Estimación de la producción de forraje de pasturas templadas mediante dron con cámara multiespectral

La estimación de la producción de forraje mediante la medición a campo con cortes es una práctica que permite ajustar la carga animal de modo de hacer una utilización más racional de las pasturas. Sin embargo, la medición a campo es poco realizada por la demanda de tiempo y alta frecuencia que requiere. El uso de drones con cámaras espectrales que miden el Índice de vegetación de diferencia normalizada (IVDN) permiten la estimación remota de la producción de forraje (Insua et al., 2019) y puede ser una herramienta de utilidad en reemplazo de la medición mediante cortes. El objetivo de este trabajo fue estimar la producción de forraje de pasturas templadas mediante el IVDN medido con una cámara multiespectral montada en un dron.

El trabajo se llevó a cabo en la unidad de ganadería de INTA Pergamino. Se seleccionaron cinco lotes de producción: uno de alfalfa pura (1,5 ha), dos de mezclas alfalfa-festuca (10 ha y 1 ha), y dos de festuca con trébol (12 ha y 1,5 ha). Se realizó el monitoreo de la producción de forraje durante un año (Agosto 2020 – Agosto 2021) realizando 11 vuelos de dron y muestreos de producción de forraje mediante cortes. Los vuelos se realizaron en días despejados con baja velocidad de viento. Se utilizó la cámara espectral Parrot Sequoia a bordo del dron eBee SQ para capturar imágenes con una resolución espacial de 13 cm px^-1 a 140 metros de altitud en cuatro bandas espectrales a saber: verde (550 nm) rojo (660 nm) borde rojo (735 nm) infrarrojo cercano (790 nm). Después de cada vuelo se procesaron las imágenes con el programa QGIS calculando el IVDN como el cociente entre (R_IR – R_R) y (R_IR + R_R), donde R es la reflectancia en infrarrojo cercano y en el rojo. Se seleccionaron puntos de muestreo para IVDN bajo, medio y alto dentro de cada lote, el número de puntos varió entre dos y seis por lote de acuerdo a la variabilidad. Se georreferenciaron dichos puntos y el día posterior a cada vuelo fueron localizados en el campo mediante GPS y se midió la producción de materia seca de forraje (PMS) en una superficie de 0,25 m2 con una altura de corte de 5 cm sobre el nivel del suelo. La muestra fue llevada a estufa a 60° C durante 48 horas y la PMS fue estandarizada a una superficie de 1 m² . Se ajustaron regresiones exponenciales para estudiar la relación entre el IVDN y la PMS a través del modelo: y = α e^β + e, donde y: PMS, x: IVDN, α y β son los parámetros del modelo y e : error aleatorio. Las estimaciones se realizaron mediante modelos no lineales mixtos del paquete estadístico INFOSTAT. El número de mediciones fue 44 para alfalfa, 66 para mezclas alfalfa-festuca y 97 para festuca.

Las relaciones establecidas fueron diferentes según la pastura (Figura 1 y Tabla 1). Se puede observar que en el caso de la festuca la relación IVDN-PMS presentó menor pendiente, con una mayor variabilidad en el set de datos, y menor ajuste (mayor AIC y BIC). En el caso de este tipo de pasturas es probable que la existencia de material muerto en pie pueda interferir en la relación observada. En el caso de la mezcla alfalfa-festuca, si bien los valores altos de IVDNPMS fueron similares a la alfalfa pura, se observó una pendiente menor que dicho recurso, lo que determinó una ecuación diferente. Por último, la alfalfa pura presentó el mejor ajuste (menor AIC y BIC). Si bien se pudieron establecer relaciones para las tres pasturas templadas en el futuro sería conveniente mejorar las mismas a través de un incremento en el número de puntos de muestreo a lo largo del año. En valores de IVDN elevados la respuesta tiende a saturar no llegando a reflejar producciones de forraje muy elevadas (aproximadamente > 350 gMS m^-2=3500 kgMS ha^-1 ).

Los resultados evidencian la posibilidad de estimar la producción de forraje mediante el uso de drones que midan el IVDN, aunque con algunas precauciones como la acumulación de elevados volúmenes de forraje y/o material muerto.

PE INTA 007 por el financiamiento – Al Sr. Gabriel Camarasa de la empresa @demetedrone por los vuelos del dron.