Un estudio liderado por Alberto Hornero, investigador del Consejo Superior de Investigaciones Científicas (CSIC) de Córdoba, ha generado un sistema más preciso de detección de 'La Seca' de la encina y el alcornoque a partir de imágenes térmicas y multiespectrales obtenidas con drones y un modelo de aprendizaje automático.
La dehesa está amenazada por diversas circunstancias como plagas, enfermedades o factores de estrés ambiental, por lo que detectar a tiempo el deterioro de su salud "permite una intervención temprana en la gestión de la misma al detectar la enfermedad antes de que haya síntomas visibles de ella".
El estudio, en el que han participado además investigadores de la Universidad de Córdoba, de la Universidad de Melbourne (Australia) y el laboratorio InnovPlantProtect de Portugal, demuestra un enfoque novedoso para vigilar la salud de la dehesa.
"Utilizando imágenes multiespectrales y térmicas captadas por vehículos aéreos no tripulados (UAVs) equipados con cámaras miniaturizadas, junto con modelos de transferencia radiativa 3D y aprendizaje automático, el equipo identificó con éxito encinas y alcornoques afectados por La Seca, enfermedad causada por el hongo Phytophthora que provoca el decaimiento y la muerte de los árboles", señala Hornero.
De esta manera, el estudio abarcó casi 2.300 árboles de Portugal y España con diferentes niveles de gravedad de la enfermedad, mientras que el modelo de clasificación alcanzó una precisión global "por encima del 76% identificando incluso una tercera parte de los árboles en decaimiento que la inspección visual no había detectado inicialmente".
