ESTIMACIÓN DEL RENDIMIENTO DEL PASTO MEDIANTE NDVI CALCULADO A PARTIR DE IMÁGENES MULTIESPECTRALES DE VEHÍCULOS AÉREOS NO TRIPULADOS (UAV)
Article Sidebar
Main Article Content
Abstract
La aplicación de nuevas tecnologías permite el manejo de forma puntual de un cultivo para la toma de decisiones en el proceso de producción. En el Ecuador la alimentación de la ganadería se basa en pastos. En la región de la sierra el tipo de pasto predominante es el kikuyo, rey grass anual y el rey grass perenne. Este estudio tuvo como objetivo determinar la relación entre índices de vegetación de diferencia normalizada (NDVI), y las variables físicas del suelo en tres especies forrajeras (kikuyo, rye grass anual, rye grass perenne) con y sin fertilización, mediante técnicas basadas en sensores remotos no tripulados con sensores de bajo costo. Para lograr este objetivo se llevó a cabo la caracterización y el análisis de los nutrientes del suelo para proceder a la fertilización y siembra. Se ejecutaron vuelos multitemporales con cámaras RBG e infrarrojo con el fin de generar ortomosaicos, se calcularon los índices de evaluación multicriterio (EMC) y el índice de vegetación NDVI. La EMC integró variables de orientación, luminosidad y pendiente y el NDVI se calculó con álgebra de bandas. Finalmente se realizó una correlación entre NDVI y EMC obteniendo un valor de 0,32 de r2 ajustándose a una función lineal, en cambio la correlación entre vigorosidad y porcentaje de crecimiento fue de 0.964 de r2. En general se puede afirmar que la vigorosidad del cultivo no se vio afectada de manera sustancial por las características del suelo objeto de estudio, en especial al cultivo rye grass anual, lo que hace entrever la facilidad de este cultivo para adaptarse a condiciones no adecuadas para su desarrollo.
Article Details
Acceso a archivos
Los artículos publicados en la Revista Geoespacial se sujetan a las directrices de OPEN ACCES, en cuanto a la apertura de su contenido hacia todos los visitantes del sitio.
Derechos que conserva el autor:
El autor conserva los derechos morales de publicación
Cesión de derechos a autores:
Se cede los derechos de citas, referencias y temas relacionados con aspectos académicos y de investigación
How to Cite
References
ALI, S.M. and JASSEM, D.R., 2014. Monitoring Vegetation Areas by using Remote Sensing Techniques. International Journal of Computer and Information Technology, 3(02), pp. 1-10.
BARETH, G., JUNG, A., BENDIG, J., GNYP, M.L., MICHELS, R., AASEN, H., BOLTEN, A. and SOUKKAMÄKI, J., 2015. Low-weight and UAV-based Hyperspectral Full-frame Cameras for Monitoring Crops: Spectral Comparison with Portable Spectroradiometer Measurements. PFG Photogrammetrie, Fernerkundung, Geoinformation, 2015(1), pp. 69-79.
BIANCHINI, G., NATALI, C., DI GIUSEPPE, D. and BECCALUVA, L., 2012. Heavy metals in soils and sedimentary deposits of the Padanian Plain (Ferrara, Northern Italy): characterisation and biomonitoring. Journal of soils and sediments, 12(7), pp. 1145-1153.
CRUZ, M.C., RODRÍGUEZ, L.C., VIERA, R.G., MOUSO, J.P., CABRERA, D.M., ESCOBAR, Y.T. and SOCARRÁS, Y.C., 2013. Evaluación agronómica de cuatro nuevas variedades de pastos. Revista de producción animal, 25(1), pp. 5.
DE LA CASA, A. and OVANDO, G., 2007. Integración del índice de vegetación de la diferencia normalizada (NDVI) y del ciclo fenológico de maíz para estimar el rendimiento a escala departamental en Córdoba, Argentina. Agricultura Técnica, 67(4), pp. 362-371.
DEDIOS, N., 2009. Análisis espacial del comportamiento fenológico de la vegetación en la cuenca del rio Chira usando imagenes de alta resolución espectral. Revista Peruana Geo-Atmosférica RPGA (1), 20, 34.
GARCÍA, J.L.L., 2002. Fotogrametría Moderna. Madrid-españa: Universidad Politécnica de Valencia.
GRIJALVA, J., ESPINOSA, F. and HIDALGO, M., 1995. Producción y utilización de pastizales en la región interandina del Ecuador. INIAP Archivo Historico.
HASSAN, M.A., YANG, M., RASHEED, A., YANG, G., REYNOLDS, M., XIA, X., XIAO, Y. and HE, Z., 2019. A rapid monitoring of NDVI across the wheat growth cycle for grain yield prediction using a multi-spectral UAV platform. Plant science, 282, pp. 95-103.
HERNÁNDEZ, R.R., 1993. La lombricultura y sus fundamentos. Madrid: S. A. P. T. Publicaciones Técnicas.
HONKAVAARA, E., SAARI, H., KAIVOSOJA, J., PÖLÖNEN, I., HAKALA, T., LITKEY, P., MÄKYNEN, J. and PESONEN, L., 2013. Processing and assessment of spectrometric, stereoscopic imagery collected using a lightweight UAV spectral camera for precision agriculture. Remote Sensing, 5(10), pp. 5006-5039.
KARABURUN, A., 2010. Estimation of C factor for soil erosion modeling using NDVI in Buyukcekmece watershed. Ozean Journal of applied sciences, 3(1), pp. 77-85.
KIM, D., SONG, Y., KIM, G. and KIM, C., 2014. A study on the application of UAV for Korean land monitoring. Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 32(1), pp. 29-38.
LUSSEM, U., HOLLBERG, J., MENNE, J., SCHELLBERG, J. and BARETH, G., 2017. Using calibrated RGB imagery from low-cost UAVs for grassland monitoring: Case study at the Rengen Grassland Experiment (RGE), Germany. The International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, 42, pp. 229.
MAHAJAN, U. and RAJ, B., 2016Drones for normalized difference vegetation index (NDVI), to estimate crop health for precision agriculture: A cheaper alternative for spatial satellite sensors, International Conference on Innovative Research in Agriculture, Food Science, Forestry, Horticulture, Aquaculture, Animal Sciences, Biodiversity, Ecological Sciences and Climate Change (AFHABEC-2016) 2016, pp. 38-41.
MEJÍA-TABORDA, A.C., OCHOA-OCHOA, R. and MEDINA-SIERRA, M., 2014. Efecto de diferentes dosis de fertilizante compuesto en la calidad del pasto kikuyo (Pennisetum clandestinum Hochst. Ex Chiov.). Pastos y forrajes, 37(1), pp. 31-37.
NÄSI, R., HONKAVAARA, E., LYYTIKÄINEN-SAARENMAA, P., BLOMQVIST, M., LITKEY, P., HAKALA, T., VILJANEN, N., KANTOLA, T., TANHUANPÄÄ, T. and HOLOPAINEN, M., 2015. Using UAV-Based Photogrammetry and Hyperspectral Imaging for Mapping Bark Beetle Damage at Tree-Level. Remote Sensing, 7(11), pp. 15467-15493.
PAJARES, G., 2015. Overview and current status of remote sensing applications based on unmanned aerial vehicles (UAVs). Photogrammetric Engineering & Remote Sensing, 81(4), pp. 281-330.
PARK, C., NA, S., SO, K. and AHN, H., 2018Development of field scale model for estimating barley growth based on UAV NDVI and meteorological factors, Remote Sensing for Agriculture, Ecosystems, and Hydrology XX, 2018 2018, International Society for Optics and Photonics, pp. 107831P.
PARUELO, J.M., 2008. La caracterización funcional de ecosistemas mediante sensores remotos. Revista Ecosistemas, 17(3),.
POSADA OCHOA, S., CERÓN, J.M., ARENAS, J., FERNANDO HAMEDT, J. and ALVÁREZ, A., 2013. Evaluation of ryegrass (Lolium sp.) establishment in kikuyu grass (Pennisetum clandestinum) paddocks using zero tillage. CES Medicina Veterinaria y Zootecnia, 8(1), pp. 23-32.
ROUSE JR, J., HAAS, R.H., SCHELL, J.A. and DEERING, D.W., 1974. Monitoring vegetation systems in the Great Plains with ERTS.
STROPPIANA, D., MIGLIAZZI, M., CHIARABINI, V., CREMA, A., MUSANTI, M., FRANCHINO, C. and VILLA, P., 2015Rice yield estimation using multispectral data from UAV: A preliminary experiment in northern Italy, 2015 IEEE International Geoscience and Remote Sensing Symposium (IGARSS) 2015, IEEE, pp. 4664-4667.
VILLALOBOS, L. and SÁNCHEZ, J.M., 2010. Evaluación agronómica y nutricional del pasto ryegrass perenne tetraploide (Lolium perenne) producido en lecherías de las zonas altas de Costa Rica. I. Producción de biomasa y fenología. Agronomía costarricense, 34(1), pp. 31-42.