Se trata de un método no invasivo para evaluar el estado del agua del garbanzo, que permite aumentar el rendimiento de los cultivos, además de mejorar la eficiencia del agua. Esto tendrá implicancias que se extienden más allá de la granja, impactando también en la seguridad alimentaria y contribuyendo positivamente a las preocupaciones ambientales.
Un nuevo estudio publicado por la Universidad Hebrea de Jerusalem presenta una técnica no invasiva para evaluar el estado del agua del garbanzo, ofreciendo a los agricultores una poderosa herramienta para ajustar los programas de riego y elevar potencialmente la sostenibilidad de su cultivo.
Este método tiene el potencial de transformar el manejo del garbanzo, amplificando tanto el rendimiento de los cultivos como la eficiencia del agua.
Sus ramificaciones se extienden mucho más allá del ámbito agrícola, resonando con los esfuerzos mundiales de seguridad alimentaria y abordando los apremiantes desafíos ambientales.
El aspecto de teledetección del proyecto está dirigido por investigadores de la Universidad Hebrea, entre ellos el Dr. Ittai Herrmann del Instituto de Ciencias Vegetales y Genética en la Agricultura. El candidato a doctorado Roy Sadeh entrenó y probó modelos espectrales para una evaluación rápida y no invasiva del estado del agua del garbanzo basada en la estimación del potencial hídrico de las hojas desde el espacio y el suelo.
Los aspectos agronómicos fueron cubiertos por el estudiante de doctorado de la Universidad Hebrea Asaf Avneri, bajo la dirección del Dr. Ran Lati y el Prof. Shahal Abbo y con el Dr. David Bonfil.
Este enfoque innovador es muy prometedor para transformar las prácticas agrícolas, especialmente en las regiones que se enfrentan a la escasez de agua.
El garbanzo es una leguminosa de grano crucial a nivel mundial, que sirve como fuente de proteínas básicas en todo el mundo y especialmente en Oriente Medio, el sur de Asia y el Mediterráneo. El método propuesto tiene un potencial transformador para la agricultura al permitir a los agricultores optimizar los programas de riego de manera eficiente.
Esto podría conducir a un aumento del rendimiento de los cultivos y a una mejora de la eficiencia en el uso del agua, lo que contribuiría a la conservación de los recursos y a la reducción del impacto ambiental. Además, la innovación tiene implicaciones más amplias para la seguridad alimentaria mundial, mostrando el impacto de las tecnologías agrícolas avanzadas de precisión inteligente en las prácticas agrícolas sostenibles.
El estudio, realizado en dos experimentos agrícolas y dos campos comerciales, utilizó imágenes hiperespectrales terrestres e imágenes satelitales del programa de monitoreo de vegetación y medio ambiente en nuevos microsatélites (VENmS). Su objetivo era medir de forma remota el potencial hídrico foliar de garbanzos cultivados en campo bajo diferentes tratamientos de riego. Al hacerlo, se reveló el efecto limitado del índice de área foliar en la capacidad de estimar de forma remota el potencial hídrico de las hojas.
Roy Sadeh desarrolló modelos de estimación espectral utilizando índices de vegetación y aprendizaje automático basados en todas las bandas espectrales. El estudio demostró que el índice espectral de diferencia normalizada (1600 y 1730 nm) proporcionó la estimación más precisa del potencial hídrico foliar entre los índices de vegetación.
Mientras que los modelos de redes neuronales artificiales mejoraron la precisión de la evaluación y funcionaron de manera similar para los datos terrestres y espaciales, el nuevo método ofrece beneficios significativos a los agricultores al proporcionar una herramienta rápida y no destructiva para mejorar la programación del riego en los campos de garbanzos, lo que podría mejorar la gestión del riego de tasa variable.
Además, esta herramienta es prometedora para los fisiólogos y mejoradores en la detección de genotipos de garbanzos tolerantes a la sequía, allanando el camino para prácticas agrícolas sostenibles a mayor escala.
El siguiente paso del proyecto es combinar datos espectrales espaciales para mejorar la estimación del potencial hídrico de las hojas, y Omer Perach (candidato a doctorado) ha presentado muy buenos resultados preliminares (ECPA 2023) y el artículo adicional se está escribiendo en estos días.
El artículo de investigación titulado “Chickpea leaf water potential estimation from ground and VENµS satellite”, ya está disponible en Springer Nature.
Investigadores:
Roy Sadeh1, Assaf Avneri1,2, Yaniv Tubul1, Ran No. Lati2, David J. Bonfil3, Zvi Peleg1, Ittai Herman1.
Instituciones:
1) Instituto de Ciencias Vegetales y Genética en la Agricultura, Universidad Hebrea de Jerusalem.
2) Departamento de Fitopatología e Investigación de Malezas, Organización de Investigación Agrícola (ARO) – Centro de Investigación Newe Ya’ar.
3) Departamento de Cultivos Extensivos y Recursos Naturales, Organización de Investigación Agrícola (ARO) – Centro de Investigación Gilat.
