El método que detecta bajos niveles de manganeso en rosas
Agricultura

El método que detecta bajos niveles de manganeso en rosas

El déficit de manganeso, nutriente esencial para el crecimiento de las plantas, produce bajas para los productores de rosas en el país
El material obtenido se condensó en un software que procesó las firmas espectrales e hizo una predicción precisa
UNIRSE A WHATSAPP

Las flores son uno de los principales renglones de la economía en exportaciones. Durante 2022, según datos del Dane y Procolombia, se enviaron alrededor de 241 millones de kilos netos de flores frescas, y alcanzó poco más de US$2.029 millones.Aunque las rosas ocuparon un papel importante con una participación en ventas de 61.936 toneladas por US$392,7 millones, la falta de métodos para hacer una detección temprana de los bajos niveles de manganeso, nutriente esencial para su crecimiento, produce una baja en su producción.

Ante este panorama, el investigador Óscar Franco Montoya, magíster en Geomática de la Universidad Nacional de Colombia, Unal, desarrolló por primera vez un método, a través del uso de cámaras y sensores proximales, que le permitió medir los niveles de manganeso en las rosas en un periodo de aproximadamente dos días, aminorando el tiempo destinado que, en técnicas tradicionales, llegaba a extenderse hasta por un mes, lo que provocaba que no hubiera un rápido accionar por parte de los floricultores y las hojas se terminaran dañando.

Cámaras y sensores proximales

“Esta idea surge al entender las necesidades que se tienen en el sector de la floricultura, una de ellas es la deno tener datos, información o diagnósticos del estado nutricional o parámetros del cultivo de manera más oportuna, más rápida, porque, a partir de esa información, se toman decisiones de las cuales dependen parámetros como la calidad o productividad de los cultivos”, precisó Franco.

Para el investigador, en el caso de la floricultura y la agricultura en general, las técnicas de monitoreo de diagnósticos se realizan con métodos tradicionales, que no solo son demandantes en tiempo y mano de obra, sino que son costosos y, para ejecutarlos, se extraen partes de las plantas, por lo que se convierten en una forma destructiva de obtener diagnósticos para la toma de decisiones.

Con el fin de mitigar estos sobrecostos y efectos negativos en la producción de rosas, Franco buscó cómo implementar sensores que le permitieran estimar los parámetros de la planta en un tiempo más reducido, y sin consecuencias sobre las hojas. Para ello, hizo uso de sensores que generan reflectancia, una alternativa integradora y oportuna que le permitió obtener información de una manera más rápida, con el fin de tomar decisiones más precisas en torno a los cultivos.

Partiendo de una toma de decisiones certeras, se pueden idear planes nutricionales para los cultivos, así como estrategias frente al manejo de plagas y enfermedades que puedan incidir en sus tasas de productividad.

“El objetivo principal de la investigación fue evaluar y establecer las relaciones de la reflectancia espectral con el contenido de manganeso en plantas cultivadas de rosa, para compararlo así con la metodología tradicional que es el método de análisis químico de tejido foliar”, destacó Franco.

Para llevarlo a cabo, se identificaron cambios en las respuestas espectrales de las rosas, y se desarrolló un modelo predictivo basado en esos resultados, con el fin de calcular el contenido de la concentración de manganeso en los tejidos de la rosa, a partir de regresiones estadísticas. “Se usaron dos tipos de regresión: por componentes principales y de mínimos cuadrados parciales”, añadió.

A partir de ello, se evaluó el potencial de las imágenes obtenidas mediante una plataforma móvil. Estas imágenes, diferentes a las que se toman en regiones de RGB, conocido como el espectro visible al ojo humano, se tomaron en regiones del espectro como el infrarrojo y se integraron con las imágenes normales en el RGB para sacar los índices espectrales de vegetación.

“Dentro de los principales hallazgos, encontramos una relación inversa entre la reflectancia espectral y el contenido foliar del manganeso. A menores concentraciones, mayores son sus reflectancias espectrales”, agregó Franco. “Se encontró que el mejor espacio para una predicción se encuentra en el rango de los 523-557 nanómetros (nm), y 715-730 nm”.

El material obtenido se condensó en un software que procesó las firmas espectrales e hizo una predicción precisa. Es una alternativa para la determinación del estado nutricional del cultivo, obteniendo datos de manera mucho más rápida y con buenas aproximaciones.

Imágenes que reconocen y predicen el déficit de manganeso en rosas

Los resultados que arrojó la investigación no solo facilitan procesos para el floricultor, sino que demuestran la importancia que tiene la tenencia de datos para optimizar el proceso productivo de las plantas.

Es importante incorporar a los medios de producción agrícola herramientas y tecnologías de agricultura de precisión, que generen información suficiente de las diferentes variaciones o parámetros del cultivo en términos agronómicos, para poder tomar decisiones y solucionar problemas. Esta investigación abre las puertas para ello”, indicó Franco.

Para el investigador, es fundamental hacer inversiones para adaptar este tipo de tecnologías y conocimientos científicos en los sistemas productivos del agro, con el propósito de evitar pérdidas en el sector, y lograr consolidar una economía fuerte alrededor de él.

UNIRSE A WHATSAPP