Cómo la fenotipación de alto rendimiento basada en UAS está transformando la fitomejoración moderna

Se prevé que para 2050 la población mundial alcance los 9.800 millones de personas, duplicando la demanda de alimentos. Sin embargo, expandir las tierras de cultivo para satisfacer esta necesidad es insostenible. Más de 501 toneladas de nuevas tierras de cultivo creadas desde el año 2000 han reemplazado bosques y ecosistemas naturales, agravando el cambio climático y la pérdida de biodiversidad.

Para evitar esta crisis, los científicos están recurriendo al mejoramiento genético de plantas: la ciencia que se dedica a desarrollar cultivos con mayor rendimiento, resistencia a las enfermedades y adaptabilidad al cambio climático. Sin embargo, los métodos de mejoramiento tradicionales son demasiado lentos para hacer frente a la urgencia del problema.

Aquí es donde los drones y la inteligencia artificial (IA) entran en escena como elementos revolucionarios, ofreciendo una forma más rápida e inteligente de cultivar mejores cosechas.

¿Por qué el mejoramiento genético tradicional de plantas se está quedando atrás?

El mejoramiento vegetal se basa en seleccionar plantas con características deseables, como tolerancia a la sequía o resistencia a las plagas, y cruzarlas durante varias generaciones. El principal obstáculo en este proceso es la fenotipificación: la medición manual de características de las plantas como la altura, la salud de las hojas o el rendimiento.

Por ejemplo, medir la altura de las plantas en un campo de 3000 parcelas puede llevar semanas, y los errores humanos provocan inconsistencias de hasta 201 TP3T. Además, los rendimientos de los cultivos están mejorando a un ritmo de tan solo 0,5 a 11 TP3T anuales, muy por debajo de la tasa de crecimiento de 2,91 TP3T necesaria para satisfacer las demandas de 2050.

El maíz, cultivo básico para miles de millones de personas, ilustra esta desaceleración: su crecimiento anual de rendimiento ha disminuido de 2,21 TP3T en la década de 1960 a 1,331 TP3T en la actualidad. Para superar esta brecha, los científicos necesitan herramientas que automaticen la recopilación de datos, reduzcan errores y agilicen la toma de decisiones.

Cómo la tecnología de drones está transformando el mejoramiento genético de las plantas

Los drones, o sistemas aéreos no tripulados (UAS), equipados con sensores avanzados e inteligencia artificial, están revolucionando la agricultura. Estos dispositivos pueden sobrevolar los campos y recopilar datos precisos de miles de plantas en minutos, un proceso conocido como fenotipado de alto rendimiento (HTP).

A diferencia de los métodos tradicionales, los drones capturan datos en campos enteros, eliminando el sesgo de muestreo. Utilizan sensores especializados para medir desde la altura de las plantas hasta los niveles de estrés hídrico.

Por ejemplo, los sensores multiespectrales detectan la luz infrarroja cercana reflejada por las hojas sanas, mientras que las cámaras térmicas identifican el estrés hídrico midiendo la temperatura del dosel vegetal.

Al automatizar la recopilación de datos, los drones reducen los costes laborales y aceleran los ciclos de mejora genética, lo que permite desarrollar variedades de cultivos mejoradas en años en lugar de décadas.

La ciencia detrás de los sensores y la recopilación de datos de los drones

Los drones utilizan diversos sensores para recopilar datos esenciales sobre las plantas. Las cámaras RGB, la opción más económica, capturan la luz visible para medir la cobertura vegetal y la altura de las plantas. En los campos de caña de azúcar, estas cámaras han alcanzado una precisión de entre 64 y 691 TP3T en el conteo de tallos, reemplazando los conteos manuales, propensos a errores.

Los sensores multiespectrales van más allá al detectar longitudes de onda no visibles, como el infrarrojo cercano, que se correlacionan con los niveles de clorofila y la salud de las plantas. Por ejemplo, han predicho la tolerancia a la sequía en la caña de azúcar con una precisión superior a 80%.

• Cámaras RGBCaptura la luz roja, verde y azul para crear imágenes en color.
• Sensores multiespectrales: Detecta luz más allá del espectro visible (por ejemplo, infrarrojo cercano).
• Sensores térmicos: Medir el calor emitido por las plantas.
• LiDARUtiliza pulsos láser para crear mapas 3D de plantas.
• Sensores hiperespectrales: Captura más de 200 longitudes de onda de luz para un análisis ultra detallado.

Los sensores térmicos detectan señales de calor, identificando plantas con estrés hídrico que parecen más calientes que las sanas. En los campos de algodón, los drones térmicos han igualado las mediciones de temperatura terrestres con un margen de error inferior al 51% (TP3T).

Los sensores LiDAR utilizan pulsos láser para crear mapas 3D de los cultivos, midiendo la biomasa y la altura con una precisión de 95% en ensayos de caña de azúcar energética. Las herramientas más avanzadas, los sensores hiperespectrales, analizan cientos de longitudes de onda de luz para detectar deficiencias de nutrientes o enfermedades invisibles a simple vista.

Estos sensores ayudaron a los investigadores a vincular 28 nuevos genes con el retraso del envejecimiento en el trigo, una característica que aumenta el rendimiento.

Del vuelo al análisis: cómo los drones analizan los datos de los cultivos.

El proceso de fenotipado con drones comienza con una planificación de vuelo minuciosa. Los drones vuelan a una altitud de entre 30 y 100 metros, capturando imágenes superpuestas para garantizar una cobertura completa. Un campo de 10 hectáreas, por ejemplo, puede escanearse en 15 a 30 minutos.

Tras el vuelo, programas como Agisoft Metashape combinan miles de imágenes para crear mapas detallados mediante la técnica de Estructura a partir del Movimiento (SfM), que convierte fotografías 2D en modelos 3D. Estos modelos permiten a los científicos medir características como la altura de las plantas o la cobertura vegetal con solo pulsar un botón.

Los algoritmos de IA analizan los datos, prediciendo los rendimientos o identificando brotes de enfermedades. Por ejemplo, los drones escanearon 3132 parcelas de caña de azúcar en tan solo 7 horas, una tarea que manualmente llevaría tres semanas. Esta velocidad y precisión permiten a los fitomejoradores tomar decisiones más rápidas, como descartar las plantas de bajo rendimiento al inicio de la temporada.

Principales aplicaciones de los drones en la agricultura moderna.

Los drones se están utilizando para afrontar algunos de los mayores desafíos de la agricultura. Una aplicación importante es la medición directa de características, donde los drones sustituyen la mano de obra. En los campos de maíz, los drones miden la altura de las plantas con una precisión del 90%, reduciendo los errores de entre 0,5 y 0,21 metros.

También realizan un seguimiento de la cobertura vegetal, una métrica que indica la eficacia con la que las plantas dan sombra al suelo para suprimir las malas hierbas. Los mejoradores de caña de azúcar para energía utilizaron estos datos para identificar variedades que reducen el crecimiento de las malas hierbas en un 401% (TP3T).

Otro avance importante es el mejoramiento predictivo, donde los modelos de IA utilizan datos de drones para pronosticar el rendimiento de los cultivos. Por ejemplo, las imágenes multiespectrales han predicho los rendimientos del maíz con una precisión de 80%, superando a las pruebas genómicas tradicionales.

Los drones también contribuyen al descubrimiento de genes, ayudando a los científicos a localizar segmentos de ADN responsables de rasgos deseables. En el trigo, los drones vincularon el verdor del follaje con 22 genes nuevos, lo que podría aumentar la tolerancia a la sequía.

Además, los sensores hiperespectrales detectan enfermedades como el enverdecimiento de los cítricos semanas antes de que aparezcan los síntomas, lo que da tiempo a los agricultores para actuar.

Potenciando las ventajas genéticas con tecnología de precisión.

La ganancia genética —la mejora anual de las características de los cultivos gracias al mejoramiento genético— se calcula mediante una fórmula sencilla:

(Intensidad de selección × Heredabilidad × Variabilidad del rasgo) ÷ Tiempo del ciclo de reproducción.

La ganancia genética (ΔG) se calcula de la siguiente manera:
ΔG = (i × h² × σp) / L

Dónde:

• i = Intensidad de selección (cuán estrictos son los criadores).
• h² = Heredabilidad (cuánto de un rasgo se transmite de padres a hijos).
• σp = Variabilidad de un rasgo en una población.
• L = Tiempo por ciclo reproductivo.

Por qué es importanteLos drones mejoran todas las variables:

1. i: Escanear 10 veces más plantas, lo que permite una selección más estricta.
2. h²: Reducir los errores de medición, mejorando las estimaciones de heredabilidad.
3. σp: Capturar variaciones sutiles de rasgos en campos enteros.
4. L: Reduzca el tiempo de ciclo de De 5 años a 2-3 años a través de predicciones tempranas.

Los drones optimizan cada aspecto de esta ecuación. Al escanear campos enteros, permiten a los mejoradores seleccionar las 11 mejores plantas (TP3T) en lugar de las 101 mejores (TP3T), lo que aumenta la intensidad de la selección. Además, mejoran las estimaciones de heredabilidad al reducir los errores de medición.

Por ejemplo, la evaluación manual de la altura de las plantas introduce una variabilidad de 20%, mientras que los drones la reducen a 5%. Además, los drones capturan variaciones sutiles de rasgos en miles de plantas, maximizando así la variabilidad de los rasgos.

Lo más importante es que acortan los ciclos de mejoramiento genético al permitir predicciones tempranas. Los mejoradores de caña de azúcar que utilizan drones han triplicado sus avances genéticos en comparación con los métodos tradicionales, lo que demuestra el potencial transformador de esta tecnología.

Superar los desafíos y abrazar el futuro

A pesar de su potencial, la fenotipificación mediante drones aún enfrenta desafíos importantes. El alto costo de los sensores avanzados sigue siendo una barrera importante: las cámaras hiperespectrales, por ejemplo, pueden superar los 14.000 TW, lo que las hace inaccesibles para la mayoría de los pequeños agricultores.

El procesamiento de la enorme cantidad de datos recopilados también requiere importantes recursos de computación en la nube, lo que incrementa los costos. Plataformas de IA como AutoGIS automatizan el análisis de datos, eliminando la necesidad de introducir datos manualmente.

Los investigadores también están integrando drones con sensores de suelo y estaciones meteorológicas, creando un sistema de monitoreo en tiempo real que alerta a los agricultores sobre plagas o sequías. Estas innovaciones están allanando el camino hacia una nueva era de agricultura de precisión, donde las decisiones basadas en datos reemplazan las conjeturas.

Conclusión

Los drones y la IA no solo están transformando el mejoramiento genético de las plantas, sino que están redefiniendo la agricultura sostenible. Al permitir un desarrollo más rápido de cultivos resistentes a la sequía y de alto rendimiento, estas tecnologías podrían duplicar la producción de alimentos para 2050 sin necesidad de ampliar las tierras de cultivo.

Esto permitiría salvar más de 100 millones de hectáreas de bosques, una superficie equivalente a la de Egipto, y reducir la huella de carbono de la agricultura. Los agricultores que utilizan datos de drones ya han reducido el consumo de agua y pesticidas hasta en 301 toneladas, protegiendo así los ecosistemas y disminuyendo los costos.

Como señaló un investigador: “Ya no adivinamos qué plantas son las mejores. Los drones nos lo dicen”. Con la continua innovación, esta fusión de biología y tecnología podría garantizar la seguridad alimentaria de miles de millones de personas, al tiempo que protege nuestro planeta.

Referencia: Khuimphukhieo, I., & da Silva, JA (2025). Fenotipado de alto rendimiento (HTP) en campo basado en sistemas aéreos no tripulados (UAS) como caja de herramientas para fitomejoradores: una revisión exhaustiva. Smart Agricultural Technology, 100888.