Borra-Serrano, Irene
  • Dorado, José
  • Recasens J.
  • Peña Barragán, José Manuel
6 Pág., [ES] La gestión eficiente de las malas hierbas invasoras es fundamental para mantener el equilibrio entre biodiversidad, producción y sostenibilidad agrícola. Esto se debe a que las malas hierbas invasoras pueden causar pérdidas significativas de rendimiento en los cultivos y su control supone un elevado coste en productos fitosanitarios, además de los daños ecológicos que generan. Los avances en robótica, digitalización, inteligencia artificial, etc., permiten la optimización de los recursos empleados (e.g. fitosanitarios) mediante la aplicación de tratamientos localizados y ajustados a las necesidades reales del cultivo siguiendo los principios de la agricultura de precisión. Recientemente se ha confirmado la presencia de la planta invasora Amaranthus palmeri en parcelas agrícolas en España. Esta especie es altamente competitiva, presenta una elevada tasa de fecundidad y la capacidad para desarrollar biotipos resistentes a los herbicidas, convirtiéndola en una de las especies exóticas con mayor amenaza para la agricultura española. Para ello, se ha desarrollado una herramienta de agricultura digital -denominada DIGINVASIVE- para el mapeo y seguimiento de A. palmeri en campos agrícolas, consistentes en un servidor de cartografía digital web de código abierto que utiliza tecnologías digitales innovadoras como imágenes de dron, Sistemas de Información Geográfica, Tecnologías de la Información y la Comunicación y potentes algoritmos de Inteligencia Artificial. Esta herramienta interactiva permitirá a los usuarios establecer las medidas de prevención y erradicación necesarias para abordar el control de A. palmeri en escenarios agrícolas., [EN] Efficient invasive weed management is critical to maintain the balance between biodiversity, production and agricultural sustainability. Invasive plants may cause significant yield losses in crops and their control entails a high cost in pesticide products, in addition to the ecological damage they generate. Advances in robotics, digital agriculture, artificial intelligence, etc, allow the inputs’ optimization (e.g. pesticides) through timely and site-specific treatments tailored to the real crop needs, aligned with the principles of precision agriculture. Amaranthus palmeri has been recently detected in Spanish crop fields. It is an extremely competitive species, with a high fertility rate and skilled at developing herbicide-resistant biotypes, which poses a serious threat to Spanish agriculture. Therefore, a digital agriculture tool -called DIGINVASIVE- is being designed for mapping and monitoring of A. palmeri in crops, which consists of an open-source web-based interface system using innovative digital technologies such as drone imagery, Geographic Information Systems, Information and Communication Technologies and powerful Artificial Intelligence algorithms. This interactive tool will allow users to establish suitable prevention and eradication measures to address the control of A. palmeri in agricultural environments., Este trabajo ha sido financiado por la Unión Europea NextGenerationEU/PRTR y la Agencia Estatal de Investigación (MCIN/AEI/10.13039/501100011033)a través de los proyectos DigInvasive (TED2021-132401A-I00) y SmartWeeding (PID2020-113229RBC41/AEI/10.13039/501100011033), y de las ayudas FPI (PRE2018-083227) y Juan de la Cierva (FJC2021-047687-1) de los investigadores GMR e IBS, respectivamente. También agradecemos a David Campos y José Manuel Martín, miembros de Tec4AGRO, por su apoyo en los trabajos de campo y gabinete., Peer reviewed
DIGITAL.CSIC. Repositorio Institucional del CSIC
Publicación Artículo científico (JournalArticle)

Using Hyperspectral Imaging and Principal Component Analysis to Detect and Monitor Water Stress in Ornamental Plants

  • Patiluna, Van
  • Owen, James S.
  • Maja, Joe Mari
  • Neupane, Jyoti
  • Behmann, Jan
  • Bohnenkamp, David
  • Borra-Serrano, Irene
  • Peña Barragán, José Manuel
  • Robbins, James
  • Castro, Ana Isabel de
Water stress is a critical factor affecting the health and productivity of ornamental plants, yet early detection remains challenging. This study aims to investigate the spectral responses of four ornamental plant taxa—Rosa hybrid (rose), Itea virginica (itea), Spiraea nipponica (spirea), and Weigela florida (weigela)—under varying levels of water stress using hyperspectral imaging and principal component analysis (PCA). Hyperspectral data were collected across multiple wavelengths and PCA was applied to identify key spectral bands associated with different stress levels. The analyses revealed that the first two principal components captured a majority of variance in the data, with specific wavelengths around 680 nm, 760 nm, and 810 nm playing a significant role in distinguishing between the stress levels. Score plots demonstrated clear separation between different stress treatments, indicating that spectral signatures evolve distinctly over time as water stress progresses. Influence plots identified observations with disproportionate impacts on the PCA model, ensuring the robustness of the analysis. Findings suggest that hyperspectral imaging, combined with PCA, is a powerful tool for early detection and monitoring of water stress in ornamental plants, providing a basis for improved water management practices in horticulture., This research was funded by the following: J. Frank Schmidt Family Charitable Foundation 2018000384 Award 247, ECOdigital project (ref. MMT24-ICA-01) of the MOMENTUM CSIC program and TED2021-132401A-I00 (PRTR and European Union-NextGenerationEU), PID2023-150108OB-C31, and PID2023-150108OB-C32 from the Spanish MCIU/AEI/10.13039/501100011033 and FEDER, EU. Research of Dr. Peña was financed by the “Salvador de Madariaga” for Visiting Researchers in Foreign Centers Program (Spanish MICINN funds). The research of IBS was financed by the grant FJC2021-047687-1, funded by MCIN/AEI/10.13039/501100011033 and European Union NextGenerationEU/PRTR., Peer reviewed
DIGITAL.CSIC. Repositorio Institucional del CSIC
Publicación Artículo científico (JournalArticle)

Control de malas hierbas en maíz en el contexto de la agricultura de precisión

  • Castro, Ana Isabel de
  • Martín, Carlos
  • Montull, José María
  • Peña Barragán, José Manuel
La gestión de los cultivos evoluciona con los tiempos adaptándose a las nuevas herramientas disponibles. En el caso de las malas hierbas, las prácticas de manejo sehan visto condicionadas también por aspectos legales, ambientales y socio-económicos. Esta situación se refleja claramente en el cultivo del maíz, de alta importancia tanto a nivel mundial como nacional, cuyas producciones son gravemente afectadas por las infestaciones de malas hierbas y su control se ha visto mermado por las nuevas normativas. Sin embargo, las recientes herramientas tecnológicas y digitales generan nuevas oportunidades para el control óptimo de las malas hierbas en maíz en el contexto de la Agricultura de Precisión, con aplicaciones localizadas, dosis adecuadas y en el momento oportuno., Investigación parcialmente financiada por los proyectos DECIMAL (PID2020-113229RB-C41), UAV4LessPest (PDC2021-121537-C22) y DigInvasive (TED2021-132401A-I00) de la Agencia Estatal de Investigación (MCIN/ AEI/10.13039/501100011033), Fondos de Recuperación, Transformación y Resiliencia, y Unión Europea NextGenerationEU/PRTR. Agradecemos también la participación de Bayer C.S. y sus distribuidores Sertagro S.L., Bardenas Comercial S.L. y Fertiplan/Agrinova., Peer reviewed
DIGITAL.CSIC. Repositorio Institucional del CSIC
Publicación Artículo científico (JournalArticle)

Hacia un 50% menos de herbicida en maíz combinando drones, el sistema IPMwise y pulverizadores comerciales de dosis variable

  • Peña Barragán, José Manuel
  • Montull, José María
  • Martín, Carlos
  • Castro, Ana Isabel de
Se describen unos ensayos piloto llevados a cabo para evaluar la aplicación localizada y variable de herbicidas con dos pulverizadores comerciales dotados de barra de aplicación boquilla a boquilla, siguiendo los principios de la agricultura de precisión. Los ensayos se realizaron en cuatro parcelas comerciales de maíz en post-emergencia temprana, en donde se generaron mapas de prescripción de herbicida a partir de imágenes tomadas con drones y el sistema de soporte a la decisión IPMwise. Dichos mapas dirigieron correctamente la operación de los pulverizadores, obteniéndose un ahorro de herbicidas entre el 38% y 55% en comparación con aplicar un tratamiento convencional, siendo un resultado alineado con los objetivos agroambientales marcados por la Unión Europea sobre reducción en el uso de fitosanitarios., Este trabajo ha sido fruto de una colaboración promovida por BayerCropscience SL, con la participación de las empresas IPMadvice SL, Bardenas Comercial SL, Setagro SL y Agrinova, e investigadores del ICA-CSIC y el INIA-CSIC. Investigación parcialmente financiada por los proyectos DECIMAL (PID2020-113229RB-C41), UAV4LessPest (PDC2021-121537-C22) y DigInvasive (TED2021-132401A-I00) de la Agencia Estatal de Investigación (MCIN/ AEI/10.13039/501100011033), Fondos de Recuperación, Transformación y Resiliencia, y Unión Europea NextGenerationEU/PRTR., Peer reviewed