Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Manual de Interpretación y Aplicación de Imágenes Multiespectrales en Cultivos de Importancia Agrícola en El Norte Del Huila
Manual de Interpretación y Aplicación de Imágenes Multiespectrales en Cultivos de Importancia Agrícola en El Norte Del Huila
net/publication/339524014
CITATIONS READS
0 2,550
4 authors:
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by David Saavedra Mora on 27 February 2020.
2019
Manual de interpretación y aplicación de imágenes multiespectrales
en cultivos de importancia agrícola en el norte del Huila
ISBN: 978-958-15-0521-0
Directivos SENA
Carlos Mario Estrada Molina Isaías Farfán Collazos
Director General Coordinador Formación Profesional Centro de
Formación Agroindustrial La Angostura SENA
Farid de Jesús Figueroa Torres Regional Huila
Director de Formación Profesional y Coordinador
Grupo de Gestión Estratégica de la Investigación, Sergio Andrés Orduz Tovar
Desarrollo Tecnológico e Innovación (SENNOVA) Líder SENNOVA
Centro de Formación Agroindustrial La Angostura
Fermín Beltrán Barragán
Gloria Maritza Sánchez Alarcón
Director Regional (E) - SENA Regional Huila
Coordinadora Académica
Cándido Herrera González Centro de Formación Agroindustrial La Angostura
Subdirector - Centro de Formación Agroindustrial Andrea Melisa Vásquez Riascos
La Angostura - SENA Regional Huila Dinamizadora Tecnoparque
Germán Barrios Cruz Centro de Formación Agroindustrial La Angostura
Coordinador Académico - Centro de Formación
Agroindustrial La Angostura
SENA Regional Huila
Presentación .................................................................. 6
Introducción.................................................................... 7
Referencias bibliográficas.........................................76
6
Presentación
Introducción
Capítulo 1
Generalidades:
Levantamiento de datos
y procesamiento de
imágenes
11
RESUMEN
Figura 2. Dron con ala fija de referencia ACG Prosk T1. Fuente: Acgdrone,
2019.
1.2 Cámaras
Para seleccionar las cámaras para el levantamiento
de fotografías se debe revisar la resolución espectral,
es decir, la habilidad de los sistemas de percepción de
distinguir y diferenciar entre la radiación electromagné-
tica de distintas longitudes de onda, siendo el número
y la anchura de las bandas espectrales lo que, básica-
mente, puede discriminar el sensor: a mayor resolución
espectral, más útil será la información que pueda ser
deducida. En cuanto a las resoluciones espectrales,
existen diversos tipos de cámaras o sensores, como el
RGB estándar, el multiespectral, el hiperespectral, la in-
frarroja o térmica, los ópticos, los 3D y la fluorescencia,
todos los cuales permiten la caracterización de índices
de vegetación (IV) (Mahlein, 2016; Khan et al., 2018).
Multispec 4C de AIRINOV
Cámara multiespectral con una resolución en suelo de
5 – 15 cm/px y que está equipada con un lente gran
16
Sequoia
Esta cámara tiene tres principios: precisión excepcio-
nal, tamaño y peso mínimo y facilidad de uso. Maneja
las cuatro bandas: verde, rojo, borde rojo e infrarrojo
cercano.
17
ThermoMAP
Es un sensor térmico que permite capturar videos e
imágenes fijas para crear mapas térmicos completos
del cultivo.
Ejemplo:
Capítulo 2
Modelos de
digitalización y
determinación de
índices de vegetación
en cultivos
35
Resumen
Rojo
RVI=
Infrarrojo cercano
Infrarrojo cercano
DVI=
Rojo
Rojo
RG=
Verde
ExR= 1.4*Rojo-Verde
Infrarrojo cercano
GVI=
Verde
Capítulo 3
Determinación de
variables edáficas
57
Resumen
Figura 27. Humedad del suelo por método tradicional de características VIT
(a) y método ajustado trapezoide de imágenes multiespectrales combinados
(b). Fuente: Leng et al., 2017.
Figura 29. Nivel de erosión en monte del Pardo, España. Fuente: Pérez
García, 2013.
65
3.5 Salinidad
La degradación de suelos en Colombia constituye al-
rededor del 12,5 % de la superficie de la tierra, equiva-
lente a un área aproximada de 14.041.833 h; la mayor
concentración de niveles de salinidad en suelos se evi-
dencia en las zonas costeras, las llanuras de la región
Caribe y en los valles interandinos (IDEAM, 2017). Los
procesos de salinización de suelos son causados por
las actividades antropogénicas y de procesos naturales
(Kurtulus, 2009; IDEAM, 2015), limitando el crecimien-
to y rendimiento de producción de cultivos, debido al
estrés hídrico que estas sales provocan a las plantas
(Narváez et al., 2014). La teledetección y el procesa-
miento de imágenes es una herramienta compleja
y fundamental en el monitoreo y la estimación de la
concentración de suelos salinos (Ponvert Delisles y
Quan, 2013). Sin embargo, esta técnica presenta ciertas
limitaciones que vienen relacionadas por la resolución
espacial y espectral de la cámara y del satélite (imá-
genes satelitales) y, a su vez, por la variabilidad de los
suelos agrícolas (Física, 2007).
Capítulo 4
Modelos para el
rendimiento de cultivos
69
Resumen
Característica de absorción
Tipo de pigmento
máxima (nm)
Clorofila a 420 (violeta), 490 (azul), 660 (rojo)
Clorofila b 435 (violeta), 464 (azul)
β-Caroteno 425 (violeta), 450 (azul), 480 (azul)
Xantofila 425 (violeta), 450 (azul), 475 (azul)
Kc= 1.15*NDVI+0.17
Referencias
bibliográficas
Fei, X.; Xiao, R.; Christakos, G.; Langousis, A.; Ren, Z.;
Tian, Y.; y Lv, X. (2019). “Comprehensive assess-
ment and source apportionment of heavy metals
in Shanghai agricultural soils with different fer-
tility levels”. Ecological Indicators, 106: 105508.
Leng, P.; Li, Z. L.; Duan, S. B.; Gao, M. F.; y Huo, H. Y. (2017).
“A practical approach for deriving all-weather soil
moisture content using combined satellite and
meteorological data”. ISPRS Journal of Photo-
grammetry and Remote Sensing, 131: 40-51.
80