Utilización de índices de vegetación satelitales para predecir niveles de rendimiento de Vicia villosa Roth
DOI:
https://doi.org/10.24215/15146774e076Palabras clave:
modelo, predicción, rendimiento, leguminosaResumen
En este trabajo se combinan las imágenes satelitales, los algoritmos de aprendizaje de máquina y las mediciones de campo para analizar si es posible generar un modelo de predicción del rendimiento de la leguminosa Vicia villosa Roth (VV) antes de su cosecha. En un estudio previo, se empleó información satelital de diferentes fechas a lo largo del ciclo fenológico completo de VV cultivada en varios lotes del partido de Guaminí (provincia de Buenos Aires) y se encontró una estrecha relación entre la serie temporal de los índices de vegetación y el rinde de dichos cultivos. En base a esos resultados, se evalúa la posibilidad de predecir el rendimiento a partir de nueve fechas de la campaña 2021-2022 entre la siembra y la cosecha. Las mismas se asocian de distintas maneras determinando su impacto sobre la precisión del modelo entrenado.
Los resultados evidencian que con el monitoreo remoto de cinco fechas es posible clasificar adecuadamente el rendimiento de VV. Tener un modelo de predicción ayudaría en las decisiones in-situ optimizando el uso que puede darse al cultivo de VV (pastoreo directo, forraje o producción de semillas) en función del rendimiento esperado.
Referencias
Hatfield J. L. y Prueger J. H.: Value of using different vegetative indices to quantify agricultural crop characteristics at dierent growth stages under varying management practices. Remote Sensing 2(2), 562-578 (2010).
Segarra J., Buchaillot M. L., Araus J. L. y Kefauver S. C.: Remote sensing for precision agriculture: Sentinel-2 improved features and applications. Agronomy 10(5), (2020).
Patil P., Biradar C., Atassi L., Moussadek R., Kharrat M., Singh M., Andaloussi F. y Agrawal S. K.: Mapping and monitoring of food legumes and dryland cereal production systems. En: Anales del Fourth International Conference on Agro-Geoinformatics (Agro-geoinformatics), 407-413, Estambul, Turquía (2015).
Lu S., Lu X., Zhao W., Liu Y., Wang Z., Omasa K.: Comparing vegetation indices for remote chlorophyll measurement of white poplar and Chinese elm leaves with different adaxial and abaxial surfaces. Journal of Experimental Botany 6(18), 5625-5637 (2015).
Larrañaga Urien A.: Clasificación de cultivos a partir de observaciones de teledetección radar. Aplicación a zonas de secano y regadío de Navarra. Tesis Doctoral. En: Programa de Doctorado en Ingeniería y Arquitectura. Ediciones Universidad Pública de Navarra, España (2016).
Pasqualotto Vicente N., Delegido J., Van Wittenberghe S., Rinaldi M. y Moreno J.: Estimación de LAI verde de diversos cultivos mediante el nuevo índice SeLI para Sentinel-2. En: Anales del XVIII Simposio Internacional de la Sociedad Latinoamericana de Percepción Remota y Sistemas de Información Espacial (SELPER), La Habana, Cuba (2018).
Marini F.: Discriminación de trigo y cebada empleando imágenes satelitales ópticas y radar. Estudio de caso: partido de Coronel Rosales (Argentina). Investigaciones Geográficas UNAM, 104 (2021).
Tenreiro T. R., García-Vila M., Gómez J. A., Jiménez-Berni J. A. y Fereres E.: Using NDVI for the assessment of canopy cover in agricultural crops within modelling research. Computers and Electronics in Agriculture 182, art. 106038 (2021).
Gumma M. K., Tummala K., Dixit S., Collivignarelli F., Holecz F., Kolli R. N. y Whitbread A. M.: Crop type identication and spatial mapping using sentinel-2 satellite data with focus on eld-level information. Geocarto International, 37(7), 1833-1849 (2022).
Paredes Gómez V., del Blanco Medina V., Gutiérrez García A. y Nafría García D. A.: Seguimiento y evaluación de la capacidad de discriminación de cultivos herbáceos en regadío a partir de imágenes de satélite en el periodo 2016-2018. Tierras de Castilla y León: Agricultura 282, 36-43 (2020).
Breiman L.: Random Forests. Machine Learning 45, 5-32 (2001).
Regalado Galván J. A., D'Amico M. B. y Calandrini G. L.: Análisis temporal de índices de vegetación satelitales en Vicia villosa Roth. En: Anales del XXVIII Congreso Argentino de Control Automático, 97-102, Buenos Aires, Argentina (2023).
D'Amico M. B., Marini F., Calandrini G. L., Renzi J. P. y Chantre G. R.: Relación entre los índices de vegetación satelitales y el nivel de rinde de la leguminosa Vicia villosa Roth. En: Anales de la XX Reunión de Trabajo en Procesamiento de la Información y Control (RPIC2023), Oberá, Argentina (2023).
Renzi J. P., Chantre G. R., Smýkal P., Presotto A. D., Zubiaga L., Garayalde A. F. y Cantamutto M. A.: Diversity of naturalized hairy vetch (vicia villosa Roth) populations in central Argentina as a source of potential adaptive traits for breeding. Frontiers in Plant Science 11, art. 189 (2020).
Renzi J. P.: Caracterización Agroecológica de Poblaciones Naturales de Vicia villosa Roth (FABACEAE) de Argentina. Tesis de Doctorado en Agronomía, Universidad Nacional del Sur (2020).
Renzi J. P., Chantre G. R., González-Andújar J. L. y Cantamutto M. A.: Development and validation of a simulation model for hairy vetch (Vicia villosa Roth) self-regeneration under different crop rotations. Field Crops Research 235, 79-86 (2019).
Marini M. F.: Discriminación de cultivos de distinto desarrollo utilizando imágenes satelitales MODIS. GeoFocus (Informes y aplicaciones), 13(1) 48-60 (2013)
Datos abiertos del Ministerio de Agricultura, Ganadería y Pesca de la Nación. http://www.magyp.gob.ar/datosabiertos/. Accedido en abril de 2024.
Rouse J. W., Haas R. H., Schell J. A., Deerino D. W.y Harlan J. C.: Monitoring the vernal advancement of retrogradation of natural vegetation. Reporte final, NASA/OSFC, 371 (1974).
Justice C. O., Vermote E., Townshend J. R., Defries R., Roy D. P., Hall D. K. y Lucht W.: The Moderate Resolution Spectroradiometer (MODIS): Land remote sensing for global change research. IEEE Transactions on Geosciences and Remote Sensing 36(4), 1228-1249 (1998).
Huang H., Roy D .P., Boschetti B., Zhang H. K., Yan L., Kumar S. S., Gomez-Dans J. y Li J.: Separability analysis of Sentinel-2A multi-spectral instrument (MSI) data for burned area discrimination. Remote Sensing 8(10), 873 (2016).
Gilabert M. A., González-Piqueras J. y García-Haro F. J.: Acerca de los índices de vegetación. Revista de Teledetección 8 (1997).
Daughtry C. S. T., Gallo K. P., Goward S. N., Prince S. D. y Kustas W. P.: Spectral estimates of absorbed radiation and phytomass production in corn and soybean canopies. Remote Sensing Environment 39(2), 141-152 (1992).
Ovando G., de la Casa A., Díaz G., Díaz P., Bressanini L. y Miranda C.: Desempeño de diferentes índices de vegetación de Sentinel-2A para estimar el rendimiento de soja en agricultura de precisión. AgriScientia (38), 1-12 (2021).
Jensen J. R.: Introductory Digital Image Processing. Prentice-Hall, Nueva Jersey, Estados Unidos (1986).
Bishop Y., Fienberg S. y Holland P.: Discrete Multivariate Analysis. Theory and Practice. MIT Press, Cambridge, Inglaterra (1975).
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Fabián Marini, María Belén D'Amico, Guillermo Luis Calandrini, Juan Pablo Renzi, Guillermo Rubén Chantre
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes:
- Los autores/as conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra, el cuál estará simultáneamente sujeto a la Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0) que permite a terceros compartir la obra siempre que se indique su autor y su primera publicación esta revista, no hagan uso comercial de ella y las obras derivadas de hagan bajo la misma licencia.
- Los autores/as podrán adoptar otros acuerdos de licencia no exclusiva de distribución de la versión de la obra publicada (p. ej.: depositarla en un archivo telemático institucional o publicarla en un volumen monográfico) siempre que se indique la publicación inicial en esta revista.
- Se permite y recomienda a los autores/as difundir su obra a través de Internet (p. ej.: en archivos telemáticos institucionales o en su página web) antes y durante el proceso de envío, lo cual puede producir intercambios interesantes y aumentar las citas de la obra publicada. (Véase El efecto del acceso abierto).
