Tecnologías Geoespaciales y de Precisión para una Agricultura Sostenible (TECH4AGRO)

Descripción

Este grupo de investigación estudia los factores que influyen en el desarrollo de los principales organismos plaga, utilizando tecnologías avanzadas de monitorización y análisis de datos geoespaciales, como sensores próximos y remotos, SIG y software especializado. La integración de estas herramientas con Sistemas de Soporte a la Decisión permite optimizar el control inteligente de plagas. Asimismo, desarrollan soluciones personalizadas, mayoritariamente de código abierto, para el análisis de imágenes y datos de teledetección, generando información clave sobre sistemas agrícolas y agroforestales, como la caracterización 3D de doseles, el estado fisiológico y fitosanitario, y la estimación del estrés hídrico y consumo de agua.

Objetivos científicos

Uso de tecnologías geoespaciales, inteligencia artificial y modelos físicos para el estudio a distintas escalas de sistemas agroforestales, con aplicación en:

  • Agricultura de precisión y manejo localizado de organismos plaga.
  • Monitorización de biodiversidad y especies invasoras.
  • Interacciones suelo-planta-atmósfera en la zona crítica de la Tierra.

Proyectos

  •     WeGREENNOVATE – Valorising precise and agroecological management of crop weeds and plant communities by applying technological innovations to Green Deal targets

    Referencia:
    PID2023-150108OB-C31
    Entidad Financiadora:
    MICIU (Proyectos de I+D+i “Retos Investigación”)
    Investigador Principal:
    José Manuel Peña y José Dorado
    Año inicio:
    2024
    Año fin:
    2027
    Cuantía:
    200.000 €
    Resumen:
    El proyecto WeGREENNOVATE tiene como objetivo desarrollar y valorizar estrategias de manejo del cultivo precisas, eficientes y sostenibles mediante la integración de innovaciones tecnológicas y enfoques agroecológicos. Con el fin de optimizar el control de malas hierbas en cultivos específicos y promover la biodiversidad floral mediante el manejo del hábitat, WeGREENNOVATE se alinea con cuatro objetivos clave del Pacto Verde: 1) reducir el uso de herbicidas; 2) fomentar la agricultura ecológica; 3) preservar la biodiversidad; y 4) incrementar las poblaciones de polinizadores. Para lograrlo, WeGREENNOVATE propone la integración de innovaciones tecnológicas, como la teledetección, detección próxima, aprendizaje automático y actuadores de precisión, considerándolas herramientas esenciales para abordar los desafíos relacionados con el manejo de malas hierbas y la preservación de la biodiversidad floral en entornos agrícolas. Este Consorcio plantea un proyecto coordinado con tres Subproyectos (SP#)*, aprovechando las sinergias entre líneas de investigación complementarias. El Consorcio, compuesto por especialistas en teledetección (SP1, SP2), detección próxima y tratamiento localizado (SP3), emplea tecnologías esenciales para la gestión precisa de malas hierbas y cultivos. Con gran experiencia en experimentos de campo, especialmente en maíz y viñedos, los grupos de investigación dentro del Consorcio amplían su enfoque al tomate y el manejo del hábitat (e.g. márgenes florales), facilitando así nuevos estudios sobre ecología de las principales especies arvenses (SP1, SP2, SP3), malas hierbas invasoras (SP2), biodiversidad floral (SP1, SP2) y control mecánico de precisión en agricultura ecológica (SP3). En conjunto, esta propuesta científica abarcará diversas áreas con una visión multidisciplinar, tales como transformación digital, detección de malas hierbas, DSS, agricultura ecológica, especies invasoras, preservación de la biodiversidad y polinizadores. En línea con los objetivos del Pacto Verde, WeGREENNOVATE plantea: 1) reducir el uso de herbicidas mediante la agricultura de precisión en maíz y tomate; 2) eliminar el uso de herbicidas a través de la agricultura ecológica en maíz y viñedos; 3) preservar la biodiversidad mediante la detección, mapeo y control de la especie invasora Amaranthus palmeri; y 4) preservar la biodiversidad mediante el manejo del hábitat.
    Otro personal:
    I.L. Castillejo, D. Campos, J.D. Mena, L.O. Aguado, J. Barroso, M. Pérez-Ortiz, I. Borra
    URL:
    https://wegreennovate.csic.es/

  •     ECODigital – Desarrollo y validación de tecnologías digitales avanzadas y de bajo coste para un manejo más eficiente y sostenible de los agro-ecosistemas

    Referencia:
    MMT24-ICA-01
    Entidad Financiadora:
    La financiación de estas actuaciones/becas y contratos, procede del Mecanismo de Recuperación y Resiliencia de la Unión Europea-Next Generation, en el marco de la Invitación General de la entidad pública empresarial Red.es para participar en los programas de atracción y retención del talento dentro de la Inversión 4 del Componente 19 del Plan de Recuperación, Transformación y Resiliencia
    Investigador Principal:
    José Manuel Peña
    Año inicio:
    2024
    Año fin:
    2028
    Cuantía:
    320.000 €
    Resumen:
    ECOdigital propone la aplicación de tecnologías en los ámbitos de la teledetección, sensorización, inteligencia artificial (IA) y algoritmos de análisis de imágenes y visión computarizada para el desarrollo y validación de herramientas digitales para la agricultura. Se utilizará tecnología digital mediante sensores terrestres y remotos (dron) para monitorizar los cultivos y su hábitat. Se abarcará todo el flujo de trabajo en digitalización, principalmente mediante hardware de bajo coste y software de código abierto, gratuito y accesible. ECODigital será implementado principalmente en diversas parcelas de la finca experimental La Poveda (gestionada por el ICA-CSIC), a través de tres escenarios piloto que cubren un amplio espectro de agro-ecosistemas (maíz, viñedo y experimento de márgenes florales). Con esta propuesta se pretende, además de impulsar el uso de tecnologías en el sector agrario, valorizar los recursos de la finca La Poveda y del ICA como centros de referencia en I+D sobre digitalización de la agricultura.
    Otro personal:
    Irene Borra
    URL:
    https://momentum.csic.es/catalogo/

  •     DIGinvasive - Sistema digital para la cartografía y monitorización de malas hierbas invasoras para una agricultura más sostenible y eficiente

    Referencia:
    TED2021-132401A-I00
    Entidad Financiadora:
    MICINN (Proyectos de Transición Ecológica y Transición Digital 2021)
    Investigador Principal:
    Ana Isabel de Castro
    Año inicio:
    2022
    Año fin:
    2025
    Cuantía:
    172.500 €
    Resumen:
    La humanidad se enfrenta al inmenso reto de garantizar de forma sostenible el suministro de alimentos y la seguridad alimentaria en un contexto afectado simultáneamente por el cambio climático y el aumento sostenido de la población mundial. La transición digital de la agricultura es una de las principales palancas para lograr un crecimiento eficiente e inteligente de la producción, y reducir al mismo tiempo su impacto medioambiental. Esta transición incluye avances en línea con los fundamentos de la Agricultura de Precisión (AP), que utiliza diversas tecnologías (e.g., teledetección, sensores, potentes algoritmos) para conocer los diferentes componentes que afectan al desarrollo y variabilidad de los cultivos y proponer nuevas estrategias de manejo que mejoren la rentabilidad y sostenibilidad de la producción agrícola. Un problema que preocupa cada vez más al sector agrícola es el de las malas hierbas invasoras, cuya propagación se reconoce internacionalmente como una de las amenazas más graves para la biodiversidad, y que se traduce en daños económicos y ecológicos. En este sentido, recientemente se han detectado invasiones de Amaranthus palmeri, una especie extremadamente competitiva originaria de Norteamérica, en campos de maíz españoles. A. palmeri tiene una alta tasa de fertilidad y es especialmente hábil para desarrollar biotipos resistentes a los herbicidas, estando incluida entre las especies exóticas que suponen una grave amenaza para la agricultura española. Ante este reto agro-ecológico y siguiendo el planteamiento de la AP, el proyecto DIGinvasive pretende diseñar, desarrollar y validar un novedoso sistema tecnológico de agricultura digital enfocado a cartografiar y evaluar las emergencias y propagación de malas hierbas invasoras que amenazan nuestros cultivos, utilizando el caso de A. palmeri en los cultivos de maíz como el escenario modelo para desarrollar el sistema. DIGinvasive incluirá tecnologías y procedimientos digitales para detectar y monitorear dichas invasoras y su integración en una plataforma web abierta. Esta plataforma integrará, analizará y presentará a los usuarios finales información georreferenciada sobre las malas hierbas invasoras y los cultivos en formato digital con el fin de apoyar el control y la gestión eficiente de dichas invasoras. El sistema se basará en información recopilada sobre la localización y distribución de dichas malas hierbas a nivel de campo e incluso a mayor escala (e.g., provincial o regional o nacional). El conocimiento generado será esencial para establecer las medidas de prevención y erradicación necesarias.
    Otro personal:
    J. Dorado, J.M. Peña, J. Recasens, J.M.J. Maja, J.M. Llenes
    URL:
    https://diginvasive.csic.es/

  •     SMARTweeding – Smart and selective weed management integrating agronomic and technological approaches

    Referencia:
    PID2020-113229RB-C41
    Entidad Financiadora:
    MICINN (Proyectos de I+D+i “Retos Investigación”)
    Investigador Principal:
    José Dorado y José Manuel Peña
    Año inicio:
    2021
    Año fin:
    2024
    Cuantía:
    180.290 €
    Resumen:
    La agricultura se basa en las decisiones de manejo de cultivos que toman los agricultores, quienes pueden utilizar su conocimiento sobre la heterogeneidad de sus parcelas para optimizar los recursos y maximizar el rendimiento de manera sostenible. En este contexto, la transformación digital de la agricultura desempeña un papel fundamental, respaldada por tecnologías como la teledetección, la detección terrestre, los tratamientos localizados y los sistemas de apoyo a la decisión (DSS). Estas herramientas permiten monitorizar los cultivos, detectar problemas potenciales, evaluar la eficacia de las prácticas agrícolas y optimizar el uso de insumos, contribuyendo así a aumentar la productividad. Este proyecto, impulsado por avances previos en la gestión de malas hierbas mediante tecnologías innovadoras, fue coordinado para aprovechar la sinergia entre cuatro subproyectos (S# *), orientados al desarrollo de soluciones agrícolas avanzadas. El objetivo principal fue implementar una gestión inteligente, selectiva y localizada de malas hierbas, así como una gestión integrada de cultivos, en el contexto actual de transformación digital. El consorcio reunió equipos multidisciplinarios con experiencia en tecnologías y agronomía: especialistas en teledetección (S1, S4), detección terrestre y tratamientos de precisión (S3), y desarrollo de sistemas DSS (S2), todos ellos con amplia experiencia en cultivos como el maíz (S1, S2, S3) y el viñedo (S1, S2, S3, S4). El trabajo coordinado abarcó distintos enfoques. El sistema DSS desarrollado por S2 fue validado mediante estudios complementarios en diferentes cultivos realizados por los demás subproyectos. Además, se investigó en maíz y viñedo para ampliar trabajos anteriores, y se exploraron nuevos cultivos y escenarios, como el tomate industrial (S1, S3), algodón y girasol (S4), y el olivar en seto (S4). Esto permitió profundizar en el conocimiento de la ecología y la dinámica de las malas hierbas en estos cultivos. S3 diseñó un sistema de inspección terrestre y actuación, y todos los subproyectos colaboraron para abordar problemas que afectaban el rendimiento de los cultivos. En resumen, la propuesta se centró en la transformación digital de la agricultura y la gestión localizada de malas hierbas, integrando áreas como la detección de especies invasoras, la caracterización tridimensional de cultivos y el desarrollo de sistemas DSS. Entre las innovaciones respecto a proyectos anteriores destacan: 1) la validación de clasificadores para identificar malas hierbas a nivel de especie, 2) la detección temprana de especies invasoras como Amaranthus palmeri, 3) métodos de control más sostenibles, como cultivos de cobertura y acolchados, 4) procedimientos para relacionar la estructura foliar 3D y la radiación en cultivos leñosos, 5) tecnologías para cultivos hortícolas y de verano, y 6) soluciones robóticas para facilitar el control localizado de malas hierbas. (* S1 = ICA-CSIC/INIA/IMIDRA; S2 = UdL/Agrotecnio; S3 = CAR-CSIC-UPM/UNED; S4 = IAS-CSIC/UCO/IFAPA-Cabra-Córdoba.)
    Otro personal:
    A.I. de Castro, C. Fernández-Quintanilla, J.M.J. Maja, G. Modica, I. Borra, G.A. Mesías, J.D. Mena, J.M. Martín, D. Campos, E.P. Aguirre, J. García, P. Hernaiz
    URL:
    https://smartweeding.ica.csic.es/

  •     UAV4LessPests – Desarrollo y validación de un Sistema de Apoyo a la Decisión (DSS) basado en tecnología UAV para el tratamiento localizado de fitosanitarios en parcelas comerciales

    Referencia:
    PDC2021-121537-C22
    Entidad Financiadora:
    MICINN (Proyectos de I+D+i para la realización de “Pruebas de Concepto”)
    Investigador Principal:
    José Manuel Peña y José Dorado
    Año inicio:
    2021
    Año fin:
    2024
    Cuantía:
    71.300 €
    Resumen:
    Este proyecto propone una serie de actividades orientadas a valorizar los resultados obtenidos por el grupo de investigación en los últimos años relacionados con el desarrollo de un sistema aéreo de inspección de cultivos y cartografía de malas hierbas y, principalmente, aquellos derivados del subproyecto AGL2017-83325-C4-1-R sobre Nuevas herramientas tecnológicas, agronómicas e informáticas para la gestión de malas hierbas. En la investigación desarrollada se identificaron las ventajas y limitaciones de las plataformas y sensores disponibles, y se propusieron métodos avanzados de análisis para convertir las imágenes y datos obtenidos en mapas de malas hierbas para su implementación en equipos de pulverización inteligente para la aplicación precisa de fitosanitarios. Por tanto, a partir de esta idea se propone la presente prueba de concepto (PdC) para avanzar hacia la integración de los equipos utilizados y los resultados derivados del proyecto anterior para obtener un prototipo multi-robot que aproveche la coordinación entre vehículos aéreos y terrestres autónomos y, como resultado, mejorar el rendimiento global de los tratamientos localizados y de precisión con fitosanitarios en escenarios de cultivo reales. Aunque los conocimientos científico-técnicos obtenidos en el ámbito del proyecto mencionado están progresando rápidamente, dichos avances en I+D+i aún se encuentran en un estado intermedio de madurez, la mayoría en un TRL4 o 5 (Technology Readiness Levels, TRLs) y, por tanto, aún no se han transferido al sector productivo agrario ni a escala comercial. Dado el potencial de comercialización de los desarrollos actuales de los equipos de investigación, el presente proyecto de PdC pretende valorizar los conocimientos y resultados alcanzados en el proyecto anterior y facilitar la integración en un prototipo (TRL 7 o superior) de todo un paquete tecnológico protegido (a través de sus correspondientes patentes o registros) que permita su transferencia a empresas especializadas en la prestación de servicios agrícolas, que ya cuentan con personal cualificado, equipamiento y maquinaria apropiada para aplicar y comercializar los avances científicos y tecnológicos propuestos en este proyecto, pero que demandan el know-how que finalmente se generará durante la ejecución de este proyecto.
    Otro personal:
    A.I. de Castro, C. Fernández-Quintanilla, D. Campos, J.M. Martín, V. Hernández
    URL:
    https://roboteam4crops.csic.es/

  •     DATI – Digital Agriculture Technologies for Irrigation efficiency

    Referencia:
    PCI2021-121932
    Entidad Financiadora:
    Comisión Europea (Horizon 2020, PRIMA RIA & IA Project).
    Coordinador:
    Dr. Alessandro Matese (CNR – Institute of Bioeconomy, Italia).
    Investigador Principal:
    José Manuel Peña
    Año inicio:
    2021
    Año fin:
    2024
    Cuantía:
    148.415 €
    Resumen:
    El proyecto DATI tiene como objetivo desarrollar e implementar nuevas tecnologías y procedimientos digitales innovadores para mejorar la eficiencia del riego, utilizando soluciones sencillas de bajo coste (e.g., hardware low-cost, modelos simplificados basados en datos y software de código abierto integrado en plataformas de fácil uso) que puedan llegar a los pequeños agricultores. El proyecto se centra principalmente en la evaluación de herramientas tecnológicas de alto coste que ahora existen para la monitorización del estado de los cultivos (fisiología, estado hídrico), y su adaptación a equipos de bajo coste que permitan la adquisición de datos esenciales de los cultivos y la toma de decisiones en la gestión del riego gracias al desarrollo de modelos basados en inteligencia artificial. La investigación se llevará a cabo en cinco países representativos del paisaje agrícola de la cuenca mediterránea (Marruecos, España, Francia, Portugal e Italia), donde la gestión sostenible de los recursos hídricos en la agricultura desempeña un papel muy importante. Se evaluará la respuesta al déficit hídrico en cultivos hortícolas anuales (tomate, melón) y perennes (vid). Marruecos e Italia se centrarán en el cultivo hortícola del tomate y el melón, mientras que España, Francia y Portugal se centrarán en la viticultura. Para la detección de las necesidades hídricas de los cultivos, el proyecto contempla tanto los sistemas de monitorización próximos como los remotos.
    Otro personal:
    J. Dorado, J. García, G.A. Mesías, I. Borra
    URL:
    https://datiproject.eu/

  •     GRWater – GRWater path starts here: monitoring the Earth Critical Zone a key, missing parameter for assessing the forest post-fire management in the face of climate change

    Entidad Financiadora:
    Fundación BBVA (Programa Prismas y Problemas 2024)
    Investigador Principal:
    Héctor Nieto y Benjamin Mary
    Año inicio:
    12/2024
    Año fin:
    12/2026
    Cuantía:
    266.508€
    Resumen:
    El proyecto GRwater pretende mejorar la gestión forestal para restaurar el ciclo del agua, mitigando al mismo tiempo los riesgos socioambientales y medioambientales asociados. Se alinea con las tendencias en materia de ecosistemas sostenibles y preservación de los recursos hídricos. El proyecto se centra especialmente en zonas de alto valor ecológico situadas en la región de Castilla-La Mancha afectadas por los incendios de los últimos años. En este proyecto se va a investigar diferentes métodos de restauración forestal, incluyendo el uso de distintas densidades de plantación de árboles, así como acolchados y barreras físicas. Hasta la fecha, el apoyo empírico a la eficacia de estas estrategias de gestión para restablecer el ciclo del agua y promover la salud de la vegetación y la prevención de la erosión es limitado, a pesar de las importantes inversiones económicas realizadas. GRwater integra de forma única la hidrogeofísica con la teledetección para evaluar de forma exhaustiva la Zona Crítica de la Tierra. El proyecto dará prioridad al desarrollo de una técnica de prospección eficiente, incluida la geofísica automática, para mejorar la recogida de datos para el seguimiento de la dinámica del agua subsuperficial. Además, GRwater pretende mejorar nuestras capacidades de modelización utilizando modelos de balance de energía y agua, para proporcionar mejores predicciones sobre la disponibilidad de agua para las plantas y la recarga y el flujo de las aguas subterráneas.

  •     EO4WUE – Providing Earth Observation-based tools for the assessment and management of Water Use Efficiency and productivity in Mediterranean pastures and grain crops

    Referencia:
    TED2021-129814B-I00
    Entidad Financiadora:
    MICINN (Programa de Transformación Digital y Ecológica)
    Investigador Principal:
    Héctor Nieto
    Año inicio:
    12/2022
    Año fin:
    02/2025
    Cuantía:
    218.500€
    Resumen:
    El aumento de la población y la necesidad de asegurar la seguridad alimenticia, junto con las condiciones climáticas cambiantes y cada vez más variables, están aumentando la presión sobre los recursos hídricos. El uso eficiente de estos recursos está cobrando cada vez más importancia en la conciencia social y en el ámbito legislativo y, en consecuencia, el Plan Nacional de Recuperación, Transformación y Resiliencia (PRTR) tiene como objetivo invertir, entre otros, en la modernización del regadío y la promoción de prácticas agrícolas sostenibles, así como la preservación y contabilidad del agua dulce en el dominio público hidráulico. Este proyecto tiene como objetivo proporcionar una herramienta basada en datos de teledetección adquiridos por diversos sensores para el seguimiento del uso del agua y el rendimiento/productividad en pastizales y cultivos de cereales mediterráneos. EO4WUE proporcionará productos en tiempo casi-real de interés para la caracterización biofísica, el estado hídrico y la producción de cultivos herbáceos y pastos, incluido la predicción del rendimiento y la fijación de CO2 de la planta por medio de imágenes satelitales disponibles gratuitamente a una escala de 20m. Además, los datos generados en este proyecto permitirán el avance del conocimiento científico sobre la relación entre la eficiencia en el uso del agua y la preservación de la biodiversidad en estas áreas.
    Otro personal:
    Benjamin Mary, Miguel Herrezuelo
    URL:
    https://eo4wue.csic.es/

  •     Sat-ET4Drought – Multi-scale monitoring of ET and crop stress through remote sensing data fusion and model ensemble methods

    Referencia:
    PID2021-127345OR-C32
    Entidad Financiadora:
    MICINN (Proyectos de I+D+i “Generación de Conocimiento”)
    Investigador Principal:
    Héctor Nieto
    Año inicio:
    09/2022
    Año fin:
    09/2025
    Cuantía:
    72.600€
    Resumen:
    La observación de la Tierra por teledetección es una tecnología que podría tener un impacto significativo en el uso agrario del agua. En particular, la combinación de datos térmicos y espectrales permite estimar la evaporación real del suelo y la transpiración de la vegetación, en conjunto denominada evapotranspiración (ET), y que representa el flujo de agua de la superficie terrestre hacia la atmósfera. Además, la ET es un parámetro físico estrechamente relacionado con el desarrollo y la salud de las plantas, ya que éstas transpiran y fijan CO2 a través de los estomas. Al utilizar imágenes de ET a escalas espacio-temporales apropiadas, es posible aplicar mejor el agua de riego, aumentando así la sostenibilidad agrícola y por tanto asegurar el medio de vida de los agricultores en un clima cambiante. Sat-ET4DROUGHT parte de la hipótesis de que la combinación de diferentes fuentes de teledetección puede proporcionar estimaciones espacio-temporales sólidas de ET y del estrés del cultivo. Junto con los otros dos subproyectos de ET4DROUGHT, la pregunta científica que se aborda es ¿Cómo podemos mitigar los efectos de las sequías y las olas de calor mediante la mejora de prácticas agronómicas y del riego de precisión a través de estimaciones de ET por teledetección en un escenario de cambio climático?. Este proyecto aprovechará parcelas de investigación ya existentes y financiadas por otros proyectos que incluyen mediciones en terreno para evaluar y refinar modelos de ET por teledetección, utilizando datos de estaciones de flujo y lisímetros, y cubriendo una amplia variedad de cultivos en diferentes climas. Las principales tareas de este proyecto se centrarán en mejorar los modelos ET a diferentes escalas utilizando imágenes de satélite, pero también imágenes dron y sensores en campo. Esto permitiría proporcionar estimaciones espacio-temporales y continuas de ET, con especial énfasis en la robustez entre escalas asegurando la preservación de masa y energía entre diferentes niveles espaciales
    Otro personal:
    Miguel Ángel Herrezuelo, Benjamim Mary

  •     MULTIWATER - Multi-sensor WATer resource management and Sentinel Expansion missions End-user Readiness

    Entidad Financiadora:
    Agencia Espacial Europea (Sentinel Users Preparation (SUP) initiative)
    Investigador Principal:
    Héctor Nieto
    Año inicio:
    12/2024
    Año fin:
    12/2026
    Cuantía:
    245.345€
    Resumen:
    El objetivo principal del proyecto MULTIWATER es desarrollar conjuntos de datos representativos de las misiones Sentinel de expansión, y utilizarlos para implementar y demostrar cómo estos conjuntos de datos proporcionarán futuros productos operativos para usuarios finales. En concreto, este proyecto pretende utilizar las características espaciales, espectrales y temporales multisensor únicas de los sensores térmicos (como ECOSTRESS o Landsat TIRS), las imágenes hiperespectrales experimentales (PRISMA, EnMAP, DESIS y EMIT), el sensor SAR operativo PALSAR-2, así como las misiones Sentinel operativas (Sentinel-1/2/3) para desarrollar métodos novedosos que aborden los crecientes retos que afectan al nexo entre la gestión de los recursos hídricos y la seguridad alimentaria en el Mediterráneo y más allá. El objetivo último de MULTIWATER es avanzar en las actuales lagunas de conocimiento e información sobre el uso agrícola y forestal del agua, dando un paso adelante hacia la monitorización de los recursos hídricos en alta resolución y sentando las bases para un sistema de seguimiento operativo. El núcleo de la actividad MULTIWATER es desarrollar e implementar un prototipo de productos de información sobre la gestión del agua basados en la teledetección satelital a una escala flexible en la región mediterránea. Utilizaremos todo el potencial de la capacidad de observación mejorada de las Misiones de Expansión en concierto con las misiones Sentinel actuales
    Otro personal:
    Benjamin Mary, Miguel Herrezuelo

  •     EO-MAJI, Earth Observation system to Manage Africa’s food systems by Joint-knowledge of crop production and Irrigation digitization

    Referencia:
    ESA Contract No. 4000139395/22/I-DT
    Entidad Financiadora:
    Agencia Espacial Europea (EO AFRICA Explorers initiative)
    Investigador Principal:
    Héctor Nieto
    Año inicio:
    09/2022
    Año fin:
    06/2025
    Cuantía:
    127.017 €
    Resumen:
    l objetivo principal de EOMAJI es utilizar las características espaciales, espectrales y temporales únicas del sensor térmico ECOSTRESS y del sensor hiperespectral PRISMA para desarrollar métodos novedosos que aborden los crecientes retos que afectan a la gestión de los recursos hídricos y la seguridad alimentaria en África. La agricultura de regadío se encuentra justo en el centro de estos dos ámbitos y por tanto el proyecto pretende supervisar los regadíos con el objetivo de inventariar los perímetros existentes y mejorar su rendimiento, mejorar la gestión de las licencias y dotaciones de agua y sentar las bases para el desarrollo sostenible de la agricultura de regadío en África. Esto se logrará mediante el desarrollo y la aplicación de modelos de evapotranspiración de última generación que utilicen plenamente los datos de ECOSTRESS y PRISMA.
    Otro personal:
    Benjamin Mary, Miguel Herrezuelo
    URL:
    https://eomaji.ica.csic.es/

Contratos

Principales logros recientes

© CSIC - Consejo Superior de Investigaciones Científicas. Todos los derechos reservados.