Ingeniería ISSN Impreso: 1409-2441 ISSN electrónico: 2215-2652

OAI: https://revistas.ucr.ac.cr/index.php/ingenieria/oai
Comparativa multi e hiperespectral del pasto Cynodon nlemfuensis bajo condiciones tropicales y de pastoreo con ganado lechero
PDF
HTML
EPUB

Palabras clave

NDVI
SAVI
SEBTUBEL 2-MS
spectral signature
spectroradiometry
Espectrorradiometría
firma espectral
NDVI
SAVI
SENTINEL 2-MS

Cómo citar

Coto Fonseca, A. F., & Rojas González, A. M. (2021). Comparativa multi e hiperespectral del pasto Cynodon nlemfuensis bajo condiciones tropicales y de pastoreo con ganado lechero. Ingeniería, 32(1), 1–18. https://doi.org/10.15517/ri.v32i1.46129

Resumen

La información espectral ha sido utilizada ampliamente en el estudio de las condiciones nutricionales y en el desarrollo de diversos cultivos empleados en el ámbito agrícola, pero existe un vacío de investigación en especies forrajeras para condiciones tropicales. El presente estudio contempló la comparación de información multi e hiperespectral correspondientes al cultivo de pasto Estrella Africana (Cynodon nlemfuensis) dedicado a la alimentación de ganadería lechera usando espectroscopia de campo e información satelital de Sentinel-2. Se determinó que existe una heterogeneidad de la firma espectral del cultivo, debido al patrón aleatorio de alimentación por parte del ganado y la variación de las condiciones ambientales. Se generaron zonas con distintas alturas del cultivo, influyendo directamente en los valores de reflectancia, índice de área foliar e índices de vegetación. Se compararon los índices espectrales calculados con información de campo y satelital, obteniéndose valores de R2 de 0,725 para el caso del NDVI y de 0,446 para el SAVI. La presente investigación es de gran relevancia ya que sienta la línea base del uso de información espectral para el estudio de pastos dedicados a la alimentación de ganado lechero a partir de sensores remotos y espectrorradiometría de campo.

https://doi.org/10.15517/ri.v32i1.46129
PDF
HTML
EPUB

Citas

Z. Chen et al., “Monitoring and Management of Agriculture with Remote Sensing”, en Advances in Land Remote Sensing, Dordrecht: Springer Netherlands, 2008, pp. 397–421.

J. Wang et al., “Estimating leaf area index and aboveground biomass of grazing pastures using Sentinel-1, Sentinel-2 and Landsat images”, ISPRS J. Photogramm. Remote Sens., vol. 154, pp. 189–201, ago. 2019, doi: 10.1016/j.isprsjprs.2019.06.007.

J. G. P. W. Clevers, L. Kooistra, y M. E. Schaepman, “Estimating canopy water content using hyperspectral remote sensing data”, Int. J. Appl. Earth Obs. Geoinf., vol. 12, núm. 2, pp. 119–125, abr. 2010, doi: 10.1016/j.jag.2010.01.007.

R. G. Allen, A. Kilic, R. Trezza, y J. M. H. Hendrickx, “Satellite‐based ET estimation in agriculture using SEBAL and METRIC”, Hydrol. Process., vol. 25, núm. 26, pp. 4011–4027, 2011, doi: 10.1002/hyp.8408.

R. G. Allen et al., “Satellite-Based Energy Balance for Mapping Evapotranspiration with Internalized Calibration METRIC—Applications”, J. Irrig. Drain. Eng., vol. 4, núm. 133, pp. 395–406, 2007, doi: 10.1061/(ASCE)0733-9437(2007)133.

L. Mateos y C. Alameda, “Spectral vegetation indices for benchmarking water productivity of irrigated cotton and sugarbeet crops”, Agric. Water Manag., vol. 95, pp. 48–58, 2008, doi: 10.1016/j.agwat.2007.09.001.

S. Sovoe, “Mapping Irrigated Area Fragments for Crop Water Use Assessment Using Handheld Spectroradiometer”, Int. J. Agron., p. 8, 2011, doi: https://doi.org/10.1155/2011/974040.

A. Mokhtari, H. Noory, M. Vazifedoust, y M. Bahrami, “Estimating net irrigation requirement of winter wheat using model- and satellite-based single and basal crop coe ffi cients”, Agric. Water Manag., vol. 208, pp. 95–106, 2018, doi: 10.1016/j.agwat.2018.06.013.

A. Mokhtari et al., “Calculating potential evapotranspiration and single crop coefficient based on energy balance equation using Landsat 8 and Sentinel-2”, ISPRS J. Photogramm. Remote Sens., vol. 154, pp. 231–245, 2019, doi: 10.1016/j.isprsjprs.2019.06.011.

M. Drusch et al., “Sentinel-2: ESA’s Optical High-Resolution Mission for GMES Operational Services”, Remote Sens. Environ., vol. 120, pp. 25–36, may 2012, doi: 10.1016/j.rse.2011.11.026.

T. R. Loveland y J. R. Irons, “Landsat 8: The plans, the reality, and the legacy”, Remote Sens. Environ., vol. 185, pp. 1–6, nov. 2016, doi: 10.1016/j.rse.2016.07.033.

Q. Xie et al., “Retrieval of crop biophysical parameters from Sentinel-2 remote sensing imagery”, Int. J. Appl. Earth Obs. Geoinf., vol. 80, pp. 187–195, ago. 2019, doi: 10.1016/j.jag.2019.04.019.

M. Guerini Filho, T. M. Kuplich, y F. L. F. De Quadros, “Estimating natural grassland biomass by vegetation indices using Sentinel 2 remote sensing data”, Int. J. Remote Sens., vol. 41, núm. 8, pp. 2861–2876, abr. 2020, doi: 10.1080/01431161.2019.1697004.

E. Ben-dor et al., “Remote Sensing of Environment Using Imaging Spectroscopy to study soil properties”, Remote Sens. Environ., vol. 113, pp. S38–S55, 2009, doi: 10.1016/j.rse.2008.09.019.

T. Jarmer, M. Vohland, H. Lilienthal, y E. Schnug, “Estimation of Some Chemical Properties of an Agricultural Soil by Spectroradiometric Measurements”, Pedosph. An Int. J., vol. 18, núm. 2, pp. 163–170, 2008, doi: https://doi.org/10.1016/S1002-0160(08)60004-1.

I. Melendez-Pastor, J. Navarro-pedreño, I. Gómez, y M. Koch, “Identifying optimal spectral bands to assess soil properties with VNIR radiometry in semi-arid soils”, Geoderma, vol. 147, pp. 126–132, 2008, doi: 10.1016/j.geoderma.2008.08.004.

R. E. N. Hong-yan, Z. Da-fang, A. N. Singh, P. A. N. Jian-jun, y Q. I. U. Dong-sheng, “Estimation of As and Cu Contamination in Agricultural Soils Around a Mining Area by Reflectance Spectroscopy : A Case Study”, Pedosph. An Int. J., vol. 19, núm. 6, pp. 719–726, 2009, doi: 10.1016/S1002-0160(09)60167-3.

N. Bao, L. Wu, K. Yang, y W. Zhou, “Assessing soil organic matter of reclaimed soil from a large surface coal mine using a field spectroradiometer in laboratory”, Geoderma, núm. 288, pp. 47–55, 2017, doi: https://doi.org/10.1016/j.geoderma.2016.10.033.

S. N. Kulkarni y R. R. Deshmukh, “Monitoring Carbon , Nitrogen , Phosphor and Water Contents of Agricultural Soil by Reflectance Spectroscopy using ASD Fieldspec Spectroradiometer”, Int. J. Eng. Sci. Comput., vol. 6, núm. 11, pp. 3429–3433, 2016.

I. F. S. Gazala et al., “Spectral reflectance pattern in soybean for assessing yellow mosaic disease”, Indian J. Virol., vol. 24, núm. 2, pp. 242–249, sep. 2013, doi: 10.1007/s13337-013-0161-0.

M. L. Gnyp et al., “Hyperspectral Analysis of Rice Phenological Stages on Northeast China”, ISPRS Ann. Photogramm. Remote Sens. Spat. Inf. Sci., vol. I–7, pp. 77–82, jul. 2012, doi: 10.5194/isprsannals-I-7-77-2012.

R. R. Pullanagari, I. J. Yule, M. P. Tuohy, M. J. Hedley, R. A. Dynes, y W. M. King, “In-field hyperspectral proximal sensing for estimating quality parameters of mixed pasture”, Precis. Agric., vol. 13, núm. 3, pp. 351–369, jun. 2012, doi: 10.1007/s11119-011-9251-4.

J. Elizondo Salazar, “Pasto Estrella Africana: Características Nutricionales y Aspectos de Manejo”, Vent. Leche., vol. 3, núm. 10, pp. 26–27, 2008.

CIA, IICA, INTA, y Asociacion Costarricense de la Ciencia del Suelo, “Geoportal de Suelos de Costa Rica”, Suelos.cr. http://www.suelos.cr (accesado en Ene. 25, 2020).

R. McCoy M, “Sampling in the Field”, en Field Methods in Remote Sensing, New York, NY: The Guilford Press, 2005, pp. 12–40.

A. F. . Goetz, “Making Accurate Field Spectral Reflectance Measurements”, Malvern Panalytical. https://www.materials-talks.com/wp-content/uploads/2018/01/Making-Accurate-Field-Spectral-Reflectance-Measurements-LR.pdf (accesado en Mar. 06, 2021).

I. Herrmann, A. Pimstein, A. Karnieli, Y. Cohen, V. Alchanatis, y D. J. Bonfil, “LAI assessment of wheat and potato crops by VENμS and Sentinel-2 bands”, Remote Sens. Environ., vol. 115, núm. 8, pp. 2141–2151, ago. 2011, doi: 10.1016/j.rse.2011.04.018.

W. William et al., “Searching for the Optimal Sampling Desing for Measuring LAI in a Upland Forest”, CEUR Workshop Proceedings. http://ceur-ws.org/Vol-1328/GSR2_Woodgate.pdf (accesado en Sep. 14, 2019).

ASD Inc, “ViewSpec Pro Software Install”, Malvern Panalytical. https://www.malvernpanalytical.com/en/support/product-support/software/ViewSpecProSoftwareInstall (accesado en Oct. 01, 2019).

ESA, “Sentinel-2 Spectral Response Functions (S2-SRF)”, Sentinel 2 Document Library. https://earth.esa.int/web/sentinel/user-guides/sentinel-2-msi/document-library/-/asset_publisher/Wk0TKajiISaR/content/sentinel-2a-spectral-responses (accesado en Nov. 01, 2019).

QGIS Development Team, “QGIS A Free and Open Source Geographic Information System”, QGIS.org. http://qgis.org (accesado en Sep. 01, 2019).

J. . Rouse, R. . Haas, J. . Schell, y D. . Deering, “Monitoring vegetation systems in the great plains with ERTS”, NTRS - NASA Technical Reports Server. https://ntrs.nasa.gov/archive/nasa/casi.ntrs.nasa.gov/19740022614.pdf (accesado en Ene. 25, 2020).

R. G. Allen, M. Tasumi, y R. Trezza, “Satellite-Based Energy Balance for Mapping Evapotranspiration with Internalized Calibration (METRIC)-Model”, J. Irrig. Drain. Eng., vol. 4, núm. 133, pp. 380–394, 2007.

M. Tasumi, “Progress in operational estimation of regional evapotranspiration using satellite imagery”, University of Idaho, 2003.

Ø. Hammer, D. A. . Harper, y R. P.D, “PAST: Paleontological statistics software package for education and data analysis”, Palaeontologia Electronica. https://palaeo-electronica.org/2001_1/past/past.pdf (accesado en Mar. 01, 2020).

A. K. Mahlein, U. Steiner, H. W. Dehne, y E. C. Oerke, “Spectral signatures of sugar beet leaves for the detection and differentiation of diseases”, Precis. Agric., vol. 11, núm. 4, pp. 413–431, 2010, doi: 10.1007/s11119-010-9180-7.

K. Yu et al., “Hyperspectral Canopy Sensing of Wheat Septoria Tritici Blotch Disease”, Front. Plant Sci., vol. 9, ago. 2018, doi: 10.3389/fpls.2018.01195.

H. Croft, J. Arabian, J. M. Chen, J. Shang, y J. Liu, “Mapping within-field leaf chlorophyll content in agricultural crops for nitrogen management using Landsat-8 imagery”, Precis. Agric., vol. 21, núm. 4, pp. 856–880, ago. 2020, doi: 10.1007/s11119-019-09698-y.

ASD, Analytical Spectral Devices, Inc. (ASD) Technical Guide. CO, USA, 1999.

T. . Pande, I. Valentine, K. Betteridge, A. Mackay, y D. Horne, “Pasture damage and regrowth from cattle treading”, Proc. New Zeal. Grassl. Assoc., núm. 62, pp. 155–160, ene. 2000, doi: 10.33584/jnzg.2000.62.2366.

R. WingChing-Jones, G. Cabalceta-Aguilar, y A. Alvarado-Hernández, “Impacto del pastoreo con ganado Holstein y Jersey sobre la densidad aparente de un andisol”, Agron. Mesoam., vol. 20, núm. 2, p. 371, feb. 2009, doi: 10.15517/am.v20i2.4953.

M. Kganyago, P. Mhangara, T. Alexandridis, G. Laneve, G. Ovakoglou, y N. Mashiyi, “Validation of sentinel-2 leaf area index (LAI) product derived from SNAP toolbox and its comparison with global LAI products in an African semi-arid agricultural landscape”, Remote Sens. Lett., vol. 11, núm. 10, pp. 883–892, oct. 2020, doi: 10.1080/2150704X.2020.1767823.

M. Rossi, G. Niedrist, S. Asam, G. Tonon, E. Tomelleri, y M. Zebisch, “A Comparison of the Signal from Diverse Optical Sensors for Monitoring Alpine Grassland Dynamics”, Remote Sens., vol. 11, núm. 3, p. 296, feb. 2019, doi: 10.3390/rs11030296.

R. Martínez-Barbáchano y G. Solís-Miranda, “Caracterización Espectral y Detección de Flecha Seca en Palma Africana en Puntarenas, Costa Rica”, Rev. Geográfica América Cent., vol. 2, núm. 61, p. 329, jul. 2018, doi: 10.15359/rgac.61-2.13.

Comentarios

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.

Derechos de autor 2021 Alberto Francisco Coto Fonseca, Alejandra María Rojas González

Descargas

Los datos de descargas todavía no están disponibles.