Está en la página 1de 21

UNIVERSIDAD NACIONAL DE TRUJILLO

Facultad de Ingeniería
Escuela Profesional de Ingeniería Mecatrónica

Análisis de imágenes multiespectrales adquiridas con vehículos aéreos


no tripulados

Trabajo de Investigación Formativa

Procesamiento de Imágenes
AUTORES :
- BEJARANO REYES, Mauricio
- RODRIGUEZ CARBAJAL, Arnold
- SILVA VARELA, Giancarlo
- SILVA ZUTA, David

DOCENTE : ING. ASTO RODRIGUEZ, Emerson

CICLO : IX

Trujillo, Perú
20 de Julio del 2020
Tabla de Contenidos ii

RESUMEN .................................................................................................................................v

1. INTRODUCCION...............................................................................................................1

1.1. OBJETIVOS................................................................................................................3

1.1.1. OBJETIVO GENERAL .......................................................................................3

1.1.2. OBJETIVO ESPECÍFICOS .................................................................................3

2. PROCEDIMIENTO PARA LA TOMA Y EL PROCESAMIENTO DE LAS IMÁGENES

MULTIESPECTRALES .............................................................................................................4

3. VIABILIDAD EN LA LOCALIDAD................................................................................ 10

4. CONCLUSIONES ............................................................................................................ 13

5. Referencias ........................................................................................................................ 14
Lista de Tablas iii

Tabla 1: Valor del índice NDVI por variedad de caña (Samy Kharuf-Gutierrez, 2018). ............. 10
Lista de Figuras iv

Figura 2.1: Flujo de trabajo para obtener mapas de índices de un campo de cultivo (Samy

Kharuf-Gutierrez, 2018). .....................................................................................................5

Figura 2.2: Ortomosaico RGB construido con Pix4D volando a 120 m de altura con 4 puntos de

control foto insertados en los extremos de las flechas azules [1]. .........................................6

Figura 2.3: Mapas del índice vegetativo NDVI (izquierda) y ortofoto RGB (derecha) obtenidos

en Pix4D representado el valor 0.8 de la escala el máximo nivel de vigor vegetal y los

valores más cercanos a cero zonas con despoblamiento vegetal o suelo (Samy Kharuf-

Gutierrez, 2018). .................................................................................................................7

Figura 2.4: Ortofoto RGB obtenida con Agisoft PhotoScan desde 120 m de altura (Samy Kharuf-

Gutierrez, 2018). .................................................................................................................8

Figura 2.5: Mapa NDVI obtenido con Agisoft PhotoScan desde 120 m de altura. Las zonas

blancas corresponden a suelo o sectores con baja densidad vegetal y los puntos de un verde

más intenso a vegetación de mayor nivel de clorofila (Samy Kharuf-Gutierrez, 2018). ........8

Figura 2.6: Mapa NDVI obtenido con Pix4D de una parcela de las variedades de caña C266-70,

C46-12, C86-12, C86-56. Cada variedad está encerrada en un cuadrado verde claro. A

valores más cercanos de 0.8 mayor vigor vegetal de las plantaciones (Samy Kharuf-

Gutierrez, 2018). .................................................................................................................9


RESUMEN v

En el siguiente trabajo consta de la utilización de un vehículo aéreo no tripulado (VANT) en la

fotogrametría multiespectral para mapear un sembrado caña de azúcar.

Para dicho propósito se hicieron pruebas sobre un campo de caña de 14 meses en maduración,

sembrado con 14 variedades diferentes y otro de 6 meses en crecimiento con 25 variedades; en

dichas pruebas se usó los softwares de procesamiento de imágenes, Agisoft Photoscan y Pix4D,

generándose los ortomosaicos 3D y mapas de índices NDVI. Luego se compararon los programas

respecto a facilidad de uso, tiempo de procesamiento y calidad visual del producto y se definen las

condiciones de vuelo del VANT para una correcta recolección de imágenes con la cámara

multiespectral Parrot Sequoia. Los resultados mostraron a Pix4D como el programa más eficiente

para realizar cálculos de índices vegetativos, ya que este incorpora correcciones radiométricas

específicas a los ortomosaicos. Analizando los resultados con agrónomos expertos se determinó

que la respuesta espectral permite diferenciar los campos según la edad y densidad poblacional por

parcelas, pero con los mapas NDVI no se diferencia las variedades sembradas en una misma fecha.

Finalmente, para lograr un mejor análisis de fotografías del terreno sobrevolado es necesario una

altura de al menos 120 metros.


1

1. INTRODUCCION

Debido a las nuevas tecnologías en la agricultura se busca una renovación tecnológica en

estos procesos que asegure una sostenibilidad ambiental y económica logrando satisfacer

la demanda de productos mejorando problemas de manejo de cultivos y los procesos

agrícolas como el rendimiento, calidad de producción e impacto sobre el ambiente por

plaguicidas y fertilizantes (Best S, 2008). Surge como una alternativa, las herramientas

tecnológicas para el monitoreo.

Para esto se usó la agricultura de precisión que significa optimizar calidad y cantidad del

producto agrícola minimizando el costo por uso de tecnologías más eficientes (García-

Cervigón D, 2015). Esta tecnología será la teledetección que es la adquisición de

información de un fenómeno mediante un equipo con el que no está en contacto, siendo las

imágenes multiespectrales tomadas por aviones tripulados las más utilizadas (García-

Ferrer, 2013).

Varios autores han comprobado la relación entre las variables relacionadas con la

producción de la planta con datos de sensores remotos. Como el índice de área foliar (LAI),

verdor y nitrógeno de la hoja, altura, nivel de clorofila, o nivel de agua, etc. (Serrano L,

2000) (Wright DL, 2004).


2

Las diferencias entre las firmas espectrales de la vegetación sana y estresada son notables

y su análisis cuantitativo es posible mediante diversas técnicas como el cálculo de índices

vegetativos (IV) dando como resultado un diagnóstico en variables claves como la

productividad (Meneses V AB, 2015).

Algunos estudios en Cuba presentan las aplicaciones geomáticas de los VANT, empleando

imágenes RGB (Fernandez PM, 2015) (Hernández L, 2016); con esta tecnología es posible

la adquisición de las imágenes siguiendo un sistema para la planificación de los vuelos.

En este trabajo se aborda la ejecución de fotogrametría multiespectral de los campos

experimentales de la Estación Territorial de Investigaciones de la Caña de Azúcar de Cuba,

con diferentes tipos de cañas de azúcar, usando la tecnología VANT y técnicas de

procesamiento digital de imágenes orientados a este campo generando así mapas de índices

vegetativos mediante los programas Pix4D y Agisoft PhotoScan siendo interpretados por

especialistas en procesamiento de imágenes y expertos agrónomos para identificar el vigor

vegetal en zonas puntuales de los campos.

Siendo el objetivo de este trabajo realizar un levantamiento fotogramétrico multiespectral

usando las nuevas tecnologías para la elaboración de mapas de índices vegetativos que

permitan identificar parcelas de caña por variedad o con baja densidad vegetal.
3

1.1. OBJETIVOS

1.1.1. OBJETIVO GENERAL

Analizar imágenes multiespectrales adquiridas con vehículos aéreos no tripulados.

1.1.2. OBJETIVO ESPECÍFICOS

- Realizar un levantamiento fotogramétrico multiespectral, utilizando VANT, en las

áreas de ETICA para la elaboración de mapas de índices vegetativos que permitan

identificar parcelas de caña por variedades o densidad vegetal,

- Comparar dos de las mejores aplicaciones propietarias de procesamiento de

imágenes disponibles en el mercado, Agisoft Photoscan y Pix4D evaluando las

prestaciones y consumo de recursos computacionales de ambas aplicaciones de

procesamiento de imágenes.

- Encontrar alguna aplicación del análisis de imágenes multiespectrales adquiridas

con VANT en nuestra región.


4

2. PROCEDIMIENTO PARA LA TOMA Y EL PROCESAMIENTO

DE LAS IMÁGENES MULTIESPECTRALES

Para la toma de imágenes multiespectrales se usó el vehículo 3DR RT X8+ y se usó como

guía a la bibliografía (Hernández Santana L, 2017), con el software Mission Planer se

hicieron los vuelos considerando aspectos generales como alturas permitidas, obstáculos,

vientos, puntos de lanzamiento y aterrizaje; y específicos como altura, velocidad,

coordenadas, características de las cámaras y software para definición del polígono del área

de influencia.

Se sobrevoló un ca12mpo de caña de 14 meses en fase de maduración sembrado con 14

variedades; otro campo de 6 meses en fase de crecimiento sembrado con 25 variedades.

Cada variedad ocupa una parcela de 41 𝑚2 . Se hizo una dosificación al campo de 14 meses

con urea, superfosfato triple, cloruro de potasio; al campo de 6 meses con superfosfato

triple y cloruro de potasio. Los vuelos fueron a 40, 80 y 120 m a 6 m/s; pero sólo la última

altura arrojó buenos resultados, por tanto, sólo se presentarán resultados de esta. El tamaño

del píxel del suelo (GSD) de las ortofotos realizadas fue de 3, 7 y 11 cm/píxel para el sensor

multiespectral y de 2, 3 y 5 cm/píxel para el sensor RGB en función de las respectivas

alturas.

El vuelo incluyó activación de la ruta, revisión de puntos de referencia, lanzamiento, rutina

de vuelo en modo automático, captura continua de fotos y aterrizaje. En la figura 2.1 se


5

muestran todos los pasos ejecutados para la recolección y procesamiento de las imágenes

RGB y multiespectrales.

Figura 2.1: Flujo de trabajo para obtener mapas de índices de un campo de cultivo

(Samy Kharuf-Gutierrez, 2018).

Para la construcción de los mosaicos RGB y NIR del área de estudio, se usó los softwares

Agisoft y Pix4D para georreferenciar y procesar las fotografías. Se realizó el modelado en

3D del área y el modelo digital de elevación para identificar la densidad de caña por

parcela, diferenciar la caña madura de la joven y realizar mediciones de área y perímetro.

En la figura 2.2 vemos como las parcelas de 18 meses se tornan de color pardo mientras

que las de 6 meses de verde claro por su nivel de clorofila en su período de crecimiento

(Ferrer Reyes M, 2016). Además, se incorporaron 4 puntos georreferenciados en el campo

y se mejoró la precisión de la ortofoto generada (figura 2.2). Se obtuvo una resolución en

ambos softwares de 5 cm/píxel.


6

Figura 2.2: Ortomosaico RGB construido con Pix4D volando a 120 m de altura con 4

puntos de control foto insertados en los extremos de las flechas azules [1].

En el vuelo a 40 metro de altura a 6m/s con tiempo entre disparos de 1.4 segundos y

velocidad del viento de 1 - 2m/s, no se muestran buenos resultados en el ortomosaico RGB,

aunque si ofreció una mejor resolución en las imágenes multiespectrales.

En los vuelos a 80 y 120 metros se obtuvo el índice NDVI de los mosaicos y se identificó

los puntos de respuesta espectral específica en el cultivo. Se verificó la relación entre

sectores con elevados niveles de NDVI y bloques de caña con un alto vigor vegetal. En

cuanto a las parcelas, la caña en crecimiento mostró un índice NDVI mayor a la madura.

En cuanto a las parcelas sembradas en igual fecha, los mapas de índices NDVI facilitaron

conocer el área con cultivos saludables y sectores con déficit nutricional. Gracias a esto se

determina la cantidad de fertilizante necesaria en los sectores estresados.


7

En la Figura 2.3 se ve como varía el vigor vegetal y el nivel de clorofila en los cultivos y

su evolución en el tiempo. Con el mapa NDVI se clasifica las parcelas dependiendo de la

respuesta espectral y en base a esto trazar planes para una dosificación diferenciada de

insumos. Se cuenta con gran precisión en la correlación de valores NDVI con el estado de

salud de las plantas, mostrándose los mayores valores NDVI (superior a 0.49) en las

parcelas más saludables, bajos valores (entre 0.21 y 0.39) en las más afectadas y casi nulos

(NDVI por debajo de 0.21) en sectores de vegetación pobre.

Figura 2.3: Mapas del índice vegetativo NDVI (izquierda) y ortofoto RGB (derecha)

obtenidos en Pix4D representado el valor 0.8 de la escala el máximo nivel de vigor

vegetal y los valores más cercanos a cero zonas con despoblamiento vegetal o suelo

(Samy Kharuf-Gutierrez, 2018).

En las figuras 2.4 y 2.5 correspondientes a caña de 18 meses en fase de maduración se

reconocen los sectores de un elevado vigor vegetal mediante el mapa de índices NDVI.
8

Figura 2.4: Ortofoto RGB obtenida con Agisoft PhotoScan desde 120 m de altura (Samy

Kharuf-Gutierrez, 2018).

Figura 2.5: Mapa NDVI obtenido con Agisoft PhotoScan desde 120 m de altura. Las

zonas blancas corresponden a suelo o sectores con baja densidad vegetal y los puntos de

un verde más intenso a vegetación de mayor nivel de clorofila (Samy Kharuf-Gutierrez,

2018).
9

Con otro experimento se intentó usar el índice NDVI para diferenciar las variedades de

caña en cada parcela. Par lo cual uso del software Pix4d para analizar la imagen

multiespectral de un bloque con las variedades C266-70, C46-12, C86-12, C86-56, todas

de 6 meses de vida (Figura 2.6). De esto se pudo evaluar los niveles de clorofila con el

mapa de índice NDVI, pero no se identificó las variedades sembradas al dar todas valores

prácticamente homogéneos de NDVI (ver tabla 1).

Figura 2.6: Mapa NDVI obtenido con Pix4D de una parcela de las variedades de caña

C266-70, C46-12, C86-12, C86-56. Cada variedad está encerrada en un cuadrado verde

claro. A valores más cercanos de 0.8 mayor vigor vegetal de las plantaciones (Samy

Kharuf-Gutierrez, 2018).
10

Tabla 1: Valor del índice NDVI por variedad de caña (Samy Kharuf-Gutierrez, 2018).

Variedad de Caña Nivel del índice Nivel del índice Nivel del índice
de azúcar NDVI Mínimo NDVI Promedio NDVI Máximo
C266-70 0.22 0.64 0.85
C46-12 0.22 0.66 0.87
C86-12 0.22 0.68 0.87
C86-56 0.22 0.69 0.87

3. VIABILIDAD EN LA LOCALIDAD

Sol de Laredo es una empresa agroindustrial perteneciente a la transnacional Manuelita,

que produce y comercializa azúcar, bioetanol carburante, bioetanol industrial y otros

subproductos a partir de la caña de azúcar (bagazo, fertilizante orgánico).

Posee la capacidad instalada para procesar 6.9 millones de toneladas de caña al año y

capacidad de producción de azúcar de 487.000 toneladas al año, 275 millones de litros de

bioetanol carburante y 6.8 millones de litros de bioetanol industrial.

El proceso en campo consta de cuatro etapas:

 Diseño y adecuación de tierras: Identificación y planeación de las necesidades de

obras civiles e hidráulicas, diseño de campo, vías de acceso, entre otras, para el

adecuado funcionamiento del cultivo.

 Preparación de suelos: Se eliminan cepas de caña vieja o del cultivo anterior en

caso de renovación. Con maquinaria agrícola se descompacta (roturación) y

ablanda el suelo (rastro arada y pulida) para facilitar el enraizamiento del cultivo,
11

reducir el tamaño de los terrones y facilitar la siembra. Finalmente, se preparan los

surcos en los que se alojarán las semillas.

 Siembra: Se acomodan las semillas en los surcos y se cubren con una capa de tierra

de tal manera que la humedad, temperatura y oscuridad, estimulen la germinación

de las yemas de caña.

 Levante del cultivo: Se realizan labores para proporcionar al cultivo las

condiciones adecuadas para su desarrollo y crecimiento y así contribuir a su

productividad: se aplican fertilizantes que aportan nutrientes al suelo, riego y

control de malezas, plagas y enfermedades.

Enfocándonos en la última etapa del proceso, denotamos la viabilidad de reproducir el

análisis de imágenes multiespectrales adquiridas con vehículos aéreos no tripulados

(VANT), en correlación con el estado de vigor vegetal del cultivo.

Por medio de los mapeos aéreos en sus campos de sembríos en las zonas de Laredo, Trujillo

y El Porvenir y posterior generación de los ortomosaicos RGB y multiespectrales mediante

el software Pix4D a 120 m de altura y buscando reproducir las condiciones más optimas

expuestas en el informe y definiendo los puntos de control de acuerdo con las parcelas en

los terrenos mencionados. De los mosaicos se obtiene el índice NDVI, del cual se destaca

en el artículo analizado la corroboración de la estrecha relación entre los niveles de NDVI

y el vigor vegetal de la caña.


12

El mapa NDVI a través de la interpretación directa de parámetros biofísicos de las parcelas

sembradas en igual fecha, permitirá la clasificación de estas dependiendo de su respuesta

espectral, permitiendo a la empresa en cuestión conocer de forma exacta áreas con cultivos

saludables y sectores con déficit nutricional, y con ello trazar planes para diferentes

dosificaciones de insumos, ya sea cantidad de fertilizante necesaria, riego, control de plaga

y los lugares a aplicar.

Denotamos que por los mapas georreferenciados se puede proporcionar a la empresa los

sectores con caña saludable y los con déficit nutricional, permitiendo un ahorro monetario

significativo en la compra y/o fabricación de fertilizante u otros insumos para ser aplicados

solo en sectores estresados. Además de un posible aumento en su productividad de caña de

azúcar al mejorar la calidad del cultivo, en lo que respecta a la cantidad de sacarosa de este,

debido a una pertinente intervención en áreas afectadas de los profesionales de la materia

gracias a la implementación del sistema descrito. El impacto económico en la empresa se

podría ver reflejado en un aumento significativo en la producción de azúcar, disminución

en el uso de los fertilizantes usados en durante su crecimiento y reducción de mano de obra

para supervisar los campos de caña de azúcar.

Agroindustrial Laredo se convirtió en la primera azucarera del país que se comprometió

públicamente, a través de un acuerdo con la Municipalidad de Laredo, a reducir

progresivamente la quema de caña. De esta manera, se avanzará eliminando esta práctica

en hectáreas ubicadas cerca a zonas urbanas de Laredo, Trujillo y El Porvenir.


13

Agroindustrial Laredo implemento en cosecha mecanizada en verde, lo cual complementa

con un proceso de enfardado de residuos de cosecha que son finalmente utilizados para el

proceso de compostaje.

La práctica de la cosecha mecanizada en verde o crudo describe un impacto social relevante

de acuerdo con uno de los principales problemas aquejan a la ciudad de Trujillo y zonas

aledañas que son la quema de caña de azúcar. El empleo de la cosecha mecanizada es una

práctica aun poco común en la industria azucarera por lo que una forma de fomentar la

utilización de esta en la totalidad de sus terrenos de la empresa en cuestión es la utilización

del sistema propuesto para la evaluación de las parcelas agrupadas por la edad en la que

fueron sembradas, empleando del índice NDVI se proporciona el periodo de crecimiento

en el que se encuentra el cultivo, puesto que la caña joven posee mayor indicie NDVI que

la caña madura debido a poseer mayor intensidad de color verde y así determinar que

parcelas de cultivo están listas para ser cosechadas.

4. CONCLUSIONES

- Las VANT representan una buena técnica en la toma de imágenes multiespectrales

por su facilidad de montar cámaras para dicho fin y obtener imágenes con una resolución

de 11 cm/píxel a 120 metros de altura, permitiendo identificar problemas en los cultivos y

tomar decisiones en base a ello. Sin embargo, no es posible obtener ortomosaicos RGB sin

distorsiones si se hacen los vuelos a 40 metros de altura con 6m/s, pero si una mejor

resolución en imágenes multiespectrales.


14

- La respuesta espectral permite discriminar los campos en dependencia de la

densidad poblacional por parcelas y edad obteniéndose que la caña en crecimiento mostrará

un índice NDVI mayor a la madura. Por otro lado, la ortofoto NDVI generada permite

clasificar las parcelas según su vigor vegetal, de manera que se muestran los mayores

valores NDVI (superior a 0.49) en las parcelas más saludables, bajos valores (entre 0.21 y

0.39) en las más afectadas y casi nulos (NDVI por debajo de 0.21) en sectores de vegetación

pobre. Pero los mapas de índice NDVI no posibilitan determinar las diferentes variedades

sembradas en una misma fecha.

- Aunque Agisoft requiere de menor gato de recursos computacionales y tiempo de

procesamiento, Pix4D es el programa más eficiente para realizar los cálculos de índices

vegetativos, ya que es una herramienta de mayor potencia que incorpora correcciones

radiométricas específicas a los ortomosaico.

- La aplicación de este proyecto es muy fiable en nuestra región ya que existe una

empresa llamada Sol de Laredo que trabaja con caña de azúcar, para lograr tener un mejor

procesamiento y análisis de datos encontrando e identificando problemas en el cultivo

logrando así mejorar la producción y calidad de la caña de azúcar.

5. Referencias

A., G.-F. (2013). Potencialidad y nuevas orientaciones en el uso de la teledetección en

agricultura y selvicultra. La revista del miniterio de Medio Ambiente, 6-15.


15

Best S, Z. I. (2008). Tecnologías aplicables en Agricultura de Precisión. Uso de

tecnología de precisión en evaluación, diagnostico y solución de problemas

productivos. Chile: Fundación para la innovación Agraria.

Fernandez PM, M. D. (2015). Vehiculos aéreos no tripulados (vant) en Cuba, aplicados a

la Geomática. Estado actual, perspectivas y desarrollo. Cuba: XV Encuentro de

Geógrafos de America Latina.

Ferrer Reyes M, R. R. (3 de Junio de 2016). SciELO Cuba. Obtenido de SciELO Cuba:

http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0253-

57852016000400010&lng=es&nrm=iso&tlng=es

García-Cervigón D, J. J. (2015). Estudio de indices de vegetación a partir de imágenes

aéreas tomadas desde UAS/RPAS y aplicaciones de estos a la agricultura de

precisión. Madrid: Univesidad Complutense de Madrid.

Hernández L, R. E. (2016). Levantamiento fotogrametrico de la UBPC "Desembarco del

granma" utilizando aviones no tripulados, solución de bajo costo para la

agricultura nacional. Cuba: VII Edición de la Conferencia Cientifica

Internacional sobre Desarrollo Agropecuario y Sostenibilidad .

Hernández Santana L, M. A. (2017). Fotogrametría aérea basda en vehículos aéreos no

tripulados (VANT). Solución de bajo costo para la agricultura Nacional.

Varadero: XVII Simposio Internacional de Ingeniería Eléctrica.

Meneses V AB, T. J. (2015). Uso de drones para el analisis de imageneas

multiesprectales en agricultura de precisión. Limentech, Ciencia y Tecnologia

Alimentaria.
16

Samy Kharuf-Gutierrez, L. H.-S.-M. (15 de mayo de 2018). SciELO Cuba. Obtenido de

SciELO Cuba: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1815-

59282018000200007

Serrano L, F. P. (2000). Remote sensing of biomass and vield of winter wheat under

different nitrogen suplies. Crop Science, 723-731.

Wright DL, R. V. (2004). Canopy reflectance estimation of wheat nitrogen content for

grain protein management. GIScience & Remote Sensing, 287-300.

También podría gustarte