Condiciones agronómicas del cultivo de arroz con imágenes de vehículos aéreos no tripulados.
DOI:
https://doi.org/10.56124/sapientiae.v7i14.0003Palabras clave:
RGB, índices de vegetación, VIgreen, PIX4D.Resumen
La teledetección es una herramienta cada vez más utilizada para mejorar la producción de cultivos en respuesta a la creciente demanda global de alimentos y al impacto del cambio climático en la seguridad alimentaria. El uso de esa herramienta ha permitido monitorear las condiciones de los cultivos mediante el cálculo de índices de vegetación con imágenes multiespectrales. Como objetivo de este trabajo se propuso analizar las condiciones agronómicas del cultivo de arroz bajo diferentes condiciones de fertilización, en un área productiva de la provincia de Manabí. Se capturaron imágenes RGB mediante vuelos fotogramétricos utilizando el dron Phantom 4, las imágenes fueron procesadas y analizadas a través del software PIX4D y se calcularon índices de vegetación RGB (VIgreen, SIVE, GLI, CIVE, ExG). Se compararon los resultados obtenidos para las tres variedades de arroz (Impacto, Elite, SFL11) presentes en el cultivo y los dos tipos de fertilizantes (sintético y orgánico). Los resultados obtenidos muestran que de los 5 índices estudiados el VIgreen (indice normalizado verde rojo) resultó con el mayor potencial para diferenciar tratamientos orgánicos de los sintéticos. Las mayores magnitudes del índice, para las primeras 10 parcelas, se reflejan en los tratamientos sintéticos en el 80 % de los casos, con valores que oscilan entre 0,174137 y 0,1105. El resto de los índices muestran bajo potencial para discriminar los tratamientos sintéticos de los orgánicos. Respecto a las variedades no se encontraron diferencias significativas entre los índices.
Descargas
Citas
Acevedo, L. A., Ávila, C. G., Elvira, I., & Giraldo, O. (2023). Evaluación de la biofertilización a través de un consorcio microbiológico. Memorias del 2do. Congreso de desarrollo sostenible, comunidades sostenibles, clima y ecosistemas, esfuerzos ODS. 1(1), 393. https://dspace.tdea.edu.co/handle/tdea/4814
Barbosa, B. D. S., Ferraz, G. A. S., Gonçalves, L. M., Marín, D. B., Maciel, D. T., Ferraz, P. F. P., & Rossi, G. (2019). RGB vegetation indices applied to grass monitoring: A qualitative analysis. Agronomy Research, 17(2), 349-357. https://doi.org/10.15159/AR.19.119
Bautista, A. S., Fita, D., Franch, B., Castiñeira-Ibáñez, S., Arizo, P., Sánchez-Torres, M. J., Becker-Reshef, I., Uris, A., & Rubio, C. (2022). Crop Monitoring Strategy Based on Remote Sensing Data (Sentinel-2 and Planet), Study Case in a Rice Field after Applying Glycinebetaine. Agronomy, 12(3). https://doi.org/10.3390/agronomy12030708
Colovic, M., Stellacci, A. M., Mzid, N., Di Venosa, M., Todorovic, M., Cantore, V., & Albrizio, R. (2024). Comparative Performance of Aerial RGB vs. Ground Hyperspectral Indices for Evaluating Water and Nitrogen Status in Sweet Maize. Agronomy, 14(3), 562. https://www.mdpi.com/2073-4395/14/3/562
Cordova, J., Correa, J., Espinoza, T., & Reyes, L. (2022). Informe de Plan de Vuelo. https://es.scribd.com/document/600420520/informe-de-plan-de-vuelo-1#
Da Silva, V. F., de Morais, D. P., de Oliveira, F. M., Moraes, A. S., Silva, E. A., Silva, J. C. E., & Piscoya, V. C. (2024). Mapeamento do uso e ocupação do solo, em ambiente SIG, do municipio de Petrolina, Pernambuco, Brasil. Contribuciones a las ciencias sociales, 17(4), e6451-e6451. https://ojs.revistacontribuciones.com/ojs/index.php/clcs/article/view/6451
De la Llata Quiroga, E. (2023). Fotogrametría de alta resolución espacial utilizando el método de estructura de movimiento (SfM) y vehículos aéreos no tripulados. Entorno Geográfico, (25): 1 - 16. https://entornogeografico.univalle.edu.co/index.php/entornogeografico/article/view/12228
De la Torre, D. M. G., Gao, J., & Macinnis-Ng, C. (2021). Remote sensing-based estimation of rice yields using various models: A critical review. En Geo-Spatial Information Science (Vol. 24, Número 4, pp. 580-603). Taylor and Francis Ltd. https://doi.org/10.1080/10095020.2021.1936656
Delgado, D., & Zorrilla, C. (2019). Evaluación del simbionte azolla caroliniana-anabaena azollae sobre la agroproductividad del cultivo de arroz y las propiedades químicas del suelo [Tesis de grado. Escuela Superior Politécnica Agropecuaria de Manabí Manuel Félix López]. https://repositorio.espam.edu.ec/bitstream/42000/534/1/TA62.pdf
DJI. (2018). Guía de inicio rápido: Phantom 4. http://www.dji.com/product/phantom-4
Elizalde, M. D. (2020). El viraje de Filipinas hacia Asia en el filo de los siglos XVIII y XIX. Vegueta: Anuario de la Facultad de Geografía e Historia. https://accedacris.ulpgc.es/handle/10553/70264
García, G. (2022). Determinar el efecto del las deficiencias de nitrógeno en el ndvi del cultivo de maíz (Zea mays) [Tesis de grado. Instituto Tecnológico de Tlajomulco, Jal. México]. Repositorio Institucional de del ITT.
https://rinacional.tecnm.mx/bitstream/TecNM/4456/1/Tesis%20NDVI%20FINAL%20FINAL%203.1%20RAFAEL.pdf
García-Martínez, H., Flores-Magdaleno, H., Khalil-Gardez, A., Ascencio-Hernández, R., Tijerina-Chávez, L., Vázquez-Peña, M. A., & Mancilla-Villa, O. R. (2020). Estimación de la fracción de cobertura de la vegetación en maíz (zea mays) mediante imágenes digitales tomadas por un vehículo aéreo no tripulado (UAV). Rev. Fitotec. Mex, 43(4), 399-409. https://www.scielo.org.mx/scielo.php?pid=S0187-73802020000400399&script=sci_arttext
Ge, H., Xiang, H., Ma, F., Li, Z., Qiu, Z., Tan, Z., & Du, C. (2021). Estimating plant nitrogen concentration of rice through fusing vegetation indices and color moments derived from UAV-RGB images. Remote Sensing, 13(9). https://doi.org/10.3390/rs13091620
Gis, A., & Back, K. (2021). Índices de vegetación para drones sin dependencia de infrarrojo. Agridico, 5(2), 13-28. https://www.agridico.com/l/indices-drones-rgb/
González-Luna, C., Filonov, A., Mireles, O., & Tereshchenko, I. (2018). Análisis espectral y dispersión superficial de detritos suspendidos en la Bahía de Banderas mediante imágenes de satélite. Revista Cartográfica, 98(2), 2663-3981. https://doi.org/10.35424/rcarto.i98.148
Gonzalo, M. P. S., Orellana, Y. G., Simbaña, A. G., Tello, E. G., Borges, J. B., & Rodríguez, D. T. (2020). Propuesta de un protocolo para la obtención de fertilizante orgánico a partir de microalgas. Agroindustria, Sociedad y Ambiente, 1(14), 92-109. https://revistas.uclave.org/index.php/asa/article/view/2834
Gozalvez, M. I. (2024). Determinación de la cubierta vegetal y seguimiento de un cultivo de soja con una cámara RGB de bajo coste [Tesis de grado. Universitat Politècnica de Catalunya]. Repositorio Institucional de la UC. https://upcommons.upc.edu/handle/2117/403565
Hernández-Aragón, L., Tavitas-Fuentes, L., & Álvarez-Hernandez, J. C. (2023). Origen y características de la diversidad genética del arroz en México. Revista fitotecnia mexicana, 46(4), 461-469. https://www.scielo.org.mx/scielo.php?pid=S0187-73802023000400461&script=sci_arttext
Inoue, Y. (2020). Satellite- and drone-based remote sensing of crops and soils for smart farming–a review. Soil Science and Plant Nutrition, 66(6), 798-810. https://doi.org/10.1080/00380768.2020.1738899
Izhnin, I. I., Lozovoy, K. A., Kokhanenko, A. P., Khomyakova, K. I., Douhan, R. M., Dirko, V. V., ... & Akimenko, N. Y. (2022). Single-photon avalanche diode detectors based on group IV materials. Applied Nanoscience, 1-11. https://link.springer.com/article/10.1007/s13204-021-01667-0
Kazemi, F., & Parmehr, E. G. (2023). Evaluation of rgb vegetation indices derived from uav images for rice crop growth monitoring. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 10(4/W1-2022), 385-390. https://doi.org/10.5194/isprs-annals-X-4-W1-2022-385-2023
López, W. (2021). Evaluación de la utilidad del sensor Sentinel-2 para la cartografía de cinco parámetros físicos-químicos de calidad de agua en la Laguna de Moyúa, Ciudad Darío, Matagalpa, febrero y julio 2020 [Tesis de grado. Universidad Nacional Agraria]. Repositorio Institucional de la UNA. https://repositorio.una.edu.ni/4300/1/tnp10l864e.pdf
Lu, N., Zhou, J., Han, Z., Li, D., Cao, Q., Yao, X., Tian, Y., Zhu, Y., Cao, W., & Cheng, T. (2019). Improved estimation of aboveground biomass in wheat from RGB imagery and point cloud data acquired with a low-cost unmanned aerial vehicle system. Plant Methods, 15(1). https://doi.org/10.1186/s13007-019-0402-3
Malam, K. (2020). Precision Agriculture -A New Smart Way of Farming. Agriculture and Environment, 1(2), 87-92. https://www.researchgate.net/publication/345807647_Precision_Agriculture_-A_New_Smart_Way_of_Farming
Maridueña, D. M. C., Maridueña, B. J. C., David, W. O. P., & Torres, M. S. F. (2022). Beneficios del establecimiento de Inga spp en sistemas agroforestales de la zona agrícola del cantón El Triunfo. Pro Sciences: Revista de Producción, Ciencias e Investigación, 6(43), 1-11. https://journalprosciences.com/index.php/ps/article/download/514/564
Martin, D., Uriosti, L., Celi, A., & Castro, J. (2021). Caracterización del sector arrocero en el Ecuador 2014-21029. ¿’Esta cambiando el manejo del cultivo? https://cgspace.cgiar.org/bitstream/handle/10568/113781/Marin%20et%20al%202021%20BIOCIAT%20--%20Caracterizacion%20arroz%20Ecuador%202014%202019.pdf?sequence=1&isAllowed=y
Martínez Gavilánez, D. L., & Rodríguez Meza, Y. E. (2024). Determinar la composición de los tejidos del pasto llanero (Andropogon gayanus) con fertilización química y orgánica en diferentes estados de madurez en la época lluviosa [Tesis de grado. Universidad Técnica de Cotopaxi, la Maná, Ecuador]. Repositorio Institucional de la UTC. https://repositorio.utc.edu.ec/handle/27000/11691
Pacheco Gil, H. A., & Montilla Pacheco, A. de J. (2021). RGB Spectral Indices for the Analysis of Soil Protection by Vegetation Cover against Erosive Processes. En Soil Erosion - Current Challenges and Future Perspectives in a Changing World. IntechOpen. https://doi.org/10.5772/intechopen.95055
Piron, F., Morrison, D., Yuce, M. R., & Redouté, J. M. (2020). A review of single-photon avalanche diode time-of-flight imaging sensor arrays. IEEE Sensors Journal, 21(11), 12654-12666. https://ieeexplore.ieee.org/abstract/document/9264255/
Robles, J. (2022). Análisis de la respuesta espectral del cultivo de cebada (Hordeum vulgare L.) a la aplicación de fertilizante nitrogenado evaluado con el índice de vegetación NDVI [Tesis de Grado. Universidad de Cuenca]. Repositorio Institucional de la UC. https://dspace.ucuenca.edu.ec/bitstream/123456789/40409/1/Trabajo-de-Titulaci%C3%B3n.pdf
Ryu, J. H., Oh, D., Ko, J., Kim, H. Y., Yeom, J. M., & Cho, J. (2022). Remote Sensing-Based Evaluation of Heat Stress Damage on Paddy Rice Using NDVI and PRI Measured at Leaf and Canopy Scales. Agronomy, 12(8). https://doi.org/10.3390/agronomy12081972
Serrano, A. S. (2020). India y el sistema multilateral de comercio. Boletín Económico de ICE, (3128). https://www.revistasice.com/index.php/BICE/article/view/7090
Silva Velarde, E. O. (2024). Generación de ortofotografía y modelo digital de elevación (MDE) de alta resolución con puntos de control RTK (Real-Time Kinematic Positioning). [Tesis de Grado. Universidad Politécnica Salesiana, Ecuador]. Repositorio Institucional de la UPS. https://dspace.ups.edu.ec/handle/123456789/27070
Simões, G. Z., Kux, H. J. H., Breunig, F. M., & Pereira, L. H. (2023). Canopy Height Estimation of Three Sugarcane Varieties Using an Unmanned Aerial Vehicle (UAV). Geografia Ensino & Pesquisa, 27, e65070-e65070. https://periodicos.ufsm.br/geografia/article/view/65070
Vargas, R. E., Wilches Ortiz, W. A., & Espitia Malagón, E. M. (2022). Efecto del establecimiento de sistemas de rotación para el cultivo de la papa sobre las características químicas y físicas del suelo. Siembra, 9(2). https://scielo.senescyt.gob.ec/scielo.php?pid=S2477-88502022000200013&script=sci_arttext
Vera, N. (2021). Análisis de uso de suelo a partir de imágenes satelitales sentinel 2 en el cantón buena fe, provincia de Los Ríos [Tesis de grado. Universidad Técnica Estatal de Quevedo]. Repositorio Institucional de la UTEQ. https://repositorio.uteq.edu.ec/bitstream/43000/6186/1/T-UTEQ-128.pdf
Yu, F., Bai, J., Jin, Z., Zhang, H., Guo, Z., & Chen, C. (2022). Research on Precise Fertilization Method of Rice Tillering Stage Based on UAV Hyperspectral Remote Sensing Prescription Map. Agronomy, 12(11). https://doi.org/10.3390/agronomy12112893
Zha, H., Miao, Y., Wang, T., Li, Y., Zhang, J., Sun, W., Feng, Z., & Kusnierek, K. (2020). Improving unmanned aerial vehicle remote sensing-based rice nitrogen nutrition index prediction with machine learning. Remote Sensing, 12(2). https://doi.org/10.3390/rs12020215
Zhao, K., Ye, Y., Ma, J., Huang, L., & Zhuang, H. (2021). Detection and dynamic variation characteristics of rice nitrogen status after anthesis based on the rgb color index. Agronomy, 11(9). https://doi.org/10.3390/agronomy11091739
Zheng, J., Song, X., Yang, G., Du, X., Mei, X., & Yang, X. (2022). Remote Sensing Monitoring of Rice and Wheat Canopy Nitrogen: A Review. En Remote Sensing (Vol. 14, Número 22). MDPI. https://doi.org/10.3390/rs14225712
Zheng, Q., Huang, W., Xia, Q., Dong, Y., Ye, H., Jiang, H., Chen, S., & Huang, S. (2023). Remote Sensing Monitoring of Rice Diseases and Pests from Different Data Sources: A Review. Agronomy, 13(7), 1851. https://doi.org/10.3390/agronomy13071851
Zurita, A. (2021). Adaptación de cuatro variedades de arroz (Oryza sativa l.) a las condiciones agroclimáticas de Mocache, 2021 [Tesis de grado. Universidad Técnica Estatal de Quevedo]. Repositorio Institucional de la UTEQ. https://repositorio.uteq.edu.ec/bitstream/43000/6555/1/T-UTEQ-306.pdf
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Revista Científica Multidisciplinaria SAPIENTIAE. ISSN: 2600-6030
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.