Publication:

Aplicación de imágenes hiperespectrales (HSI-NIR) para la determinación de estrés hídrico en hojas de patata

En el presente trabajo se ha evaluado el potencial de la tecnología HSI para identificar condiciones de estrés hídrico en el cultivo de patata. Esta tecnología permite conocer propiedades invisibles al ojo humano como puede ser el estado de irrigación de un cultivo en cada momento de su ciclo, evitando así condiciones que afecten a su producción. El material vegetal que se utilizó para este estudio fueron 240 hojas de patata de 6 variedades diferentes procedentes de una finca experimental de Arkaute (Álava) perteneciente al Instituto Vasco de Investigación y Desarrollo Agrario (NEIKER). Las imágenes hiperespectrales se tomaron en el rango 900-1700 nm y tras el procesado de estas se utilizó la herramienta PLS-Toolbox del programa MATLAB con el método supervisado PLS-DA para su análisis estadístico. El 80% del total de las muestras se utilizó para la calibración del modelo y el 20% restante para la validación externa. Los resultados mostraron que el modelo de calibración con mayor porcentaje de muestras correctamente clasificadas en la clase “control” y “estrés hídrico” no coincidía con el de validación externa, lo que significa que le modelo no era capaz de distinguir de forma clara la clase a la que pertenecía cada muestra. A través de la imagen química de las muestras se comprobó que apenas había diferencias entre las hojas de ambas clases, indicando que la diferencia entre tratamientos no es tan perceptible y se deba más a cada variedad, siendo algunas más resistentes que otras a condiciones de estrés hídrico.

In the present work, has been evaluated the potential of HSI technology to identify water stress conditions in potato crops. This technology allows knowing properties invisible to the human eye, such as the irrigation status of a crop at each moment of its cycle, avoiding conditions that affect its production. The vegetal material used for this study was 240 potato leaves of 6 different varieties from an experimental farm in Arkaute (Álava) belonging to the Basque Institute for Agricultural Research and Development (NEIKER). The hyperspectral images were taken in the 900-1700 nm range and after processing them, the PLS-Toolbox tool of the MATLAB program was used with the supervised PLSDA method for statistical analysis. 80% of the total samples were used for model calibration and the remaining 20% for external validation. The results showed that the calibration model with the highest percentage of samples correctly classified in the "control" and "water stress" class did not coincide with the external validation model, which means that the model was not capable of clearly distinguishing the class to which each sample belonged. Through the chemical image of the samples, it was found that there were hardly any differences between the leaves of both classes, indicating that the difference between treatments is not so perceptible and is due more to each variety, some being more resistant than others to water stress conditions.