Grupo Tecnologías Geoespaciales y de Precisión para una Agricultura Sostenible (tec4AGR0)

  • Cultivando biodiversidad

    Reference:
    20196320
    Funding Entity:
    Syngenta España, S.A.U.
    Lead Researcher:
    José Dorado
    Start year:
    2019
    End year:
    2020
    Summary:
    Se trata de una experiencia piloto realizada en España dentro de la iniciativa europea Operación Polinizador liderada por la empresa Syngenta. El objetivo principal es potenciar la aparición de polinizadores atendiendo a una correcta planificación en campos agrícolas, como medida de buenas prácticas medioambientales. Consiste en dedicar un pequeño porcentaje de la superficie total de las parcelas localizado en los márgenes de los cultivos, a la plantación de praderas que favorezcan el desarrollo de estos insectos polinizadores. En definitiva, se pretende aumentar la biodiversidad, ayudar a la sostenibilidad de los cultivos y conseguir ser productivos y eficientes en el uso de los recursos naturales.
    Participant researchers:
    C. Fernández-Quintanilla

  • DATI – Digital Agriculture Technologies for Irrigation efficiency

    Reference:
    PRIMA RIA & IA Project.
    Funding Entity:
    Comisión Europea (Horizon 2020, PRIMA RIA & IA Project).
    Coordinator:
    Dr. Alessandro Matese (CNR – Institute of Bioeconomy, Italia).
    Lead Researcher:
    José Manuel Peña
    Start year:
    2021
    End year:
    2024
    Quantity:
    104.620,23 €
    Summary:
    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.
    Participant researchers:
    José Dorado

  • Efectos del manejo agrícola en la comunidad arvense

    Guerra et al. (2021) A trait-based approach in a Mediterranean vineyard: Effects of agricultural management on the functional structure of plant communities. Agric. Ecosyst. Environ. 316, 107465. https://doi.org/10.1016/j.agee.2021.107465

    Luna et al. (2020) Is pasture cropping a valid weed management tool? Plants 9, 135. https://doi:10.3390/plants9020135

  • Effects of agricultural management in the weed community

    Guerra et al. (2021) A trait-based approach in a Mediterranean vineyard: Effects of agricultural management on the functional structure of plant communities. Agric. Ecosyst. Environ. 316, 107465. https://doi.org/10.1016/j.agee.2021.107465

    Luna et al. (2020) Is pasture cropping a valid weed management tool? Plants 9, 135. https://doi:10.3390/plants9020135

  • Fenotipado y caracterización 3D de cultivos con drones y su aplicación a diversos objetivos agronómicos

    Ostos-Garrido, F.J., de Castro, A.I., Torres-Sánchez, J., Pistón, F., Peña, J.M. 2019. High-Throughput Phenotyping of Bioethanol Potential in Cereals Using UAV-Based Multi-Spectral Imagery. Frontiers in Plant Science, 10, 948. https://doi.org/10.3389/fpls.2019.00948

    Freeman, D., Gupta, S., Smith, D.H., Maja, J.M., Robbins, J., Owen, J.S., Peña, J.M., de Castro, A.I. 2019. Watson on the Farm: Using Cloud-Based Artificial Intelligence to Identify Early Indicators of Water Stress. Remote Sensing, 11, 2645. https://doi.org/10.3390/rs11222645

    Rueda-Ayala, V.P., Peña, J.M., Höglind, M., Bengochea-Guevara, J.M., Andújar, D., 2019. Comparing UAV-Based Technologies and RGB-D Reconstruction Methods for Plant Height and Biomass Monitoring on Grass Ley. Sensors, 19, 535. https://doi.org/10.3390/s19030535

    Torres-Sánchez, J., de Castro, A.I., Peña, J.M., Jiménez-Brenes, F.M., Arquero, O., Lovera, M., López-Granados, F. 2018. Mapping the 3D structure of almond trees using UAV acquired photogrammetric point clouds and object-based image analysis. Biosystems Engineering, 176, 172–184. https://doi.org/10.1016/j.biosystemseng.2018.10.018

  • Mapeo de surcos de laboreo

    Reference:
    P202130503
    Inventor:
    José Manuel Peña Barragán, Ana Isabel de Castro Megías, Francisco Javier Lima Cueto
    Organism:
    CSIC

  • nhTAI - Nuevas herramientas Tecnológicas, Agronómicas e Informáticas para la gestión de malas hierbas

    Reference:
    Plan Nacional (AGL2017-83325-C4-1-R)
    Funding Entity:
    Ministerio de Ciencia, Innovación y Universidades
    Lead Researcher:
    José Dorado y José Manuel Peña
    Start year:
    2018
    End year:
    2020
    Summary:
    Este proyecto plantea utilizar tecnologías geoespaciales y de la información (e.g., Espectroradiómetría, red de Sensores de Reflectancia Espectral, detección remota mediante imágenes UAV, detección terrestre con cámaras RGB-D, etc.) para mejorar nuestros conocimientos sobre la agroecología de diversas malas hierbas. Asimismo, se pretende desarrollar nuevas prácticas agronómicas (e.g., herramientas de apoyo a las decisiones, sistemas de intercultivo, etc.) e incorporar en lo posible todas estas herramientas en varios escenarios característicos de la agricultura de la zona Centro de España. Los objetivos específicos planteados son los siguientes: 1) Estudiar la respuesta espectral de Avena sterilis y de los cultivos acompañantes (trigo y cebada) a lo largo de todo su periodo de floración-fructificación; 2) Estudiar la dinámica de las poblaciones de Avena sterilis en función de la secuencia de cultivos y del sistema de laboreo utilizado; 3) Estudiar a escala macro (e.g., imágenes UAV que cubren la parcela de cultivo) y micro (e.g., cámaras RGB-D desde diferentes posiciones enfocando las plantas individuales) la influencia de la densidad y distribución de plantas de maíz y de malas hierbas sobre el desarrollo y producción de dichas plantas; 4) Evaluar la influencia de sistemas del cultivo predecesor y de prácticas de intercultivo sobre las poblaciones de malas hierbas; 5) Evaluar a largo plazo los efectos derivados de diversos sistemas de producción en sistemas cerealistas y en viña.
    Others:
    C. Fernández-Quintanilla, M.J. Sánchez, M.R. Alarcón, A. García, J. Barroso, J.G. Guerra, J.M. Martín, D. Campos, P. Hernaiz, E.P. Aguirre, R. Saiz
    URL:
    https://nhtai.csic.es/

  • Phenotyping and 3D characterization of crops with drones and its application to various agronomic objectives

    Ostos-Garrido, F.J., de Castro, A.I., Torres-Sánchez, J., Pistón, F., Peña, J.M. 2019. High-Throughput Phenotyping of Bioethanol Potential in Cereals Using UAV-Based Multi-Spectral Imagery. Frontiers in Plant Science, 10, 948. https://doi.org/10.3389/fpls.2019.00948

    Freeman, D., Gupta, S., Smith, D.H., Maja, J.M., Robbins, J., Owen, J.S., Peña, J.M., de Castro, A.I. 2019. Watson on the Farm: Using Cloud-Based Artificial Intelligence to Identify Early Indicators of Water Stress. Remote Sensing, 11, 2645. https://doi.org/10.3390/rs11222645

    Rueda-Ayala, V.P., Peña, J.M., Höglind, M., Bengochea-Guevara, J.M., Andújar, D., 2019. Comparing UAV-Based Technologies and RGB-D Reconstruction Methods for Plant Height and Biomass Monitoring on Grass Ley. Sensors, 19, 535. https://doi.org/10.3390/s19030535

    Torres-Sánchez, J., de Castro, A.I., Peña, J.M., Jiménez-Brenes, F.M., Arquero, O., Lovera, M., López-Granados, F. 2018. Mapping the 3D structure of almond trees using UAV acquired photogrammetric point clouds and object-based image analysis. Biosystems Engineering, 176, 172–184. https://doi.org/10.1016/j.biosystemseng.2018.10.018

  • Procedimientos de inteligencia artificial para explotar el uso de la teledetección en agricultura

    de Castro, A.I., Peña, J.M., Torres-Sánchez, J., Jiménez-Brenes, F.M., Valencia-Gredilla, F., Recasens Guinjuan, J., López-Granados, F., 2020. Mapping Cynodon Dactylon Infesting Cover Crops with an Automatic Decision Tree-OBIA Procedure and UAV Imagery for Precision Viticulture. Remote Sensing, 12, 56. https://doi.org/10.3390/rs12010056

    Freeman, D., Gupta, S., Smith, D.H., Maja, J.M., Robbins, J., Owen, J.S., Peña, J.M., de Castro, A.I., 2019. Watson on the Farm: Using Cloud-Based Artificial Intelligence to Identify Early Indicators of Water Stress. Remote Sensing, 11, 2645. https://doi.org/10.3390/rs11222645

    de Castro, A.I., Six, J., Plant, R.E., Peña, J.M. 2018. Mapping Crop Calendar Events and Phenology-Related Metrics at the Parcel Level by Object-Based Image Analysis (OBIA) of MODIS-NDVI Time-Series: A Case Study in Central California. Remote Sensing, 10, 1745. https://doi.org/10.3390/rs10111745

  • Review of state-of-the-art technologies used in weed monitoring

    Fernández-Quintanilla C., Peña J., Andújar D., Dorado J., Ribeiro A. & López-Granados F. (2018) Is the current state of the art of weed monitoring suitable for site-specific weed management in arable crops? Weed Research 58: 259–272. https://doi.org/10.1111/wre.12307

    Lati et al. (2021) Site-specific weed management – constraints and opportunities for the weed research community. Weed Res. https://doi.org/10.1111/wre.12469

    Fernández-Quintanilla et al. (2020) Site-Specific Based Models. In: Decision Support Systems for Weed Management (GR Chantre, JL González-Andújar, ed.), pp. 143–157, Springer Nature Switzerland AG. https://doi.org/10.1007/978-3-030-44402-0_7

    Fernández-Quintanilla et al. (2018) Is the current state of the art of weed monitoring suitable for site-specific weed management in arable crops? Weed Res. 58: 259–272. https://doi.org/10.1111/wre.12307

  • Revisión de las tecnologías de vanguardia utilizadas en monitorización de malas hierbas

    Fernández-Quintanilla et al. (2021) Advanced detection technologies for weed scouting. In: Advances in Integrated Weed Management (P Kudsk, ed.), Burleigh Dodds Science Publishing (in press)

    Lati et al. (2021) Site-specific weed management – constraints and opportunities for the weed research community. Weed Res. https://doi.org/10.1111/wre.12469

    Fernández-Quintanilla et al. (2020) Site-Specific Based Models. In: Decision Support Systems for Weed Management (GR Chantre, JL González-Andújar, ed.), pp. 143–157, Springer Nature Switzerland AG. https://doi.org/10.1007/978-3-030-44402-0_7

    Fernández-Quintanilla et al. (2018) Is the current state of the art of weed monitoring suitable for site-specific weed management in arable crops? Weed Res. 58: 259–272. https://doi.org/10.1111/wre.12307

AECID
FEDER
Comision Europea
Comunidad de Madrid
Fondo Social Europeo
Mineco
CSIC
AECID
FEDER
Comision Europea
Comunidad de Madrid
Fondo Social Europeo
Mineco
CSIC