Material Adicional del Proyecto
Presentación del Proyecto:
Ver la presentación del proyecto y el material adicional.
Video del Proyecto:
Audio General:
PROPUESTA DE VALOR DEL CURSO
Audio de Propuesta de Valor
Descubre cómo la fotogrametría con drones está revolucionando la agricultura. Aprende a capturar, procesar y analizar datos espaciales para optimizar los recursos, mejorar los rendimientos y tomar decisiones precisas basadas en el estado real de tus cultivos. Este manual interactivo te proporcionará los fundamentos y herramientas prácticas para implementar la agricultura de precisión desde cero.
Tu Espejo - Módulo propuesta
Un espacio para mirarte de frente y reflexionar sobre lo aprendido.
MÓDULO 1: Introducción a la Agricultura de Precisión
Audio del Módulo 1
Lección 1. El cambio de paradigma
La agricultura de precisión representa un cambio de paradigma en la manera de gestionar los cultivos. Ya no se trata de tratar una parcela completa de forma homogénea, sino de entender la variabilidad espacial y temporal del terreno.
Al utilizar tecnologías de posicionamiento y sensores remotos, los agricultores pueden identificar qué zonas específicas necesitan agua, fertilizantes o pesticidas. Esto no solo mejora el rendimiento de los cultivos, sino que reduce significativamente el impacto ambiental y los costos de operación.
Lección 2. El rol de los drones
Los drones se han convertido en la plataforma ideal para capturar esta información desde el cielo, proporcionando datos en tiempo real que permiten respuestas rápidas y localizadas a problemas emergentes.
Tu Espejo - Módulo 1
Un espacio para mirarte de frente y reflexionar sobre lo aprendido.
MÓDULO 2: Conceptos Básicos de Fotogrametría
Audio del Módulo 2
Lección 1. Qué es la fotogrametría
La fotogrametría es la ciencia de obtener medidas fiables a través de fotografías. En el contexto de los drones, se trata de tomar imágenes superpuestas del terreno y utilizar software especializado para unirlas y crear mapas 2D y modelos 3D precisos.
Lección 2. GSD y Puntos de Control
Para que un mapa sea preciso, es fundamental entender el concepto de GSD (Ground Sample Distance) o distancia de muestreo terrestre. El GSD define la distancia entre el centro de dos píxeles consecutivos en el suelo. Un GSD más bajo significa mayor resolución y detalle.
Además, se requiere el uso de puntos de control terrestre (GCP) para asegurar que el modelo generado coincida exactamente con las coordenadas geográficas reales del campo. Esto es crucial cuando los mapas se utilizan para guiar tractores autónomos o maquinaria de precisión.
Tu Espejo - Módulo 2
Un espacio para mirarte de frente y reflexionar sobre lo aprendido.
MÓDULO 3: Tipos de Drones y Sensores Agrícolas
Audio del Módulo 3
Lección 1. Multirotores y Ala Fija
El éxito de un mapeo agrícola depende de elegir la aeronave y el sensor correctos. Existen dos categorías principales de drones: los multirotores y los de ala fija.
Los multirotores (como cuadricópteros) son excelentes para parcelas pequeñas y vuelos estacionarios, ofreciendo gran maniobrabilidad. Los drones de ala fija tienen forma de avión, lo que les otorga mayor autonomía aerodinámica, permitiéndoles cubrir grandes extensiones de terreno (cientos de hectáreas) en un solo vuelo.
Lección 2. Tipos de sensores
En cuanto a sensores, las cámaras RGB convencionales sirven para ver el estado visual del cultivo. Sin embargo, las cámaras multiespectrales capturan bandas de luz que el ojo humano no ve (como el Infrarrojo Cercano o NIR). Estas bandas son esenciales para medir la salud de la planta y calcular índices vegetativos, mientras que las cámaras térmicas detectan estrés hídrico y problemas de riego.
Tu Espejo - Módulo 3
Un espacio para mirarte de frente y reflexionar sobre lo aprendido.
MÓDULO 4: Planificación de Vuelos y Captura de Datos
Audio del Módulo 4
Lección 1. Vuelo automatizado
Volar un dron agrícola no es pilotaje manual, es programación automática. Se utilizan aplicaciones de planificación (como Pix4Dcapture o DroneDeploy) para definir un polígono de vuelo.
Lección 2. Traslape y altura
El software se encarga de calcular las rutas de vuelo o "pasadas" asegurando que haya un traslape frontal y lateral adecuado (generalmente entre el 70% y 80%). Si las fotos no se solapan lo suficiente, el software de fotogrametría no encontrará puntos en común para unir las imágenes, creando "agujeros" en el mapa final.
La altura de vuelo determinará el GSD. Volar más alto cubre más área en menos tiempo, pero disminuye la resolución. La captura de datos debe realizarse idealmente en días sin mucho viento y alrededor del mediodía solar para evitar sombras largas que alteren los análisis de vegetación.
Tu Espejo - Módulo 4
Un espacio para mirarte de frente y reflexionar sobre lo aprendido.
MÓDULO 5: Procesamiento de Imágenes (Ortofotos y Modelos)
Audio del Módulo 5
Lección 1. Alineación y Nube de puntos
Una vez finalizado el vuelo, las imágenes y sus datos GPS asociados se importan a un software de procesamiento fotogramétrico (como Agisoft Metashape, Pix4D o WebODM).
El software alinea las fotografías buscando miles de "puntos de coincidencia" entre imágenes adyacentes. Este proceso genera primero una nube de puntos dispersa, luego una nube densa y, finalmente, un modelo digital de superficie (DSM) y una ortofoto.
Lección 2. Ortofotos
La ortofoto es un mapa fotográfico corregido geométricamente (libre de las distorsiones de la lente y del relieve de la cámara), por lo que tiene una escala uniforme. A diferencia de una simple foto aérea, sobre una ortofoto se pueden medir distancias y áreas con gran exactitud.
Tu Espejo - Módulo 5
Un espacio para mirarte de frente y reflexionar sobre lo aprendido.
MÓDULO 6: Análisis de Índices Vegetativos (NDVI)
Audio del Módulo 6
Lección 1. Comprendiendo el NDVI
Con las ortofotos generadas a partir de sensores multiespectrales, se calculan los Índices de Vegetación. El más conocido es el NDVI (Índice de Vegetación de Diferencia Normalizada).
El NDVI se basa en el principio de que las plantas sanas absorben mucha luz visible (para la fotosíntesis) y reflejan fuertemente la luz infrarroja cercana (NIR). Al aplicar una fórmula matemática a estas bandas, obtenemos un valor que varía de -1 a 1.
Lección 2. Mapas de prescripción
Los valores cercanos a 1 indican vegetación densa y muy sana, mientras que los valores bajos pueden indicar vegetación estresada (por enfermedades, falta de nutrientes o agua). El NDVI permite a los agricultores crear mapas de prescripción donde se detalla exactamente en qué puntos de la parcela el cultivo requiere intervención.
Tu Espejo - Módulo 6
Un espacio para mirarte de frente y reflexionar sobre lo aprendido.
MÓDULO 7: Toma de Decisiones y Casos Prácticos
Audio del Módulo 7
Lección 1. Casos de uso reales
La tecnología solo tiene sentido si conduce a mejores decisiones. Los mapas generados y los análisis de índices se integran en un Sistema de Información Geográfica (SIG).
Caso Práctico 1: Aplicación de fertilizante variable. Al detectar con NDVI zonas con deficiencia de nitrógeno, se crea un mapa de aplicación variable. El tractor recibe este mapa y ajusta automáticamente la cantidad de fertilizante a medida que avanza.
Lección 2. El futuro ya está aquí
Caso Práctico 2: Detección temprana de plagas. A través de vuelos regulares, se pueden detectar anomalías en los cultivos semanas antes de que sean visibles a simple vista, permitiendo aplicaciones de pesticidas focalizadas, ahorrando dinero y reduciendo la carga química en el terreno. La agricultura de precisión con drones no es el futuro, es el estándar operativo del presente.
Tu Espejo - Módulo 7
Un espacio para mirarte de frente y reflexionar sobre lo aprendido.
Mi Mapa de Campo
Este lienzo se autocompleta con las reflexiones de tus módulos.