Comparativa multi e hiperespectral del pasto Cynodon nlemfuensis bajo condiciones tropicales y de pastoreo con ganado lechero

Autores/as

DOI:

https://doi.org/10.15517/ri.v32i1.46129

Palabras clave:

Espectrorradiometría, firma espectral, NDVI, SAVI, SENTINEL 2-MS

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.

Descargas

Los datos de descarga aún no están disponibles.

Referencias

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.

Descargas

Publicado

2026-09-24

Número

Vol. 32 Núm. 1 (2022): Enero - Junio 2022

Sección

Artículos

Licencia

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

Creative Commons License

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

Se considerarán autores a quienes:

  1. Hayan contribuido sustancialmente en la concepción o diseño del trabajo, o en la interpretación de los datos. 
  2. Hayan participado en el diseño del trabajo de investigación o en la revisión crítica del contenido.
  3. Hayan intervenido en la aprobación final de la versión que será publicada.
  4. Están en posición de responder a cualquier duda suscitada en cuanto al trabajo que fue publicado.
  5. Un autor deberá cumplir con todos los requisitos antes mencionados (adaptado del Comité Internacional de Editores de Revistas Médicas http://www.icmje.org/recommendations/translations/spanish2015.pdf)

Los autores que publican en esta revista están de acuerdo con los siguientes términos:

  1. Los autores conservan los derechos de autor y garantizan a la revista el derecho de ser la primera publicación del trabajo.
  2. Ingeniería: Revista de la Universidad de Costa Rica, establece una licencia Creative Commons Attribution License que permite a otros compartir el trabajo con un reconocimiento de la autoría del mismo y con un reconocimiento de la publicación inicial en esta revista.
  3. Los autores pueden establecer por separado acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista (por ejemplo, situarlo en un repositorio institucional o publicarlo en un libro), con un reconocimiento de su publicación inicial en esta revista.
  4. Los autores pueden difundir sus trabajos electrónicamente (por ejemplo, en repositorios institucionales o en su propio sitio web) únicamente tras el proceso de aprobación y publicación del manuscrito.
  5. A partir del Volumen 26 No.1 del 2016; los derechos de autor corresponden a los autores de los documentos.  Antes de esa fecha las políticas editoriales indicaban que ese derecho pertenecía a Ingeniería: Revista de la Universidad de Costa Rica.
  6. A partir del Volumen 32.1 del 2022; los autores deben detallar los roles en los que ha participado cada uno de los autores. Cada autor puede tener varios roles y cada rol puede ser empleado en diferentes autores.

La taxonomía de roles es la siguiente:

Conceptualización – Ideas; formulación o evolución de los objetivos y metas generales de la investigación.

Curación de datos – Actividades de gestión para anotar (producir metadatos), depurar datos y mantener los datos de la investigación (incluido el código de software, cuando sea necesario para interpretar los propios datos) para su uso inicial y su posterior reutilización.

Análisis formal – Aplicación de técnicas estadísticas, matemáticas, computacionales u otras técnicas formales para analizar o sintetizar datos de estudio.

Adquisición de fondos – Adquisición del apoyo financiero para el proyecto que conduce a esta publicación.

Investigación – Realización de una investigación y proceso de investigación, realizando específicamente los experimentos, o la recolección de datos/evidencia.

Metodología – Desarrollo o diseño de la metodología; creación de modelos.

Administración del proyecto – Responsabilidad de gestión y coordinación de la planificación y ejecución de la actividad de investigación.

Recursos – Suministro de materiales de estudio, reactivos, materiales, pacientes, muestras de laboratorio, animales, instrumentación, recursos informáticos u otras herramientas de análisis.

Software – Programación, desarrollo de software; diseño de programas informáticos; implementación del código informático y de los algoritmos de apoyo; prueba de los componentes de código existentes.

Supervisión – Responsabilidad de supervisión y liderazgo en la planificación y ejecución de actividades de investigación, incluyendo la tutoría externa al equipo central.

Validación – Verificación, ya sea como parte de la actividad o por separado, de la replicabilidad/reproducción general de los resultados/experimentos y otros productos de la investigación.

Visualización – Preparación, creación y/o presentación del trabajo publicado, específicamente la visualización/presentación de datos.

Redacción – borrador original – Preparación, creación y/o presentación del trabajo publicado, específicamente la redacción del borrador inicial (incluyendo la traducción sustantiva).

Redacción – revisión y edición – Preparación, creación y/o presentación del trabajo publicado por los miembros del grupo de investigación original, específicamente revisión crítica, comentario o revisión – incluyendo las etapas previas o posteriores a la publicación.