Predicción de altura de la planta y rendimiento del sorgo mediante datos multiespectrales y fotogrametría de RPAS

Abstract

El aumento de la población mundial proyectado para los próximos años incrementa el desafío de asegurar una producción de alimentos suficiente. Una de las medidas para solventar la demanda de alimentos es el mejoramiento genético de cultivos que provee constantemente nuevas variedades con mayor rendimiento y características deseables. Sin embargo, los programas de mejora genética necesitan de nuevas tecnologías que le permitan acelerar los procesos de fenotipado en campo. El objetivo de este estudio fue predecir la altura de la planta y rendimiento del sorgo mediante datos multiespectrales y fotogrametría de RPAS (Remote pilot aircraft system) en la Región Chorotega de Costa Rica. Se utilizaron seis materiales de sorgo con ocho repeticiones cada uno, dispuestos en un diseño completamente aleatorizado. Se efectuaron vuelos en diferentes etapas fenológicas del cultivo con un sensor multiespectral y se generaron índices de vegetación, así como modelos digitales de terreno (MDT) y de superficie (MDS). También se midió manualmente la altura de la planta y se cuantificó el rendimiento de biomasa y de grano. Se realizaron análisis de correlación para comparar la altura real de planta y la derivada por el sensor; de la misma manera se correlacionó el rendimiento con los índices de vegetación. Posteriormente se realizaron predicciones de las variables de rendimiento con un modelo Random Forest. Se encontraron correlaciones fuertes entre la altura de planta real y la estimada a partir de los MDT y MDS (r=0,75) para la etapa de crecimiento más temprana, mientras que para las etapas finales del cultivo el coeficiente de determinación fue mayor, R2=0,85 y RMSE= 0,14 m. Se identificó que la etapa fenológica de estado de bota (completo desarrollo de panícula y máxima superficie foliar), es la más precisa para la predicción de biomasa r=0,75, RMSE 1,40 t.ha-1, donde destacaron los índices NDRE e IKAW; asimismo, la inclusión de la altura de planta mejoró la predicción de biomasa en todos los modelos. Por otro lado, los índices NDRE, CIRE y REDVI fueron las variables de mayor importancia y produjeron mayor precisión en la predicción del rendimiento de grano en la etapa fenológica de grano pastoso (r=0,85, RMSE= 1,20 t.ha-1). Los resultados demostraron que los modelos derivados de sensores en RPAS predicen con precisión la altura de la planta del sorgo. Además, el uso de índices de vegetación con modelos de aprendizaje automático posee potencial como herramienta de seguimiento del cultivo para los fitomejoradores en los programas de mejora genética.