Teledetección aplicada a agricultura de precisión y malherbología

Departamento de Protección de Cultivos

Las principales líneas de investigación del Grupo de Investigación “Teledetección Aplicada a Agricultura de Precisión y Malherbología” están dirigidas a la optimización del uso de agroquímicos mediante estrategias basadas en aplicaciones localizadas. Sus objetivos se centran en:

  • Detección y cartografía de malas hierbas y otras variables agronómicas en cultivos aplicando técnicas de teledetección a Imágenes procedentes de Satélites de elevada resolución espacial y de Vehículos Aéreos No Tripulados (UAV: Unmanned Aerial Vehicles)
  • Diseño, Desarrollo y Evaluación de procedimientos automatizados basados en Objetos (OBIA: Object-Based-Image-Analysis) para la segmentación y clasificación de diferentes objetivos agronómicos en imágenes remotas
  • Desarrollo de algoritmos de análisis de imágenes remotas basados en Geoestadística y software add-on” – “plug-in” para estrategias de agricultura de precisión, la reducción de errores de co-registro y la clasificación de sistemas de cultivo

Def_Since1999

COMPONENTES
Francisca López Granados

Francisca López Granados

Investigadora científicaResponsable del grupo
flgranados@ias.csic.es
Jose Manuel Peña

José Manuel Peña Barragán

Investigador Ramón y Cajal

Actualmente en el Instituto de Ciencias Agrarias (ICA-CSIC)jmpena@ica.csic.es

Ana Isabel de Castro Megías

Investigadora Juan de la Ciervaanadecastro@ias.csic.es
Jorge Torres Sánchez

Jorge Torres Sánchez

Investigador Postdoctoraljtorres@ias.csic.es
Francisco Manuel Jiménez Brenes

Francisco Manuel Jiménez Brenes

Investigador Predoctoralfmjimenez@ias.csic.es

J. Torres-Sánchez, F. López-Granados, I. Borra-Serrano y J.M. Peña. 2017. Assessing UAV-collected image overlap inuence on computation time and digital surface model accuracy in olive orchards. Precision Agriculture: 1-19. doi:10.1007/s11119-017-9502-0.

F. López-Granados, J. Torres-Sánchez, A.I. de Castro, A. Serrano-Pérez, F.J. Mesas-Carrascosa y J.M. Peña. 2016. Object-based early monitoring of a grass weed in a grass crop using high resolution UAV imagery. Agronomy for Sustainable Development, 36(4): paper 67. doi:10.1007/s13593-016-0405-7.

F.J. Mesas-Carrascosa, I. Clavero-Rumbao, J. Torres-Sánchez, A. García-Ferrer, J.M. Peña y F. López-Granados. 2016. Accurate ortho-mosaicked six-band multispectral UAV images as affected by mission planning for precision agriculture proposes. International Journal of Remote Sensing, http://dx.doi.org/10.1080/01431161.2016.1249311.

M. Pérez-Ortiz, J.M.Peña, P.A. Gutiérrez, J. Torres-Sánchez, C. Hervás-Martínez y F. López-Granados. 2016. Selecting patterns and features for between- and within- crop-row weed mapping using UAV imagery. Expert Systems with Applications, 47: 85-94. doi:10.1016/j.eswa.2015.10.043.

F. López-Granados, J. Torres-Sánchez, A. Serrano-Pérez, A.I. de Castro, F.J. Mesas-Carrascosa y J.M. Peña. 2016. Early season weed mapping in sunflower using UAV technology: variability of herbicide treatment maps against weed thresholds. Precision Agriculture, 17(2): 183-199. doi:10.1007/s11119-015-9415-8.

J. Torres-Sánchez, F. López-Granados, N. Serrano, O. Arquero y J. M. Peña. 2015. High-Throughput 3-D Monitoring of Agricultural-Tree Plantations with Unmanned Aerial Vehicle (UAV) Technology. PLOS ONE, 10(6): e0130479. doi: 10.1371/journal.pone.0130479.

J. Torres-Sánchez, F. López-Granados y J. M. Peña. 2015. An automatic object-based method for optimal thresholding in UAV images: Application for vegetation detection in herbaceous crops. Computers and Electronics in Agriculture, 114: 43–52. doi:10.1016/j.compag.2015.03.019.

J. M. Peña-Barragán, J. Torres-Sánchez, A. Serrano-Pérez, A. I. De-Castro y F. López-Granados. 2015. Quantifying efficacy and limits of Unmanned Aerial Vehicle (UAV) technology for weed seedling detection as affected by sensor resolution. Sensors, 15: 5609-5626. doi:10.3390/s150305609.

L. García-Torres, J. J. Caballero-Novella, D. Gómez-Candón y J. M. Peña-Barragán. 2015. Census Parcels Cropping System Classification from Multitemporal Remote Imagery: A Proposed Universal Methodology. PLOS ONE, 10(2): e0117551. doi:10.1371/journal.pone.0117551.

J. Torres-Sánchez, J.M. Peña, A.I. de Castro y F. López-Granados. 2014. Multi-temporal mapping of the vegetation fraction in early-season wheat fields using images from UAV. Computers & Electronics in Agriculture, 103: 104-113. doi:10.1016/j.compag.2014.02.009.

L. García-Torres, J.J. Caballero-Novella, D. Gómez-Candón y A.I. De-Castro. 2014. Semi-Automatic normalization of multitemporal remote images based on vegetative pseudo-invariant features. PLOS ONE, 9(3): e91275. http://dx.doi.org/10.1371/journal.pone.0091275

  • Adquisición de imágenes mediante vehículos aéreos no tripulados (UAVs, drones)
  • Análisis de imágenes remotas (teledetección) para objetivos agronómicos y forestales:
    • Mapas de malas hierbas en diferentes estados fenológicos. Mapas de tratamientos para su control localizado
    • Mapas de fenotipado (variedades genéticas) según estados fenológicos
    • Mapas de estimación de cosecha y estado del cultivo
    • Mapas de arquitectura y volumen de cultivos leñosos y masas forestales

Dra. Francisca López Granados, Investigadora Científica. flgranados@ias.csic.es

 Dra. Montserrat Jurado Expósito, Científica Titular. montse.jurado@ias.csic.es

 Dr. José Manuel Peña Barragán, Investigador Ramón y Cajal. jmpena@ica.csic.es

Dra. Ana Isabel de Castro Megías, Investigadora Juan de la Cierva. anadecastro@ias.csic.es

Dr. Jorge Torres Sánchez, Investigador Postdoctoral. jtorres@ias.csic.es

Francisco Manuel Jiménez Brenes, Investigador Predoctoral. fmjimenez@ias.csic.es