Duración del proyecto: 2021-2026

Objetivo del proyecto: Hierba cortada

Grabación digital mediante tecnología de drones

Un objetivo clave del proyecto es el uso de datos multiespectrales de drones para analizar los cambios en la vegetación. Para ello, se instala un sensor multiespectral (MAIA-S2) en un dron que sobrevuela el campo experimental a intervalos cortos. Esto genera datos de alta resolución que permiten aplicaciones prácticas para la digitalización de la gestión de pastizales. Los datos recopilados se integran en el modelo de pastizales "SatGrass" para mejorar aún más las predicciones.

Implementación del proyecto CutGrass

Configuración experimental 

Se están estableciendo diversos sistemas de manejo de pastizales en un área de 52 x 90 m. Después de una preparación uniforme del suelo con fertilización de base, se están utilizando las siguientes mezclas de pastos:

• Pradera de avena lisa (E2): Mezcla rica en especies para altitudes medias, de doble corte y con baja fertilización.
• Mezcla para praderas permanentes-B: Mezcla típica para manejo de intensidad media, segada tres veces con fertilización moderada.
• Mezcla para praderas permanentes VS: Mezcla a base de pastos para uso frecuente (cuatro o cinco cortes) con fertilización intensiva.
• Mezcla forrajera de campo IM: Mezcla intensiva para hasta tres años principales de uso, cortada cinco veces con alta fertilización.

Encuestas y análisis

El proyecto combina varios métodos de medición para obtener una visión integral de la dinámica de crecimiento:

• Biodiversidad y diversidad de especies: Inventarios de plantas para el análisis del desarrollo de la vegetación.
• Encuestas semanales:
  • Espectroscopia de campo
  • Vuelos de drones con sensores multiespectrales
  • Medición de la altura de las plantas (regla de medición, medidor de placa ascendente)
  • Medición del índice de área foliar (IAF, LiCor 2200C)
  • Estimación de las proporciones de los grupos de especies

Además, se registran datos meteorológicos como la temperatura, la precipitación y la radiación. Los datos espectrales se analizan mediante software desarrollado a medida, mientras que los modelos de crecimiento se elaboran utilizando modelos mixtos y algoritmos de aprendizaje automático.

El proyecto proporciona información valiosa para la gestión sostenible y eficiente de las explotaciones ganaderas de pastizales en Austria.

c) HBLFA Raumberg-Gumpenstein