Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FACULTAD DE CIENCIAS
CARRERA DE ESTADÍSTICA
TRABAJO DE TITULACIÓN
TIPO: Proyecto de investigación
Riobamba – Ecuador
2021
© 2021, Pablo Andrés Peñafiel Saquicaray
Se autoriza la reproducción total o parcial, con fines académicos, por cualquier medio o
procedimiento, incluyendo la cita bibliográfica del documento, siempre y cuando se reconozca
el Derecho de Autor.
i
Yo, Pablo Andrés Peñafiel Saquicaray declaro que el presente trabajo de titulación es de mi
autoría y los resultados del mismo son auténticos. Los textos en el documento que provienen de
otras fuentes están debidamente citados y referenciados.
Como autor asumo la responsabilidad legal y académica de los contenidos de este trabajo de
titulación; El patrimonio intelectual pertenece a la Escuela Superior Politécnica de Chimborazo.
ii
ESCUELA SUPERIOR POLITÉCNICA DE CHIMBORAZO
FACULTAD DE CIENCIAS
CARRERA DE ESTADÍSTICA
Firma Fecha
DEDICATORIA
iii
iv
AGRADECIMIENTO
Este agradecimiento va en especial a todas esas personas que aportaron para la culminación de
este gran logro profesional. Empiezo agradeciendo a nuestro creador del universo por el regalo
de la vida que me ha dado, a toda mi familia que me ha brindado amor incondicional en esta
etapa de mi vida. A mi madre y mi hermana que gracias a su esfuerzo soy una persona amable y
llena de muchos valores. A mis maestros que me han compartido mucho de sus conocimientos y
sabiduría, en especial a la Ing. Isabel Escudero quien me guio en esta investigación y para
finalizar, agradezco a todo los que fueron mis compañeros de clase ya que estuvieron en los
buenos y malos momentos apoyándome para poder continuar.
v
TABLA DE CONTENIDO
RESUMEN.................................................................................................................................xi
ABSTRACT...............................................................................................................................xii
INTRODUCCIÓN.......................................................................................................................1
CAPÍTULO I...............................................................................................................................3
1. MARCO TEÓRICO REFERENCIAL............................................................................3
1.1. Antecedentes............................................................................................................3
1.2. Planteamiento del Problema.....................................................................................5
1.3. Justificación..............................................................................................................5
1.4. Objetivos..................................................................................................................5
1.4.1. Objetivo General.................................................................................................5
1.4.2. Objetivos Específicos..........................................................................................5
1.5. Bases teóricas...........................................................................................................6
1.5.1 Quinua.................................................................................................................6
1.5.2 Requerimientos climáticos del cultivo..............................................................7
1.5.3 Enfermedades del cultivo..................................................................................7
1.5.4 Energía electromagnética..................................................................................7
1.5.5 Tipos de Energía Electromagnética..................................................................8
1.5.6 Espectroradiómetro...........................................................................................9
1.5.7 Teledetección....................................................................................................9
1.5.8 Imágenes satelitales........................................................................................10
1.5.9 Imágenes Sentinel-2........................................................................................10
1.5.10 Reflectancia espectral.....................................................................................11
1.5.11 Firmas espectrales...........................................................................................11
1.5.12 Reflectividad de la vegetación........................................................................12
1.5.13 Funciones........................................................................................................12
1.5.14 Meteorología...................................................................................................12
1.5.15 Dato Funcional...............................................................................................13
1.5.16 Variable aleatoria funcional............................................................................13
1.5.17 Análisis de datos funcionales..........................................................................13
1.5.18 Software..........................................................................................................13
1.6. Bases conceptuales.................................................................................................14
1.6.1 Análisis de imágenes satelitales..........................................................................14
1.6.2 Espacio funcional.................................................................................................14
vi
1.6.3 Espacios de Hilbert...............................................................................................14
1.6.4 Función Base........................................................................................................14
1.6.5 Suavizado (Base B-Spline.)..................................................................................15
1.6.6 Remuestreo de Bootstrap......................................................................................15
1.6.7 Curvas atípica y Bandas de confianza...................................................................15
1.6.8 Análisis Exploratorio funcional............................................................................16
1.6.9 Media funcional....................................................................................................16
1.6.10 Varianza funcional..............................................................................................16
1.6.11 Covarianza funcional..........................................................................................16
1.6.12 Correlación funcional.........................................................................................17
1.6.13 Análisis de Componentes Principales Funcionales.............................................17
1.6.14 Análisis de Varianza Funcional..........................................................................19
CAPÍTULO II............................................................................................................................21
2. MARCO METODOLÓGICO.......................................................................................21
2.1 Tipo de investigación..............................................................................................21
2.2 Diseño de la investigación......................................................................................21
2.3 Localización del proyecto.......................................................................................21
2.4 Población de estudio...............................................................................................22
2.5 Tamaño de la muestra.............................................................................................22
2.6 Método de muestreo...............................................................................................22
2.7 Técnica de recolección de datos.............................................................................22
2.8 Análisis Estadístico................................................................................................22
2.9 Operacionalización de las variables........................................................................22
CAPITULO III...........................................................................................................................24
3. RESULTADOS Y DISCUSIÓN DE LOS RESULTADOS..........................................24
3.1 Comportamiento de la reflectancia del estudio experimental.......................................24
3.1.1 Curvas suavizadas para los datos de reflectancia..................................................24
3.1.2 Estadísticas descriptivas funcional por Tratamientos...........................................25
3.1.3 Remuestreo de Bootstrap......................................................................................35
3.1.4 Detección de datos atípicos..................................................................................38
3.1.5 Análisis de Componentes Principales...................................................................41
...................................................................................................................................................44
3.1.6 Análisis de Varianza Funcional............................................................................71
3.2 Comportamiento del valor de reflectancia de la imagen satelital.................................73
3.2.1 Proceso para obtener los datos (descarga de la imagen satelital)..........................73
3.2.2. Ubicación de la parcela de investigación.............................................................73
3.2.3. Análisis de la imagen satelital.............................................................................74
3.2.4 Firma Espectral.....................................................................................................75
3.2.4. Comparación del comportamiento del valor de reflectancia del estudio
experimental vs el análisis de la imagen satelital...........................................................77
vii
2.10 Variables meteorológicas y la reflectancia del cultivo de quinua...........................79
GLOSARIO...............................................................................................................................83
CONCLUSIONES.....................................................................................................................83
RECOMENDACIONES............................................................................................................83
BIBLIOGRAFÍA........................................................................................................................84
ANEXOS...................................................................................................................................88
Índice de tablas
Tabla 1-1: Rango de temperaturas en estado de desarrollo del cultivo de la quinua....................7
Tabla 2-1: Descripción de las regiones del espectro electromagnético (1 µm = 10-6 m y 1 nm =
10-9 m).........................................................................................................................................8
Tabla 1-2: Tabla de Operacionalización de Variables...............................................................23
Tabla 2-2: Tabla de Operacionalización de Variables...............................................................23
Índice de Gráficas
viii
Grafico1-3: Suavizado de las curvas (B-spline cúbico).............................................................24
Grafico1-3: Media y Desviación funcional (Tratamiento 1)......................................................25
Grafico2-3: Media y Desviación funcional (Tratamiento 2)......................................................26
Grafico3-3: Media y Desviación funcional (Tratamiento 3)......................................................26
Grafico4-3: Media y Desviación funcional (Tratamiento 4)......................................................27
Grafico5-3: Media y Desviación funcional (Tratamiento 5)......................................................28
Grafico6-3: Media y Desviación funcional (Tratamiento 6)......................................................28
Grafico7-3: Media y Desviación funcional (Tratamiento 7)......................................................29
Grafico8-3: Media y Desviación funcional (Tratamiento 8)......................................................30
Grafico9-3: Media y Desviación funcional (Tratamiento 9)......................................................30
Grafico10-3: Media y Desviación funcional (Tratamiento 10)..................................................31
Grafico11-3: Media y Desviación funcional (Tratamiento 11)..................................................32
Grafico13-3: Media y Desviación funcional (Tratamiento 13)..................................................33
Grafico14-3: Media y Desviación funcional (Tratamiento 14)..................................................34
Grafico15-3: Banda de confianza T1 35
Grafico16-3: Banda de confianza T2.........................................................................................35
Grafico17-3: Banda de confianza T3
Grafico18-3: Banda de confianza T4.........................................................................................35
Grafico29-3: Curvas atípicas para los Tratamientos (hojas)................................................39
Grafico29-3: Curvas atípicas para los Tratamientos (flor).........................................................40
Grafico30-3: Variabilidad explicada por las cuatro componentes principales T1 (Hojas-Flor). 41
Grafico31-3: Primera y Segunda Componente Principal (Tratamiento 1).................................42
Grafico32-3: Variabilidad explicada por las cuatro componentes principales T2 (Hojas-Flor). 43
Grafico33-3: Primera y Segunda Componente Principal (Tratamiento 2).................................44
Grafico34-3: Variabilidad explicada por las cuatro componentes principales T3 (Hojas-Flor). 45
Grafico35-3: Primera y Segunda Componente Principal (Tratamiento 3).................................46
Grafico36-3: Variabilidad explicada por las cuatro componentes principales T4 (Hojas-Flor). 47
Grafico37-3: Primera y Segunda Componente Principal (Tratamiento 4).................................48
Grafico38-3: Variabilidad explicada por las cuatro componentes principales T5 (Hojas-Flor). 49
Grafico39-3: Primera y Segunda Componente Principal (Tratamiento 5).................................50
Grafico40-3: Variabilidad explicada por las cuatro componentes principales T6 (Hojas-Flor). 51
Grafico41-3: Primera y Segunda Componente Principal (Tratamiento 6).................................52
Grafico42-3: Variabilidad explicada por las cuatro componentes principales T7 (Hojas-Flor). 53
Grafico43-3: Primera y Segunda Componente Principal (Tratamiento 7).................................54
Grafico44-3: Variabilidad explicada por las cuatro componentes principales T8 (Hojas-Flor). 55
Grafico45-3: Primera y Segunda Componente Principal (Tratamiento 8)............................56
Grafico46-3: Variabilidad explicada por las cuatro componentes principales T9 (Hojas-Flor). 57
Grafico47-3: Primera y Segunda Componente Principal (Tratamiento 9).................................58
Grafico48-3: Variabilidad explicada por las cuatro componentes principales T10 (Hojas-Flor)
...................................................................................................................................................59
ix
Grafico49-3: Primera y Segunda Componente Principal (Tratamiento 10)...............................60
Grafico50-3: Variabilidad explicada por las cuatro componentes principales T11 (Hojas-Flor)
...................................................................................................................................................61
Grafico51-3: Primera y Segunda Componente Principal (Tratamiento 11)...............................62
Grafico52-3: Variabilidad explicada por las cuatro componentes principales T12 (Hojas-Flor)
...................................................................................................................................................63
Grafico53-3: Primera y Segunda Componente Principal (Tratamiento 12)...............................64
Grafico54-3: Variabilidad explicada por las cuatro componentes principales T13 (Hojas-Flor)
...................................................................................................................................................65
Grafico55-3: Primera y Segunda Componente Principal (Tratamiento 13)...............................66
Grafico56-3: Variabilidad explicada por las cuatro componentes principales T14 (Hojas-Flor)
...................................................................................................................................................67
Grafico57-3: Primera y Segunda Componente Principal (Tratamiento 14)...............................68
Grafico58-3: Variabilidad explicada por las cuatro componentes principales (hojas, flor)........69
Grafico58-3: ANOVA funcional entre las planta1 (1), planta2 (2), planta3 (3) de las hojas.....71
Grafico59-3: ANOVA funcional entre las planta1 (1), planta2 (2), planta3 (3) de la flor.........71
Gráfico 60-3: ANOVA funcional entre las cuatro hojas............................................................72
Gráfico 61-3: Imagen Sentinel-2 con las bandas 4,3,2 (color natural)......................................73
Gráfico 62-3: Multibanda de la provincia de Colta resolución 20m.........................................74
Gráfico 64-3: Ubicación de los 14 pixeles en el software SNAP.............................................75
Gráfico 65-3: Pixeles detectados por la imagen satelital de la parcela de investigación............76
Grafico66-3: Firma espectral estudio experimental (hojas) vs imagen satelital.........................77
Grafico67-3: Firma espectral estudio experimental (flor) vs imagen satelital...........................78
x
Índice de Figuras
Figura 1-1: Planta de quinua (CHENOPODIUM) parcela de investigación...............................6
Figura 2-1: Vectores eléctricos (E) y magnéticos (M), de una onda electromagnética...............8
Figura 3-1: Representación gráfica de una firma espectral una de cobertura de suelo cualquiera
(% indica reflectividad)..............................................................................................................12
Figura 1-2: Ubicación del cantón Colta de la provincia de Chimborazo...................................21
xi
Índice de Anexos
xii
RESUMEN
Palabras clave:
xiii
ABSTRACT
Key words
xiv
INTRODUCCIÓN
Una de las ciencias que se encarga de simplificar, adminitras coordinar y analizar grandes
volumenes de información es la estadistica la cual proporciona varios metodos y tecnicas que
contributen de gran manera a la recolección y almacenamiento de información con el fin de
conocer el comportamiento y patrones que permitan simplificar o caracterizar la informacion.
Analisis de Datos Funcionales , llamado FDA por sus siglas en inglés, ha cobrado gran
relevancia en los últimos años, convirtiéndose en un importante campo de investigación en la
Estadística (Chávez, Sánchez y DelaCerda, 2015, p.13). Se encarga de estudiar y analizar
técnicas estadísticas específicamente diseñadas para tratar conjuntos de datos creados mediante
la observación de funciones o curvas. Estas técnicas nacen como una alternativa más eficiente al
tratamiento estadístico multivariante de dichas funciones a partir de simples valores puntuales
que toman estas funciones en momentos determinados.(García, 2019, p.1)
Colta perteneciente a la provincia de Chimborazo es uno de los cantones con mayor producción
del cultivo de quinua es por eso que la Escuela Superior Politécnica de Chimborazo mediante el
Grupo de Energías Alternativas y Ambiente (GEAA) quienes implementaron técnicas de
espectro radiometría para el monitoreo de cultivos con el fin de sistematizar el control y mejorar
el nivel de producción. Este trabajo pretende mostrar una aplicación del Analisis Estadistico
Funcional a los datos de reflectancia obtenidos de la imagen satelital y del espectroradiometro,
con el fin de conocer el comportamiento de la reflectancia del cultivo de quinua. Ademas
debido a que el cantón es altamente susceptible a variables meteorológicas y esto genera un
fuerte impacto negativo en la producción del cereal, se busca mediante las técnicas estadísticas
del Análisis de datos Funcionales determinar la posible relación entre variables meteorológicas
y el valor de reflectancia del cultivo debido a que en el futuro esto puede tener un efecto en el
1
crecimiento y desarrollo del cultivo de quinua. Para esta investigacion se realizó el metodo de
suavizado de datos (B-splines cúbicos y Fourier), la identificación de funciones atípicas y
estadísticas descriptivas funcionales con el fin de identificar comportamientos similares entre
los valores de refletancia del espectroradiometro y de la imagen satelital.
Esta investigación está formada por tres capítulos: El capítulo I describe los antecedentes,
planteamientos , justificación del problema y los objetivos, ademas muestra la fundamentación
teórica de las: variables meteorologicas, reflectancia , longitud de onda , procesamiento de
informacion espacial y las técnicas y métodos estadísticos con datos funcionales. El capítulo II
detalla los pasos que se deben plantear para la investigacion. Seguidamente en el capítulo III
muestra los resultados obtenidos. Y finalmente las conclusiones, recomendaciones, referencias
bibliográficas y Anexos.
2
CAPÍTULO I
1.1. Antecedentes
3
Meteorología e Hidrología del Ecuador (INAMHI) ,el cual fue comprobada por
proporcionalidad (comparación con estaciones cercanas) y homogeneidad (tendencia constante
de la media en cada estación) , además se utilizaron gráficos de precipitación media mensual
multianual y se calcularon errores estadísticos como sesgo, RMSE y coeficiente de correlación
de Pearson.
Los diferentes tipos de cultivo presentan una firma espectral típica, relacionada con
características como la fisiología, la estructura del cultivo (geometría) o el tratamiento al que
está sometido, entre otras. La proporción de luz incidente que es reflejada, absorbida o
transmitida depende de las características de la cobertura del suelo y de la longitud de onda. La
firma espectral de un cultivo está condicionada por la presencia de pigmentos, la estructura de la
hoja y su contenido en humedad (Martínez, 2018).
La radiación infrarroja, fue descubierta por Friedric Wilhelm Herschel en el año 1800. La
primera vez que se utilizó espectroscopía de Infrarrojo Cercano fue en la agricultura, en 1964,
para determinar el contenido de humedad de los cereales, desde entonces se viene utilizando en
la determinación de humedad, proteína y grasa, cantidad de sólidos solubles y cantidad de
materia seca en diversos alimentos y productos agrícolas, y más recientemente, con sensores
ópticos terrestres. En un principio, se utilizaron para que la aplicación del nitrógeno en cereales
se realizase de una manera más racional y eficiente. En las grandes extensiones de cereal de
algunos países, uno de los factores más importantes en la producción es el aporte de nitrógeno,
tanto por su correlación directa con la cantidad producida, como por su elevado precio (Manuel
y Herrera, 2009)
4
1.2. Planteamiento del Problema
1.3. Justificación
La razón por las cual se pretende realizar esta investigación es para identificar la relación que
existe entre la reflectancia de quinua en Colta y los impactos de las variables meteorológicas.
Los cultivadores de quinua serán beneficiados de esta investigación y además ayudara a generar
más fuentes de ingreso evitando así enfermedades o plagas de la planta de quinua en las
condiciones climatológicas que no son las adecuadas para el cultivo.
1.4. Objetivos
5
Identificar las zonas de sembríos de quinua en Colta y preparar la base de datos según
los requerimientos del análisis.
Identificar el comportamiento de la reflectancia del estudio experimental con el valor de
la reflectancia de las imágenes satelitales mediante la metodología con datos
funcionales.
Determinar la relación existente entre las variables meteorológicas y la reflectancia del
cultivo de quinua.
1.5.1 Quinua
Quinua CHENOPODIUM quinoa fue considerada como un alimento sagrado por los incas
quienes la llamaban “fuente de vida o semilla madre. La quinua tiene una altura de 1.20 metros,
la dimensión de sus hojas suelen ser alternas de 1 a 5 centimetros de ancho y de 3 a 11
centimetros de largo, sus flores son hermafroditas, de 150 a 120 dias es su periodo vegetativo,
además la quinua alcanza una altura de 1.20 metros posee hojas alternas de 3 a 5 centimetros de
largo y de 1 a 5 centimetros de ancho, la semilla de quinua presenta una coloración blanca ,
amarilla a roja o negra y puede variar según donde ha sido cultivada. (Claudio R. Bernal B.,
2015, p.1). Este cultivo es afectado por plagas como por enfermedades, ya sea en tallos, hojas, y
granos almacenados, es por eso que se midió el valor de reflectancia con el espectroradiómetro
tanto de la hoja como de la flor del cultivo.
6
1.5.2 Requerimientos climáticos del cultivo
Este cultivo es afectado por plagas como por enfermedades, ya sea en tallos, hojas, y granos
almacenados. Existen dos variedades de enfermedades considerdas importantes en el cultivo
estas son: Mancha circular de la hoja y Mildiú estas enfermades ocasionan un severo daño a las
hojas lo cual provoca que se sequen y se desprendan. Cuando el suelo es muy fértil y se aplica
fertilizante o abono orgánico, las dos variedades pueden responder con un crecimiento
exagerado, aumentando su biomasa vegetativa hasta la floración, pero con una producción de
granos muy baja o nula. Las dos variedades presentan moderada resistencia a heladas, sin
embargo son más vulnerables si éstas se producen antes de los 60 días del ciclo. Ademas las dos
variedades de enfermedades son moderadamente resistenten en ambientes favorables a
temperatura y humedad alta , realizando un manejo adecuado (fertilización, deshierbas y raleos
oportunos) y sembrando en sitios con buen drenaje, la incidencia de las enfermedades es casi
nula (C y I, 2009, p.8).
El espectro electromagnético (EE) es flujo continuo energía que se desplaza por el espacio o la
atmósfera y que interactúa con los objetos que encuentra en su camino. La Teoría Ondulatoria1
establece que cualquier partícula con una temperatura sobre el cero absoluto, en grados Kelvin,
genera una vibración que da lugar a una serie de perturbaciones que se desplazan como “ondas”
7
sinusoidales a través del campo eléctrico E y campo magnético M, perpendiculares entre si
(FIGURA 1). Estas ondas representan la radiación emitida desde la fuente y viajan hacia el
infinito a una velocidad constante, conocida como la velocidad de la luz (≈ 3 x 108 m s-1). La
distancia entre la cresta de una onda y la siguiente es la longitud de onda (λ) de la radiación y el
número de crestas por segundo que pasan por un mismo punto es su frecuencia (Hernández y
Montaner, 2009, p.1).
8
1 nm =
10-9
m).Región
o Banda
Espectral
Rayos < 0,03 nm Radiación completamente absorbida
Gamma por las capas superiores de la
Rayos X 0,03 – 30 nm
atmósfera. No se utilizan en
teledetección.
Ultravioleta 0,03 – 0,4 µm La radiación con λ < 0,3 µm es completamente
(UV) absorbida por la capa de ozono de la atmósfera.
Visible 400 – 500 nm Se puede detectar a través de
(azul, verde, (azul) fotodetectores y películas fotosensibles
rojo) 500 – 600 nm normales (color y B/N).
(verde)
600 - 700 nm
(rojo)
Infrarrojo 700 - 1300 nm Radiación solar reflejada que no
reflejado (IR cercano) contiene información acerca de las
1300 - 3000 nm propiedades térmicas de los materiales.
(IR medio) El rango 700 a 900 nm se puede
detectar usando películas fotosensibles
(infrarrojo fotográfico).
Infrarrojo 3,0 – 5,0 µm Corresponden a dos ventanas
térmico 8,0 – 14,0 µm atmosféricas en la región térmica.
1.5.6 Espectroradiómetro
9
la unión entre un radiómetro y un espectrómetro para formar un equipo con mejores
características de medición (Correa y Guanoluisa).
1.5.7 Teledetección
Las imágenes satelitales representan una fuente de información de la cual es factible extraer
datos espacialmente distribuidos a partir de análisis y procesamiento digital. Esta información
puede consistir en variables continuas, categorización de la imagen en clases temáticas, análisis
de cambios, medición de la estructura espacial del territorio, entre otras. La información
almacenada en las imágenes es utilizada para adquirir o comprobar conocimientos del territorio
(Pagot, 2003, p.1).
El Satelite Sentinel-2 forma parte del Programa Copérnico para la Observación de la Tierra de
la The European Space Agency (ESA) , este programa tiene como objetivo suministrar
información actualizada y de fácil acceso para mejorar la gestión del medio ambiente. El
programa tiene planificadas cinco misiones y cada una está conformada por varios satélites.
Sentinel-2 se basa en una constelación de dos satélites. El primero, S2A, fue lanzado el 23 de
junio de 2015. El S2B fue lanzado el 7 de marzo de 2017, los dos satelites entregará datos de
todas las superficies de la Tierra con un tiempo efectivo de revisita en el Ecuador de cinco días.
El Sentinel-2 proporciona datos para la generación de productos tales como: mapas de usos del
suelo, mapas de cambios a lo largo del tiempo, mapas de riesgo,e imágenes rápidas para
prevención de desastres, ademas proporcina datos para la generación de variables biofísicas de
la vegetación como la cobertura vegetal, el contenido de clorofila o el contenido de agua en las
hojas (Borràs, 2017, p.60).
10
El satélite cuenta con 13 bandas las cual proporciona imágenes de alta calidad radiométrica y
excelente resolución espacial (10, 20 ,60 m), estas bandas van desde el espectro visible y el
infrarrojo cercano (NIR), hasta el infrarrojo de onda corta (SWIR). Entre ellas hay cuatro
bandas de 10 m (tres del visible y una del NIR), seis bandas de 20 m, y tres bandas de 60 m de
resolución para corrección atmosférica y detección de nubes.(Borràs, 2017, p.55).
Función Longitud Resolucío
Tabla 3-1: de onda n Espacial
Informaci central (m)
ón de las (nm)
Bandas de
la imagen
satelital
Sentinel 2
Bandas
1 Aerosol costero 443.9 60
2 Azul 496.6 10
3 Verde 560 10
4 Rojo 664.5 10
5 Infrarrojo cercano - NIR 703.9 20
6 Infrarrojo cercano - NIR 740.2 20
7 Infrarrojo cercano - NIR 782.5 20
8 NIR 835.1 10
8a Infrarrojo cercano - NIR 864.8 20
9 Vapor de agua 945 60
10 Cirrus - SWIR 1373.5 60
11 SWIR 1613.7 20
12 SWIR 2202.4 20
11
Es la reflectancia en función de la longitud de onda indica el comportamiento espectral de los
distintos objetos en las diferentes bandas espectrales, por lo cual un conjunto de firmas,
representativas de diferentes objetos indican en que bandas existe una mayor separabilidad
espectral, haciendo más fácil su identificación en las imágenes y su respectiva clasificación, las
mismas se obtiene a partir de imágenes satelitales, dejando de lado su obtención en el campo,
sea por el mayor tiempo que requiere o por el costo de los equipos, a nivel de Ecuador se están
desarrollando investigaciones de captura de firmas espectrales en campo por el IGM (Instituto
Geográfico Militar), estos estudios solamente corresponden a maíz y papa, para la creación de
bibliotecas espectrales (Carrillo, 2016, p.10).
La firma espectral se define como el comportamiento diferencial que presenta la radiación
reflejada (reflectancia) o emitida (emitancia) desde algún tipo de superficie u objeto terrestre en
los distintos rangos del espectro electromagnético. Una forma gráfica de estudiar este
comportamiento es disponer los datos de reflectancia (%) en el eje Y y la longitud de onda λ en
el eje X. Al unir los puntos con una línea continua se origina una representación bidimensional
de la firma espectral.(Hernández y Montaner, 2009, p.4)
Figura 3-1: Representación gráfica de una firma espectral una de cobertura de suelo
cualquiera (% indica reflectividad).
La reflectividad de la vegetación está directamente relacionada con las hojas que la componen,
que es el elemento más visible desde una plataforma especial, los factores destacados a tener en
cuenta son la presencia de los pigmentos, la estructura celular, el contenido de humedad, las
características geométricas de la planta, la geometría del dosel y el componente leñoso. La
cantidad de energía que es reflejada, absorbida y transmitida en las diferentes longitudes de
onda por las hojas, depende de otros factores, aparte de los mencionados anteriormente, como
son condiciones atmosféricas, la respuesta espectral del sustrato, presencia de vegetación
senescente, elevación angular del sol y del sensor, la geometría de la propia cobertura de los
cultivos y los cambios fenológicos (Carrillo, 2016, p.12).
12
1.5.13 Funciones
La utilización de funciones de variable real (por ejemplo, el tiempo) es cada vez más habitual en
diferentes campos de las ciencias experimentales y sociales, desde la medicina, con
electrocardiogramas o electroencefalogramas, a la economía, donde recogen la evolución de
índices o activos, pasando por otros muchos como la meteorología o el tratamiento de imágenes
(Noguerales, 2010, p.5).
1.5.14 Meteorología
Los datos funcionales se puede entender como la realización de un proceso estocástico o una
curva, suelen consistir en una muestra aleatoria de funciones independientes de valor real, {
x 1 ( t ) ,… , x n (t ) } con t ∈ T , estos datos también se han llamado datos de curva.(Febrero-Bande
y de la Fuente, 2012, p.5)
Cualquier observación que varíe sobre un continuo se puede tomar por un dato funcional, desde
un electrocardiograma a las temperaturas de una ciudad. En la práctica, estos sucesos son
recogidos por máquinas que toman muestras de una determinada variable aleatoria en distintos
instantes de tiempo dentro de un cierto rango (Noguerales, 2010, p.6).
Ésta es una rama la estadística, que estudia y analiza la información contenida en curvas,
superficies, o cualquier elemento que varía sobre un continuo, generalmente el tiempo. Las
particularidades de estos objetos, las funciones, hacen que surja todo un aparato de definiciones,
teoremas y herramientas para poder estudiarlas correctamente (Noguerales, 2010, p.5).
13
1.5.18 Software
ArcMap es una herramienta de ArcGIS para cartografía, difusión y análisis de datos, es utilizada
para observa visualiza e investigar una área de estudio, representa la información geográfica y
además establece diseños de mapas para su aplicación (Idrobo, 2018, p.13).
Es una hermanita importante que utiliza sensores remotos aerotransportados sobre satélite, las
cuales consisten en imágenes de la faz de la tierra bajo ciertos parámetros del satélite y sensor
que se utilice para la obtención de la información (Lemus, Andrea. Méndez, 2018, p.16).
El espacio Euclidiano está definido en dos polígonos de grado finito en el cual medimos
distancias utilizando la diferencia, pero cuando se trabajamos con dimensiones infinitas, los
14
espacios euclidianos no son los adecuados. El Espacio de Hilbert generaliza la noción de
espacio euclidiano, básicamente da reglas para trabajar con ejes infinitos (Febrero-Bande y de la
Fuente, 2012). Se conoce como espacios de Hilbert al espacio de funciones de cuadrado
integrable L2 , por tanto, es común trabajar con vectores conformados por infinitas
componentes, es decir para cada t ∈ R su producto escalar estará compuesto por la suma del
producto de sus infinitas componentes, si el espacio funcional es un espacio de Hilbert, entonces
los datos funcionales se pueden representar utilizando una base (Taguacundo Oscar, 2019,
p.18).
.
L2={f : R → R : ∫ f 2 ( t ) dt <¿ ∞ }¿
R
Una base se puede representar mediante una curva, siempre y cuando los datos pertenezcan al
espacio L2. Una base es un conjunto de funciones conocidas {ϕk }k ∈ Ν que cualquier función
podría aproximarse arbitrariamente por una combinación lineal de un número suficientemente
grande k n de estas funciones (Febrero-Bande y de la Fuente, 2012, p.5).
El spline cúbico es un método muy usado para la interpolación y ajuste de una curva
con derivadas continuas a partir de un conjunto discreto de dato (Escudero et al., 2016,
p.1). El principal objetivo del suavizado es eliminar pequeños movimientos en los datos para
que conserven la forma correcta. Como primer paso de la metodología aplicada al Análisis de
datos funcionales consiste en definir una función, tal que
X n ( t )=a 1 ϕ1 (t )+ a2 ϕ2 (t)+…+ ak ϕk (t ) con t ∈ T , este paso se conoce como suavizamiento de
la función. Existen varios tipos diferentes de bases como por ejemplo las bases Fourier, B-
Spline, Exponencial, potencia, polinomio entro otras. La Base B-Spline tiene como objetivo
estimar una función no periódica basada en observaciones discretas con ruido.(Febrero-Bande y
de la Fuente, 2012, p.6).
Entonces, se asume que las observaciones para una sola curva siguen un modelo de regresión:
Y i= X n ( t ) +ϵ
Donde los residuos ϵ son independientes de X n ( t ), podemos recuperar la señal original usando
un suavizador lineal.
K
X n ( t ) ≈ ∑ c j ϕ j (t )
j=1
15
Donde c j se puede estimar por mínimos cuadrados.
Definida como el promedio puntual de las funciones a través de las repeticiones .(Taguacundo
Oscar, 2019, p.20)
n
~ 1
x ( t ) = ∑ x i (t)
n i=1
16
1.6.10 Varianza funcional
Sea x 1 ( t ) , x 2 (t ) , … , x n ( t ) una muestra de funciones de una función aleatoria x(t), definida en [0,
T]. Se define la función varianza muestral de (t) como:(Escudero, 2016, p.22)
n
1 2
var ( x ( t )) = ∑ [ x¿ ¿i ( t ) −~x ( t ) ] ¿
n−1 i=1
cov x (t 1 , t 2)
cor ( x ( t 1) , x ( t 2 ) ) =
√ var x (t 1) var x (t 2)
Oscar, 2019, p.22). Las componentes principales se denotan con (ξ i ) definidas como
combinaciones lineales generalizadas de variables funcionales, incorreladas de varianza máxima
dadas por (Escudero, 2016, p.43).
.
ξ i=∫ x ( t ) f i (t )dt
T
17
en el que la primera componente principal funcional debe explicar la variabilidad máxima
posible del conjunto de información (Taguacundo Oscar, 2019, p.22-24).
∞
V T =∑ λ j
i=1
∑ λi
V = i=1
q
VT
.
ξ i=∫ x w ( t ) , f i (t )dt
T
con w=1 , … , n y f i función peso asociado a la i-ésima función propia del operador de
covarianza muestral
∫ C^ ( s , t ) , f ( s ) ds=λf (t)
T
n
^ ( s , t )= 1 ∑ ( xi ( s )−x ( s ) )( x i ( t )−x ( t ) )
C
n−1 i=1
de modo que se pueden representar y aproximar las curvas muestrales en términos de las
primeras. componentes principales.
18
n−1
x qw ( t )=∑ ξ wi f i (t)
i=1
Para el cálculo de las CPF a partir de las representaciones básicas de las curvas muestrales
p
x i ( t )=∑ aip ∅ p ( t )
p=1
con i=1 , … , n está demostrado que, el problema de ACPF se reduce a calcular el ACP
multivariante de la matriz A Ψ 1 /2 , donde A=(a ¿¿ ij)n x P ¿ es la matriz que contiene por filas
.
Ψ jk =∫ ∅ j ∅ k dt
T
con j , k =1 ,… , P .
Suponiendo que Γ =(ξ wi )nxp es la matriz cuyas columnas son las componentes principales de
A Ψ 1 /2y G es la matriz cuyas columnas son los vectores propios asociados, tenemos que Γ =
( A Ψ 1 /2 )G (Carreño, 2013, p. 21-25).
Las funciones propias del operador de covarianza muestral admiten entonces la siguiente
expansión básica:
P
f i ( t )=∑ f li ∅l ( t )
l=1
con i=1 , … , P , donde los coeficientes son los elementos de la matriz F=¿
dada por F=(Ψ −1 /2)G (Escudero, 2016, p.43-44).
19
El análisis de varianza funcional más conocido como ANOVA funcional, consiste en el
aprovechamiento de toda la información de la curva no solo de indicadores puntuales como es el
caso de ANOVA clásico( Escudero, 2016, p.98-101).
Cada dato funcional se puede representar como X ij ( t ) con t ∈[a , b], siendo i el subíndice que
K i ( s ,t )=Cov ( X i ( s ) , X i ( t ))
ni
( X ij ( s )−X i ( t ) )( X ij ( t )− X i ( t ) )
K i ( s ,t )=∑
j=1 ni−1
donde
ni
X ij ( t )
X i ( t ) =∑
j=1 ni
(Tarrío, 2010, p.11).
H 0 :m 1=m 2=…=m k
donde
20
ni
X ij ( t )
X i . ( t )= ∑
j=1 ni
k
n X (t)
X .. ( t )=∑ i i .
i=1 n
k
n=∑ ni
i=1
b 1 /2
(
‖x‖= ∫ x ( t ) dt
a
2
)
( Escudero, 2016, p.98-101).
CAPÍTULO II
2. MARCO METODOLÓGICO
21
2.3 Localización del proyecto
El presente trabajo a realizar se encuentra ubicada en el cantón Colta de la provincia de
Chimborazo, la misma que se encuentra en las siguientes coordenadas UTM longitud -78.8379
y latitud -1.7822.
22
datos descargados de la página NASA Prediction Of World wide Energy Resources de las
variables meteorológicas del cantón.
23
se originan en una nube,
atraviesan la atmósfera y llegan al
suelo.
Energía emitida por el Sol que mide la MJ
Radiación solar Cuantitativa Razón
intensidad de ondas electromagnéticas m2
Fuente: NASA POWER
Elaborado Por: Peñafiel Pablo, 2021
2.8 Análisis de datos Para el presente estudio, en primera instancia se realizó un análisis
exploratorio, para luego proceder con la imputación de datos faltantes mediante el algoritmo
MICE, en los casos posibles. Previo al análisis de datos funcionales se obtuvo la forma
funcional de la temperatura del aire para las curvas diarias por hora y anuales por día mediante
bases B-Splines y Fourier respectivamente. Se calculó la media y desviación estándar funcional,
para conocer el comportamiento y variabilidad de la temperatura en las 11 estaciones
meteorológicas de la provincia de Chimborazo. Se realizó la detección de atípicos, y mediante
el FANOVA se determinó las diferencias significativas entre las curvas promedio de las
estaciones en los 4 años de análisis. Para la modelación y estimación de las curvas de
temperatura en sitios no muestreados se trabajó con 11 y 15 puntos georreferenciados en la
provincia mediante Kriging Ordinario para Datos Funcionales (OKFD), donde a priori se
seleccionó el mejor modelo de semivariograma a través de validación cruzada funcional (VCF).
CAPITULO III
Con el fin de reducir el sesgo en los resultados para detallar de mejor manera el porcentaje de
reflectancia de cada Modificación o Tratamiento, se consideró la base de suavizado por B-
spline, con la ayuda del paquete fda.usc del software R se pudo optimizar el número de bases
necesarias para el suavizado con el cual se obtuvo un total de 23 bases funcionales, este número
24
impar aporta de manera significativamente a la optimización de las bases. A continuación, se
muestra el resultado del suavizado.
En el Gráfico1-3 en la parte superior izquierda indica el suavizado de las curvas de las hojas del
Tratamiento 1(LQ101), en la parte superior derecha del gráfico muestra el suavizado de las 120
curvas de las hojas de los 14 tratamientos. En la parte inferior izquierda indica el suavizado de
las curvas de la flor del Tratamiento 1 y en la parte inferior derecha del gráfico indica el
suavizado de las 120 curvas de la flor de cada tratamiento.
Media
Media Funcional
Funcional Desviación
Desviación Funcional
Funcional
1.2
1.2
HOJA HOJA
HOJA
HOJA
FLOR FLOR
FLOR
1.0
FLOR
1.0
0.3
0.3
0.8
0.8
Reflectancia
Reflectancia
%%Reflectancia
%%Reflectancia
0.2
0.2
0.6
0.6
0.4
0.4
0.1
0.1
0.2
0.2
0.0
0.0
0.0
0.0
500
500 1000
1000 1500
1500 2000
2000 2500
2500 500
500 1000
1000 1500
1500 2000
2000 2500
2500
Longitud
Longitudde
deonda
onda Longitud
Longitudde
deonda
onda
25
Grafico1-3: Media y Desviación funcional (Tratamiento 1)
Elaborado por: Peñafiel Pablo, 2021
HOJA HOJA
HOJA
HOJA
FLOR FLOR
FLOR
1.0
FLOR
1.0
0.3
0.3
0.8
0.8
Reflectancia
Reflectancia
%%Reflectancia
%%Reflectancia
0.2
0.2
0.6
0.6
0.4
0.4
0.1
0.1
0.2
0.2
0.0
0.0
0.0
0.0
500
500 1000
1000 1500
1500 2000
2000 2500
2500 500
500 1000
1000 1500
1500 2000
2000 2500
2500
Longitud
Longitudde
deonda
onda Longitud
Longitudde
deonda
onda
26
Media
Media Funcional
Funcional Desviación
Desviación Funcional
Funcional
1.2
1.2 HOJA
HOJA
HOJA
HOJA
FLOR FLOR
FLOR
1.0
FLOR
1.0
0.3
0.3
0.8
0.8
Reflectancia
Reflectancia
%%Reflectancia
%%Reflectancia
0.2
0.2
0.6
0.6
0.4
0.4
0.1
0.1
0.2
0.2
0.0
0.0
0.0
0.0
500
500 1000
1000 1500
1500 2000
2000 2500
2500 500
500 1000
1000 1500
1500 2000
2000 2500
2500
Longitud
Longitudde
deonda
onda Longitud
Longitudde
deonda
onda
Media
Media Funcional
Funcional Desviación
Desviación Funcional
Funcional
1.2
1.2
HOJA HOJA
HOJA
HOJA
FLOR FLOR
FLOR
1.0
FLOR
1.0
0.3
0.3
0.8
0.8
Reflectancia
Reflectancia
%%Reflectancia
%%Reflectancia
0.2
0.2
0.6
0.6
0.4
0.4
0.1
0.1
0.2
0.2
0.0
0.0
0.0
0.0
500
500 1000
1000 1500
1500 2000
2000 2500
2500 500
500 1000
1000 1500
1500 2000
2000 2500
2500
Longitud
Longitudde
deonda
onda Longitud
Longitudde
deonda
onda
27
1500 nm la curva promedio tanto de la hoja como de la flor no presentan los mayores picos de
reflectancia, y en la parte derecha del grafico se presenta la desviación estándar funcional la
cual indica que tanto en hoja como en flor presentan similar variación en longitudes de onda
menores a 500nm.
Media
Media Funcional
Funcional Desviación
Desviación Funcional
Funcional
1.2
1.2
HOJA HOJA
HOJA
HOJA
FLOR FLOR
FLOR
1.0
FLOR
1.0
0.3
0.3
0.8
0.8
Reflectancia
Reflectancia
%%Reflectancia
%%Reflectancia
0.2
0.2
0.6
0.6
0.4
0.4
0.1
0.1
0.2
0.2
0.0
0.0
0.0
0.0
500
500 1000
1000 1500
1500 2000
2000 2500
2500 500
500 1000
1000 1500
1500 2000
2000 2500
2500
Longitud
Longitudde
deonda
onda Longitud
Longitudde
deonda
onda
28
3.1.2.6 Línea de quinua 6 (Tratamiento 6)
Media
Media Funcional
Funcional Desviación
Desviación Funcional
Funcional
1.2
1.2
HOJA HOJA
HOJA
HOJA
FLOR FLOR
FLOR
1.0
FLOR
1.0
0.3
0.3
0.8
0.8
Reflectancia
Reflectancia
%%Reflectancia
%%Reflectancia
0.2
0.2
0.6
0.6
0.4
0.4
0.1
0.1
0.2
0.2
0.0
0.0
0.0
0.0
500
500 1000
1000 1500
1500 2000
2000 2500
2500 500
500 1000
1000 1500
1500 2000
2000 2500
2500
Longitud
Longitudde
deonda
onda Longitud
Longitudde
deonda
onda
Media
Media Funcional
Funcional Desviación
Desviación Funcional
Funcional
1.2
1.2
HOJA HOJA
HOJA
HOJA
FLOR FLOR
FLOR
1.0
FLOR
1.0
0.3
0.3
0.8
0.8
Reflectancia
Reflectancia
%%Reflectancia
%%Reflectancia
0.2
0.2
0.6
0.6
0.4
0.4
0.1
0.1
0.2
0.2
0.0
0.0
0.0
0.0
500
500 1000
1000 1500
1500 2000
2000 2500
2500 500
500 1000
1000 1500
1500 2000
2000 2500
2500
Longitud
Longitudde
deonda
onda Longitud
Longitudde
deonda
onda
En la parte izquierda del grafico indica la curva promedio de reflectancia del Tratamiento 7
(LQ107) tanto de la hoja como de la flor, la gráfica muestra que existe un pico de reflectancia
29
entre las ondas del infrarrojo cercano lo cual indica una vegetación sana y en la parte derecha
del grafico se indica la desviación estándar funcional, la cual para la flor presenta al inicio en
longitudes menores a 500nm mayor variabilidad, y al final en longitudes mayores a 2000nm la
hoja presenta mayor variabilidad con respecto a la flor.
Media
Media Funcional
Funcional Desviación
Desviación Funcional
Funcional
1.2
1.2
HOJA HOJA
HOJA
HOJA
FLOR FLOR
FLOR
1.0
FLOR
1.0
0.3
0.3
0.8
0.8
Reflectancia
Reflectancia
%%Reflectancia
%%Reflectancia
0.2
0.2
0.6
0.6
0.4
0.4
0.1
0.1
0.2
0.2
0.0
0.0
0.0
0.0
500
500 1000
1000 1500
1500 2000
2000 2500
2500 500
500 1000
1000 1500
1500 2000
2000 2500
2500
Longitud
Longitudde
deonda
onda Longitud
Longitudde
deonda
onda
30
Media
Media Funcional
Funcional Desviación
Desviación Funcional
Funcional
1.2
1.2 HOJA
HOJA
HOJA
HOJA
FLOR FLOR
FLOR
1.0
FLOR
1.0
0.3
0.3
0.8
0.8
Reflectancia
Reflectancia
%%Reflectancia
%%Reflectancia
0.2
0.2
0.6
0.6
0.4
0.4
0.1
0.1
0.2
0.2
0.0
0.0
0.0
0.0
500
500 1000
1000 1500
1500 2000
2000 2500
2500 500
500 1000
1000 1500
1500 2000
2000 2500
2500
Longitud
Longitudde
deonda
onda Longitud
Longitudde
deonda
onda
HOJA HOJA
HOJA
HOJA
FLOR FLOR
FLOR
1.0
FLOR
1.0
0.3
0.3
0.8
0.8
Reflectancia
Reflectancia
%%Reflectancia
%%Reflectancia
0.2
0.2
0.6
0.6
0.4
0.4
0.1
0.1
0.2
0.2
0.0
0.0
0.0
0.0
500
500 1000
1000 1500
1500 2000
2000 2500
2500 500
500 1000
1000 1500
1500 2000
2000 2500
2500
Longitud
Longitudde
deonda
onda Longitud
Longitudde
deonda
onda
31
entre las ondas del infrarrojo cercano lo cual indica una vegetación sana y en la parte derecha
del grafico se indica la desviación estándar funcional, la cual para la flor presentó al inicio en
longitudes menores a 500nm mayor variabilidad, y al final en longitudes mayores a 2000nm la
hoja presenta mayor variabilidad con respecto a la flor.
HOJA HOJA
HOJA
HOJA
FLOR FLOR
FLOR
1.0
FLOR
1.0
0.3
0.3
0.8
0.8
Reflectancia
Reflectancia
%%Reflectancia
%%Reflectancia
0.2
0.2
0.6
0.6
0.4
0.4
0.1
0.1
0.2
0.2
0.0
0.0
0.0
0.0
500
500 1000
1000 1500
1500 2000
2000 2500
2500 500
500 1000
1000 1500
1500 2000
2000 2500
2500
Longitud
Longitudde
deonda
onda Longitud
Longitudde
deonda
onda
32
Media
Media Funcional
Funcional Desviación
Desviación Funcional
Funcional
1.2
1.2 HOJA
HOJA
HOJA
HOJA
FLOR FLOR
FLOR
1.0
FLOR
1.0
0.3
0.3
0.8
0.8
Reflectancia
Reflectancia
%%Reflectancia
%%Reflectancia
0.2
0.2
0.6
0.6
0.4
0.4
0.1
0.1
0.2
0.2
0.0
0.0
0.0
0.0
500
500 1000
1000 1500
1500 2000
2000 2500
2500 500
500 1000
1000 1500
1500 2000
2000 2500
2500
Longitud
Longitudde
deonda
onda Longitud
Longitudde
deonda
onda
HOJA HOJA
HOJA
HOJA
FLOR FLOR
FLOR
1.0
FLOR
1.0
0.3
0.3
0.8
0.8
Reflectancia
Reflectancia
%%Reflectancia
%%Reflectancia
0.2
0.2
0.6
0.6
0.4
0.4
0.1
0.1
0.2
0.2
0.0
0.0
0.0
0.0
500
500 1000
1000 1500
1500 2000
2000 2500
2500 500
500 1000
1000 1500
1500 2000
2000 2500
2500
Longitud
Longitudde
deonda
onda Longitud
Longitudde
deonda
onda
33
mayor en hoja en longitudes de onda de entre 1000 a 1400 nm y en la parte derecha del grafico
se indica la desviación estándar funcional, la cual para la flor presenta al inicio en longitudes
menores a 500nm mayor variabilidad, y al final en longitudes mayores a 2000nm la hoja
presenta mayor variabilidad con respecto a la flor.
HOJA HOJA
HOJA
HOJA
FLOR FLOR
FLOR
1.0
FLOR
1.0
0.3
0.3
0.8
0.8
Reflectancia
Reflectancia
%%Reflectancia
%%Reflectancia
0.2
0.2
0.6
0.6
0.4
0.4
0.1
0.1
0.2
0.2
0.0
0.0
0.0
0.0
500
500 1000
1000 1500
1500 2000
2000 2500
2500 500
500 1000
1000 1500
1500 2000
2000 2500
2500
Longitud
Longitudde
deonda
onda Longitud
Longitudde
deonda
onda
34
3.1.3 Remuestreo de Bootstrap
35
Elaborado por: Peñafiel Pablo, 2021 Elaborado por: Peñafiel Pablo, 2021
36
Grafico21-3: Banda de confianza T7 Grafico22-3: Banda de confianza T8
Elaborado por: Peñafiel Pablo, 2021 Elaborado por: Peñafiel Pablo, 2021
37
Grafico27-3: Banda de confianza T13
Grafico28-3: Banda de confianza T14
Elaborado por: Peñafiel Pablo, 2021 Elaborado por: Peñafiel Pablo, 2021
Para el proceso de detección de curvas atípicas funcionales para cada tratamiento se realizó
mediante la función outliers.fdata{} de la librería fda.usc, luego de definir un número de
remuestras de Bootstrap en cual dio como resultado un valor de 200 remuestras y con un nivel
de significancia del 0.05 se determinó las siguientes curvas atípicas para los 14 tratamientos.
38
Grafico29-3: Curvas atípicas para los Tratamientos (hojas)
Elaborado por: Peñafiel Pablo, 2021
39
Grafico29-3: Curvas atípicas para los Tratamientos (flor)
Elaborado por: Peñafiel Pablo, 2021
40
3.1.5 Análisis de Componentes Principales
Con el fin de analizar las curvas de reflectancia de la planta de quinua en sus distintas
modificaciones o tratamientos e identificar patrones que se comporten de manera similar se
aplicó la técnica de Componentes Principales utilizando metodología de datos funcionales. A
continuación, se detalla la variabilidad explicada por las cuatro componentes principales,
además de las gráficas de la primera y segunda componentes principal de cada tratamiento.
En el Grafico 30-3 se muestra los cuatros primeras componentes principales del Tratamiento 1
(LQ101), que explican 79%, 19.2%, 1.1 %, 0.7 % respectivamente de la variabilidad total del
comportamiento de los valores de reflectancia de la modificación o tratamiento1 (LQ101). La
primera componente principal aporta de forma positiva en longitudes de onda superior a 1500
nm.
41
Grafico31-3: Primera y Segunda Componente Principal (Tratamiento 1)
Elaborado por: Peñafiel Pablo, 2021
El Grafico31-3 muestra la agrupación del Tratamiento 1, donde se puede observar que existen
grupos que presentan características similares de variabilidad, se observa que existe
características comunes entre las hojas 1, 2 y 3 de las 3 plantas respectivamente.
42
3.1.5.1.2 Tratamiento 2 (LQ102)
En el Grafico 32-3 se muestra los cuatros primeras componentes principales del Tratamiento 2
(LQ102), que explican 60.5%, 36.4%, 2.6 %, 0.3 % respectivamente de la variabilidad total del
comportamiento de los valores de reflectancia de la modificación o tratamiento2 (LQ102). La
primera componente principal aporta de forma negativa en longitudes de onda de 0 a 550 nm.
43
Grafico33-3: Primera y Segunda Componente Principal (Tratamiento 2)
Elaborado por: Peñafiel Pablo, 2021
El Grafico33-3 muestra la agrupación del Tratamiento 2, donde se puede observar que existen
grupos que presentan características similares de variabilidad, en el grupo número uno se
observa características comunes con respecto al grupo de las hojas 1 2 3, 4 de las tres plantas
excluyendo a la hoja 4 de la planta 1 debido a que se encuentra muy distante.
44
3.1.5.1.3 Tratamiento 3 (LQ103)
En el Grafico 32-3 se muestra los cuatros primeras componentes principales del Tratamiento 3
(LQ103), que explican 86.4%, 11.2%, 1.9 %, 0.4 % respectivamente de la variabilidad total del
comportamiento de los valores de reflectancia de la modificación o tratamiento3 (LQ103). La
primera componente principal aporta de forma positiva en longitudes de onda de 800 a 1500nm.
45
Grafico
35-3: Primera
y Segunda
El Grafico35-3 muestra la agrupación del Tratamiento 3, donde se puede observar que existen
grupos que presentan características similares de variabilidad, en un grupo se observa
características comunes con respecto a la flor en las 3 plantas, además se identifica otro grupo
con características similares con respecto a las hojas 1,2,3,4 de la planta 2, hojas 1,2,3,4 de la
planta 3, y hojas 1,2 de la planta 1. Muy separado se encuentra las hojas 4,3 de la planta 1.
46
3.1.5.1.4 Tratamiento 4 (LQ104)
En el Grafico 36-3 se muestra los cuatros primeras componentes principales del Tratamiento 4
(LQ104), que explican 85.7%, 11.8%, 2 %, 0.2 % respectivamente de la variabilidad total, las
cuatro componentes abarcan un total de 99.7% del comportamiento de los valores de
reflectancia de la modificación o tratamiento4 (LQ104). La primera componente principal
aporta de forma positiva en longitudes de onda de 800 a 1500nm.
47
Grafico37-3: Primera y Segunda Componente Principal (Tratamiento 4)
Elaborado por: Peñafiel Pablo, 2021
El Grafico37-3 muestra la agrupación del Tratamiento 4, donde se puede observar que existen
grupos que presentan características similares de variabilidad, en un grupo se observa
características comunes con respecto a las hojas 1,2,3,4 de la planta 1, hojas 1,2,3,4 de la planta
2 y hojas 1,2,3,4 de la planta 3. Muy separado se encuentra la flor de las tres plantas.
48
3.1.5.1.5 Tratamiento 5 (LQ105)
En el Grafico 38-3 se muestra los cuatros primeras componentes principales del Tratamiento 5
(LQ105), que explican 88%, 9.5%, 2 %, 0.3 % respectivamente de la variabilidad total, las
cuatro componentes abarcan un total de 99.8% del comportamiento de los valores de
reflectancia de la modificación o tratamiento5 (LQ105). La primera componente principal
aporta de forma positiva en longitudes de onda de 800 a 1500nm.
49
Grafico39-3: Primera y Segunda Componente Principal (Tratamiento 5)
Elaborado por: Peñafiel Pablo, 2021
El Grafico39-3 muestra la agrupación del Tratamiento 5, donde se puede observar que existen
grupos que presentan características similares de variabilidad, en un grupo se observa
características comunes con respecto a las hojas 3 de la planta 1,2,3, hojas 2 de la planta 1,3 y
hoja 4 planta 1.
50
3.1.5.1.6 Tratamiento 6 (LQ106)
En el Grafico 40-3 se muestra los cuatros primeras componentes principales del Tratamiento 6
(LQ106), que explican 68.6%, 28.8%, 1.5%, 0.5% respectivamente de la variabilidad total, las
cuatro componentes abarcan un total de 99.4% del comportamiento de los valores de
reflectancia de la modificación o tratamiento6 (LQ106). La primera componente principal
aporta de forma positiva en longitudes de onda de 800 a 1500nm.
51
Grafico41-3: Primera y Segunda Componente Principal (Tratamiento 6)
Elaborado por: Peñafiel Pablo, 2021
El Grafico41-3 muestra la agrupación del Tratamiento 6, donde se puede observar que existen
grupos que presentan características similares de variabilidad, en un grupo se observa
características comunes con respecto a la flor en las 3 plantas, además se identifica otro grupo
con características similares con respecto a las hojas 1,2,3 de la planta 1, hojas 1,2,3 de la planta
2 y hojas 1,2,3,4 de la planta 3. Muy separado se encuentra la planta 1 y 2 de la hoja 4.
52
3.1.5.1.7 Tratamiento 7 (LQ107)
En el Grafico 42-3 se muestra los cuatros primeras componentes principales del Tratamiento 7 (LQ107),
que explican 77.5%, 18.1%, 3.3%, 0.8% respectivamente de la variabilidad total, las cuatro
componentes abarcan un total de 99.7% del comportamiento de los valores de reflectancia de la
modificación o tratamiento7 (LQ107). La primera componente principal aporta de forma
positiva en longitudes de onda de 800 a 1500nm.
53
Grafico43-3: Primera y Segunda Componente Principal (Tratamiento 7)
Elaborado por: Peñafiel Pablo, 2021
El Grafico43-3 muestra la agrupación del Tratamiento 7, donde se puede observar que existen
grupos que presentan características muy similares de variabilidad, el grupo que se observa que
presenta mayor similitud con respecto a los valores de reflectancia es aquel que está
conformado por: hoja 4, 3 de la planta2 y hoja 2,3,4 de la planta 3.
54
3.1.5.1.8 Tratamiento 8 (LQ108)
En el Grafico 44-3 se muestra los cuatros primeras componentes principales del Tratamiento 8
(LQ108), que explican 76.2%, 19.7%, 3%, 0.7% respectivamente de la variabilidad total, las
cuatro componentes abarcan un total de 99.6% del comportamiento de los valores de
reflectancia de la modificación o tratamiento8 (LQ1058). La primera componente principal
aporta de forma positiva en longitudes de onda de 800 a 1500nm.
55
Grafico
45-3: Primera
y Segunda
El Grafico45-3 muestra la agrupación del Tratamiento 8, donde se puede observar que existen
grupos que presentan características similares de variabilidad, en un grupo se observa
características comunes con respecto a la flor en las 3 plantas, además se identifica otro grupo
con características muy similares en las hojas 1,2,3,4 de la planta 2, hojas 1,2,3 de la planta 3 y
hoja 4 de la planta 1.
56
3.1.5.1.9 Tratamiento 9 (MQ101)
En el Grafico 46-3 se muestra los cuatros primeras componentes principales del Tratamiento 9
(MQ101), que explican 76.5%, 19.3%, 3.5%, 0.4% respectivamente de la variabilidad total, las
cuatro componentes abarcan un total de 99.7% del comportamiento de los valores de
reflectancia de la modificación o tratamiento9(MQ105). La primera componente principal
aporta de forma negativa en longitudes de onda menores a 700nm.
57
Grafico47-3: Primera y Segunda Componente Principal (Tratamiento 9)
Elaborado por: Peñafiel Pablo, 2021
El Grafico47-3 muestra la agrupación del Tratamiento 9, donde se puede observar que existen
grupos que presentan características similares de variabilidad, en un grupo se observa
características comunes con respecto a la flor en las 3 plantas, además se identifica otro grupo
con características similares en las hojas 1,2,3,4 de la planta 1, hojas 2,3,4 de la planta 2, hojas
1,3 de la planta 3.
.
58
3.1.5.1.10 Tratamiento 10 (MQ102)
Grafico48-3: Variabilidad explicada por las cuatro componentes principales T10 (Hojas-Flor)
Elaborado por: Peñafiel Pablo, 2021
En el Grafico 48-3 se muestra los cuatros primeras componentes principales del Tratamiento 10
(MQ102), que explican 76%, 20.9%, 2 %, 0.6% respectivamente de la variabilidad total, las
cuatro componentes abarcan un total de 99.5% del comportamiento de los valores de
reflectancia de la modificación o tratamiento10 (MQ102). La primera componente principal
aporta de forma positiva en longitudes de onda de 800 a 1800nm.
59
Grafico49-3: Primera y Segunda Componente Principal (Tratamiento 10)
Elaborado por: Peñafiel Pablo, 2021
El Grafico49-3 muestra la agrupación del Tratamiento 10, donde se puede observar que existen
grupos que presentan características similares de variabilidad, en un grupo se observa
características comunes con respecto a la flor en las 3 plantas, además se identifica otro grupo
que presenta características muy similares en las hojas 2,4 de la planta 3 y otro grupo en las
hojas 2,4 de la planta 2, hoja 1 de la planta 3 y hoja 4 de la planta 2.
60
3.1.5.1.11 Tratamiento 11 (MQ103)
Grafico50-3: Variabilidad explicada por las cuatro componentes principales T11 (Hojas-Flor)
Elaborado por: Peñafiel Pablo, 2021
En el Grafico 50-3 se muestra los cuatros primeras componentes principales del Tratamiento 11
(MQ103), que explican 92.4%, 4.4%, 2.4%, 0.6% respectivamente de la variabilidad total, las
cuatro componentes abarcan un total de 99.8% del comportamiento de los valores de
reflectancia de la modificación o tratamiento11 (MQ103). La primera componente principal
aporta de forma positiva en longitudes de onda mayores a 1000 nm.
61
Grafico51-3: Primera y Segunda Componente Principal (Tratamiento 11)
Elaborado por: Peñafiel Pablo, 2021
El Grafico51-3 muestra la agrupación del Tratamiento 11, donde se puede observar que el
comportamiento de los valores de reflectancia presenta características similares para la planta 2
y 3 en las 4 hojas y en la planta 1 en las hojas 2,3,4 este grupo mostro una mayor similitud,
mientras que la hoja 1 perteneciente a la planta 1 permanece aislada.
62
3.1.5.1.12 Tratamiento 12 (MQ104)
Grafico52-3: Variabilidad explicada por las cuatro componentes principales T12 (Hojas-Flor)
Elaborado por: Peñafiel Pablo, 2021
En el Grafico 52-3 se muestra los cuatros primeras componentes principales del Tratamiento 12
(MQ104), que explican 83.8%, 13.7%, 1.8%, 0.5% respectivamente de la variabilidad total, las
cuatro componentes abarcan un total de 99.8% del comportamiento de los valores de
reflectancia de la modificación o tratamiento12 (MQ104). La primera componente principal
aporta de forma positiva en longitudes de onda mayores a 700nm.
63
Grafico53-3: Primera y Segunda Componente Principal (Tratamiento 12)
Elaborado por: Peñafiel Pablo, 2021
El Grafico53-3 muestra la agrupación del Tratamiento 12, donde se puede observar que existen
grupos que presentan características similares de variabilidad, en un grupo se observa
características muy similares en las hojas 1,3,4 de la planta 1, hojas 1,3,4 de la planta 2, hojas
3,4 de la planta 3.
64
3.1.5.1.13 Tratamiento 13 (MQ105)
Grafico54-3: Variabilidad explicada por las cuatro componentes principales T13 (Hojas-Flor)
Elaborado por: Peñafiel Pablo, 2021
En el Grafico 54-3 se muestra los cuatros primeras componentes principales del Tratamiento 13
(MQ105), que explican 82.6%, 15.6%, 1.1%, 0.4% respectivamente de la variabilidad total, las
cuatro componentes abarcan un total de 99.7% del comportamiento de los valores de
reflectancia de la modificación o tratamiento13 (MQ105). La primera componente principal
aporta de forma positiva en longitudes de onda superior a 750nm.
65
Grafico55-3: Primera y Segunda Componente Principal (Tratamiento 13)
Elaborado por: Peñafiel Pablo, 2021
El Grafico55-3 muestra la agrupación del Tratamiento 11, donde se puede observar que existen
grupos que presentan características similares de variabilidad, en un grupo se observa
características comunes con respecto a la flor en las 3 plantas, además se identifica otro grupo
con características muy similares en las hojas 2,4,3 de la planta 3 y hoja 3 de la planta 1.
66
3.1.5.1.14 Tratamiento 14 (MQ106)
Grafico56-3: Variabilidad explicada por las cuatro componentes principales T14 (Hojas-Flor)
Elaborado por: Peñafiel Pablo, 2021
En el Grafico 56-3 se muestra los cuatros primeras componentes principales del Tratamiento 14
(MQ106), que explican 79.5%, 18.6%, 1.4%, 0.2% respectivamente de la variabilidad total, las
cuatro componentes abarcan un total de 99.7% del comportamiento de los valores de
reflectancia de la modificación o tratamiento14 (MQ105). La primera componente principal
aporta de forma positiva en longitudes de onda superior a 750nm.
67
Grafico57-3: Primera y Segunda Componente Principal (Tratamiento 14)
Elaborado por: Peñafiel Pablo, 2021
El Grafico57-3 muestra la agrupación del Tratamiento 14, donde se puede identificar que
existen grupos que presentan características similares de variabilidad, en un grupo se puede
observar características muy similares en las hojas 3,4 de la planta 2 y la planta 3 en sus cuatro
hojas, otro grupo que también se pudo visualizar características similares de reflectancia está
conformado por la planta 1 hoja 2 y la planta 2 hoja2.
68
3.1.5.2 Análisis de Componentes Principales funcionales de todos los Tratamiento
Grafico58-3: Variabilidad explicada por las cuatro componentes principales (hojas, flor)
Elaborado por: Peñafiel Pablo, 2021
En el Grafico 58-3 se muestra las cuatro primeras componentes principales que explican 72.4%,
21.9%, 2.9%, 1.9% respectivamente de la variabilidad total, y abarcan un total de 99.1% del
comportamiento de los valores de reflectancia de las 14 modificación o tratamiento. La primera
componente principal aporta de forma positiva en longitudes de onda de 750 a 1400nm.
69
Grafico57-3: Primera y Segunda Componente Principal de los 14 tratamientos o
modificaciones
Elaborado por: Peñafiel Pablo, 2021
El Grafico57-3 muestra la agrupación del total del valor de reflectancia de los 14 tratamientos,
donde se puede identificar que existen dos grupos que presentan características similares de
variabilidad, en el primer grupo se puede observar características muy similares en los 14
tratamientos con respecto a las hojas , en el segundo grupo se encuentra los 14 tratamientos de
la flor excluyendo al tratamiento 1 , 2 y 3 debido a que se encuentran muy distantes o separados
con respecto al grupo número 2.
70
3.1.6 Análisis de Varianza Funcional
Para determinar si los valores de reflectancia de la quinua son estadísticamente iguales o si son
diferentes, ser realizaron dos tipos de ANOVA funcional, el primero para estudiar si hay
diferencias significativas entre las tres plantas (hojas y flor), y el segundo para estudiar si hay
diferencia significativa entre las cuatro hojas.
3.1.6.1 ANOVA funcional de las curvas de reflectancia entre las tres plantas
A continuación, se detalla la comparación de las tres plantas tanto de la hoja como de la flor,
para ello se tomaron los datos de reflectancia suavizados por B-Spline y se utilizó un número de
100 a 200 remuestras de Bootstrap.
Density plot for bootstrap resamples
Functional Mean Bootstrap resamples n= 200
N levels: 3 , Stat: 1.829 , P-value= 0.04
1.5
1.0
1.0
0.8
0.8
1.0
0.6
0.6
Density
X(t)
X(t)
0.4
0.4
0.5
0.2
0.2
Total
Total 1
1 2
2 3
0.0
0.0
0.0
3 Resamples
500 1000 1500 2000 2500 500 1000 1500 2000 2500 0 1 2 3 4
Grafico58-3: ANOVA funcional entre las planta1 (1), planta2 (2), planta3 (3) de las hojas.
Elaborado por: Peñafiel Pablo, 2021
0.8
100
0.6
0.6
80
Density
X(t)
X(t)
60
0.4
0.4
40
0.2
0.2
20
Total
Total 1
1 2
2 3
0
3 Resamples
0.0
0.0
500 1000 1500 2000 2500 500 1000 1500 2000 2500 0.0 0.5 1.0 1.5 2.0 2.5
71
Grafico59-3: ANOVA funcional entre las planta1 (1), planta2 (2), planta3 (3) de la flor.
Elaborado por: Peñafiel Pablo, 2021
El Grafico 58-3 se muestra el ANOVA funcional entre tres grupos el grupo 1 que pertenece a la
planta1, el grupo 2 a la planta 2 y el grupo 3 a la planta 3, este análisis mostró características
similares en los valores de reflectancia de las hojas, es decir que no existe evidencia suficiente
para rechazar la hipótesis nula de igual de media con un nivel de confianza del 98%, por lo tanto
la diferencia entre medias del valor de reflectancia de las tres plantas no es significativa,
mientras para los valores de reflectancia de flor Grafico 59-3 se obtuvo que si existe diferencias
significativas en las tres plantas.
3.1.6.1 ANOVA funcional de las curvas de reflectancia entre las cuarto hojas
0.4
0.8
0.8
0.3
0.6
0.6
Density
X(t)
X(t)
0.2
0.4
0.4
0.1
0.2
0.2
Total
Total 1
1 2
2 3
0.0
0.0
3 4
0.0
4 Resamples
500 1000 1500 2000 2500 500 1000 1500 2000 2500 0 2 4 6 8 10 12
El Gráfico 60-3 muestra el ANOVA funcional entre cuatro grupos el grupo 1 que pertenece a la
hoja1, el grupo 2 a la hoja2, el grupo 3 a la hoja3, y el grupo4 a la hoja 4, este análisis mostró un
valor p de 0.05 y con un nivel de confianza del 98% se verifica que no existe evidencia
suficiente para rechazar la hipótesis nula de igual de media, por lo tanto, la diferencia entre
medias del valor de reflectancia de las cuatro hojas no es significativa.
72
3.2 Comportamiento del valor de reflectancia de la imagen satelital.
Las imágenes de las distintas bandas fueron obtenidas a través de la plataforma del USGS Earth
Explorer esta página proporciona información de varios satélites entre ellos Sentinel 2 con
resolución espacial de 10, 20 y 60m, una vez obtenida la información de las coordenadas de la
parcela de investigación se continuo con el procedo de la descarga de la imagen satelital.
Para identificar la parcela de investigación fue necesario determinar los archivos shapefile del
cantón Colta con sus respectivas coordenadas, esta ubicación se pudo llevar a cabo con la ayuda
del Software ArcMap versión 10.5. Además, con la ayuda de la teledetección que permite
analizar o estudiar objetos sin ningún contacto físico, se pudo obtener imágenes multiespectrales
del satélite Sentinel-2B, debido a que este satélite cuenta con una mejor resolución espacial.
73
Gráfico 61-3: Imagen Sentinel-2 con las bandas 4,3,2 (color natural)
Elaborado por: Peñafiel Pablo, 2021
74
En la Gráfico 61-3 se detalla la imagen Sentinel-2 con resolución espacial de 20 metros, además
en la parte derecha se observa la ampliación de la parcela, la cual con la ayuda de las
coordenadas se obtuvo un total de 14 pixeles, esta parcela se encuentra localizada en la ciudad
de Villa la Unión (Cajabamba) del cantón Colta perteneciente a la provincia de Chimborazo.
El satélite Sentinel-2B cuenta con un sensor multiespectral que cubre 13 bandas con resolución
espacial de 10, 20 y 60 m (Delegido et al., 2018, p.51). El análisis de las bandas se puedo
realizar utilizando la librería raster del software R, con el fin de obtener combinaciones de
bandas que proporcionen mejores resultados a la investigación. A continuación, se detalla las
74
Gráfico 62-3: Multibanda de la provincia de Colta resolución 20m
Elaborado por: Peñafiel Pablo, 2021
9817950 9817950
9811023 9811023
9804095 9804095
9797168 9797168
9790240 9790240
720020.0 729907.5 739795.0 749682.5 759570.0 720020.0 729907.5 739795.0 749682.5 759570.0
75
derecha de grafico se muestra combinación de falso color infrarrojo la cual se puedo obtener
mediante la combinación de bandas 8,4,3, esta combinación nos ayuda a detallar de mejor
manera la vegetación, donde existe mayor presencia de color rojo la vegetación se considera
sana.
Una vez obtenida las distintas combinaciones de banda se continuo con la determinación de la
firma o huella espectral, se utilizó la combinación de banda de color verdadero para una mejor
visualización con la ayuda del software Snap se pudo obtener los valores de reflectancia en
función de la longitud de onda para los 14 pixeles de la imagen.
Firma espectral pixel 1 Firma espectral pixel 2 Firma espectral pixel 5 Firma espectral pixel 6
0.35
0.35
0.25
0.30
0.30
0.30
0.20
Reflectancia %
Reflectancia %
Reflectancia %
Reflectancia %
0.25
0.25
0.15
0.20
0.20
0.20
0.10
0.10
0.15
0.15
500 1000 1500 2000 500 1000 1500 2000 500 1000 1500 2000 500 1000 1500 2000
Firma
Firmaespectral
espectralpixel
pixel93 Firma
Firmaespectral
espectralpixel
pixel104 Firma espectral pixel 7 Firma espectral pixel 8
0.35
0.30
0.30
0.30
0.30
%
%
Reflectancia %
Reflectancia %
Reflectancia %
Reflectancia %
Reflectancia
Reflectancia
0.20
0.100.15 0.20
0.25
0.20
0.20
0.20
0.10
0.10
0.10
0.10
0.15
500
500 1000
1000 1500
1500 2000
2000 500
500 1000
1000 1500
1500 2000
2000 500 1000 1500 2000 500 1000 1500 2000
longitud
longitudde
deonda
onda longitud
longitudde
deonda
onda longitud de onda longitud de onda
Firma espe ctra l pix el 13 Firma espe ctra l pix el 14
0 .3 0
R e fle c ta n c ia %
R e f le c t a n c ia %
0 .1 0 0 .2 0 0 .3 0
0 .1 0
0.20
Reflectancia %
Reflectancia %
0 . 1 0 0 . 1 50 . 2 00 . 2 5
0.10
3.2.4. Comparación del comportamiento del valor de reflectancia del estudio experimental
vs el análisis de la imagen satelital
Pixel 1
Pixel 2
Pixel 3
Pixel 4
Pixel 5
Pixel 6
0.30
Pixel 7
Pixel 8
Pixel 9
Pixel 10
Pixel 11
Pixel 12
Reflectancia %
Pixel 13
Pixel 14
0.25
0.20
0.15
longitud de onda
77
En la parte superior del grafico mediante un previo análisis utilizando metodología con datos
funcionales se muestra la firma espectral de las hojas para los 14 tratamiento o modificaciones
de quinua, en la parte inferior de grafico se aprecia la firma espectral de los 14 pixeles de la
parcela de investigación. Se puede notar que existe un pico de reflectancia en longitudes de
onda superior a los 740nm tanto para el estudio experimental como para el estudio de la imagen
satelital.
Pixel 1
Pixel 2
Pixel 3
Pixel 4
Pixel 5
Pixel 6
0.30
Pixel 7
Pixel 8
Pixel 9
Pixel 10
Pixel 11
Pixel 12
Reflectancia %
Pixel 13
Pixel 14
0.25
0.20
0.15
longitud de onda
78
En Grafico 60-3 en la parte superior del grafico se muestra la firma espectral de la flor para los
14 tratamiento o modificaciones de quinua, en la parte inferior de grafico se aprecia la firma
espectral de los 14 pixeles de la parcela de investigación. Con respecto a la flor los tratamientos
no se comportan de una forma similar debido a que existen varias tonalidades y no se asemejan
entre ellas, es importante notar que existe un pico en longitudes de onda del infrarrojo cercano
el cual nos aclara que la vegetación es considerada sana tanto para el estudio experimental como
es estudio de la imagen satelital.
Para determinar si existe o no una relación entre variables meteorológicas y la reflectancia del
estudio experimental se utilizó la técnica de análisis estadístico de correlación, y con la ayuda
de la página NASA Prediction Of World wide Energy Resources se pudo obtener información
con respecto a las variables meteorológicas del cantón Colta. Los datos descargados son de la
fecha de inicio de siembra el 20 de noviembre del 2019.
1
1
Temp.Max 1 0 0.09 -0.1 -0.59 -0.1 -0.02 -0.01 0.56
Temp.Max 1 0 0.09 -0.1 -0.59 -0.1 -0.02 -0.02 0.56
0.8
0.8
Radiación.solar 0 1 -0.08 0.01 0 0.04 -0.07 -0.06 0.07
0.6
Radiación.solar 0 1 -0.08 0.01 0 0.04 -0.06 -0.06 0.07
0.6
1
Velocidad.del.viento 0.09 Temp.Max
-0.08 11 0.02 -0.17 -0.09 -0.590 -0.01 -0.02
-0.12 -0.02 0.56
0 0.09 -0.1 -0.1 0.4 Velocidad.del.viento 0.09 -0.08 1 0.02 -0.17 -0.09 -0.01 0 -0.12
0.4
0.8
Humedad Velocidad.del.viento
-0.59 0 -0.17 0.25 11 0.52 -0.17
0.24 -0.09
0.24 00.08 -0.01 -0.12
0
0.09 -0.08 0.02 Humedad -0.59 0 -0.17 0.25 1 0.52 0.25 0.24 0.08 0
0.4
Temp.Min -0.1Precipitación
0.04 -0.09
-0.1 0.11
0.01 0.52
0.02 11 0.14 0.080.67 0.08 -0.2
0.13 0.11
0.25 0.01 -0.2
0.2 Temp.Min -0.1 0.04 -0.09 0.11 0.52 1 0.14 0.13 0.67
-0.4
T1Hoja -0.02 Humedad
-0.07 -0.59
0 0.08 0.24 0.13 11 0.521 0.250.23 0.25
-0.4
0 -0.17 0.25 0.08 0 T2Flor -0.02 -0.06 -0.01 0.08 0.25 0.14 1 1 0.23
-0.6
T1Flor -0.01 Temp.Min -0.6
-0.06 -0.01 0.08 0.24 0.14 0.521
-0.1 0.04 -0.09 0.11 1 1 0.130.23 0.14 0.67 -0.2
T2Hoja -0.02 -0.06 0 0.08 0.24 0.13 1 1 0.23
-0.8
-0.8
Temperatura 0.56 0.07 -0.4
T4Hoja -0.12 0.01
-0.02 -0.07 0.08
0 0.67 0.25
0.08 0.23 0.13
0.23 1 1 1 0.23 Temperatura 0.56 0.07 -0.12 0.01 0.08 0.67 0.23 0.23 1
-1
-1
-0.6
T4Flor -0.02 -0.06 -0.01 0.08 0.25 0.14 1 1 0.23
Precipitación -0.1Temp.Max 1
0.01 0.02 01 0.09
0.25 -0.1
0.11 -0.59
0.08 -0.1
0.08 -0.01
0.01 -0.01
0.2
0.56 Temp.Max 1 0 0.09 -0.1 -0.59 -0.1 -0.02 -0.01 0.56
0.8 0.8
Humedad Radiación.sol
-0.59 0 ar -0.17
0 1 -0.08
0.25 1 0.01
0.52 0
0.24 0.04
0.24 -0.06
0.08 -0.06 0 0.07 Radiación.solar 0 1 -0.08 0.01 0 0.04 -0.06 -0.06 0.07
0.6 0.6
Velocidad.del.viento
Temp.Min -0.1 0.04 -0.09 0.09 -0.08
0.11 1
0.52 0.02
1 -0.17
0.13 -0.09
0.14 0
0.67 -0.01-0.2 -0.12 Velocidad.del.viento 0.09 -0.08 1 0.02 -0.17 -0.09 -0.01 0 -0.12
0.4 0.4
-0.4
Precipitación
T3Hoja -0.01 -0.06 -0.1
0 0.01
0.08 0.02
0.24 1
0.13 0.25
1 0.11
1 0.08
0.23 0.08 0.01 0.2
Precipitación -0.1 0.01 0.02 1 0.25 0.11 0.08 0.08 0.01 0.2
-0.6
T3Flor -0.01Humedad
-0.06 -0.59
-0.01 0 -0.17
0.08 0.24 0.25
0.14 11 0.52
1 0.24
0.23 0.24 0.08 0 Humedad -0.59 0 -0.17 0.25 1 0.52 0.25 0.24 0.08 0
-0.8
-0.2 -0.2
Temperatura 0.56Temp.Min
79
-0.1
0.07 -0.12 0.04
0.01 -0.09
0.08 0.11
0.67 0.52
0.23 1
0.23 0.13
1 0.14 0.67 Temp.Min -0.1 0.04 -0.09 0.11 0.52 1 0.14 0.13 0.67
-1
-0.4 -0.4
T5Hoja -0.01 -0.06 0 0.08 0.24 0.13 1 1 0.23 T6Flor -0.02 -0.06 -0.01 0.08 0.25 0.14 1 1 0.23
-0.6 -0.6
T5Flor -0.01 -0.06 -0.01 0.08 0.24 0.14 1 1 0.23 T6Hoja -0.01 -0.06 0 0.08 0.24 0.13 1 1 0.23
-0.8 -0.8
Temperatura 0.56 0.07 -0.12 0.01 0.08 0.67 0.23 0.23 1 Temperatura 0.56 0.07 -0.12 0.01 0.08 0.67 0.23 0.23 1
-1 -1
Grafico72-3: Correlación Tratamiento 5 Grafico73-3: Correlación Tratamiento 6
Elaborado por: Peñafiel Pablo, 2021 Elaborado por: Peñafiel Pablo, 2021
1 1
Velocidad.del.viento 1 -0.08 0.09 -0.12 0 -0.01 -0.09 -0.17 0.02 Temp.Max 1 0 0.09 -0.1 -0.59 -0.1 -0.02 -0.01 0.56
0.8 0.8
Radiación.solar -0.08 1 0 0.07 -0.07 -0.07 0.04 0 0.01 Radiación.solar 0 1 -0.08 0.01 0 0.04 -0.06 -0.06 0.07
0.6 0.6
Temp.Max 0.09 0 1 0.56 -0.02 -0.02 -0.1 -0.59 -0.1 Velocidad.del.viento 0.09 -0.08 1 0.02 -0.17 -0.09 -0.01 0 -0.12
0.4 0.4
1
Temperatura -0.12 0.07 0.56 1 0.23 0.23 0.67 0.08 0.01 0.2 Precipitación -0.1 0.01 0.02 1 0.25 0.11 0.08 0.08 0.01 0.2
Temp.Max 1 0 0.09 -0.1 -0.59 -0.1 -0.01 -0.01 0.56
0.8
T7Hoja 0 -0.07 -0.02 0.23 1 1 0.13 0.24 0.08 0 Humedad -0.59 0 -0.17 0.25 1 0.52 0.25 0.24 0.08 0
Radiación.solar 0 1 -0.08 0.01 0 0.04 -0.06 -0.06 0.07
0.6
T7Flor -0.01 -0.07 -0.02 -0.2 -0.2
0.23 1 1 0.14 0.25 0.08 Temp.Min -0.1 0.04 -0.09 0.11 0.52 1 0.14 0.13 0.67
Velocidad.del.viento 0.09 -0.08 1 0.02 -0.17 -0.09 0 -0.01 -0.12
0.4
-0.4 -0.4
Temp.Min -0.09 0.04 -0.1 0.67 0.13 0.14 1 0.52 0.11 T8Flor -0.02 -0.06 -0.01 0.08 0.25 0.14 1 1 0.23
Precipitación -0.1 0.01 0.02 1 0.25 0.11 0.08 0.08 0.01 0.2
-0.6 -0.6
Humedad -0.17 0 -0.59 0.08 0.24 0.25 0.52 1 0.25 T8Hoja -0.01 -0.06 0 0.08 0.24 0.13 1 1 0.22
Humedad -0.59 0 -0.17 0.25 1 0.52 0.24 0.24 0.08 0
-0.8 -0.8
Precipitación 0.02 0.01 -0.1 0.01 0.08 0.08 0.11 0.25 1 Temperatura 0.56 0.07 -0.12 0.01 0.08 0.67 0.23 0.22 1
Temp.Min -0.1 0.04 -0.2
-1
-0.09 0.11 0.52 1 0.13 0.14 0.67
-1
Grafico74-3: Correlación Tratamiento 7 T10Hoja -0.01 -0.06 0 0.08 0.24 0.13 1 1 0.23
-0.4
Grafico75-3: Correlación Tratamiento 8 T10Flor -0.01 -0.06 -0.01 0.08 0.24 0.14 1 1 0.23
-0.6
Precipitación -0.1 0.01 0.02 1 0.25 0.11 0.08 0.08 0.01 0.2
Tratamiento 11
Temp.Min -0.2
-0.1 0.04 -0.09 0.11 0.52 1 0.14 0.13 0.67 0.8
0.8
Radiación.solar
Grafico79-3:
Radiación.solar -0.08 1 0 0.07 -0.06 -0.06 0.04 0 0.01 -0.4 0 1 -0.08 0.01 0 0.04 -0.06 -0.06 0.07
T9Flor -0.02 -0.07 -0.01 0.08 0.25 0.14 1 1 0.230.6 0.6
Temp.Max 0.09 0 1
T9Hoja -0.01 -0.06
0.56 -0.01 -0.01 -0.1
0 0.08 0.24 0.13
-0.59
1
-0.1
1 0.230.4
-0.6
Correlación Velocidad.del.viento 0.09 -0.08 1 0.02 -0.17 -0.09 -0.01 -0.01 -0.12
0.4
-1 Elaborado por:
Humedad -0.59 0 -0.17 0.25 1 0.52 0.24 0.23 0.08
Peñafiel Pablo, 2021
T11Flor -0.01 -0.06 -0.01 0.23 1 1 0.14 0.24 0.08 0 0
T11Hoja 0 -0.06 -0.01 0.22 1 1 0.13 0.23 0.08 -0.2 Elaborado por: Peñafiel Temp.Min -0.1 0.04 -0.09 0.11 0.52 1 0.14 0.13 0.67 -0.2
Pablo, 2021
-0.4 -0.4
Temp.Min -0.09 0.04 -0.1 0.67 0.14 0.13 1 0.52 0.11 T12Flor -0.02 -0.06 -0.01 0.08 0.24 0.14 1 1 0.23
-0.6 -0.6
Humedad -0.17 0 -0.59 0.08 0.24 0.23 0.52 1 0.25 T12Hoja -0.01 -0.06 -0.01 0.08 0.23 0.13 1 1 0.22
-0.8 -0.8
Precipitación 0.02 0.01 -0.1 0.01 0.08 0.08 0.11 0.25 1 Temperatura 0.56 0.07 -0.12 0.01 0.08 0.67 0.23 0.22 1
-1 -1
1 1
Temp.Max 1 0 0.09 -0.1 -0.59 -0.1 -0.02 -0.02 0.56 Temp.Max 1 0 0.09 -0.1 -0.59 -0.1 -0.02 -0.02 0.56
0.8 0.8
Radiación.solar 0 1 -0.08 0.01 0 0.04 -0.06 -0.07 0.07 Radiación.solar 0 1 -0.08 0.01 0 0.04 -0.07 -0.07 0.07
0.6 0.6
Velocidad.del.viento 0.09 -0.08 1 0.02 -0.17 -0.09 -0.01 -0.01 -0.12Velocidad.del.viento 0.09 -0.08 1 0.02 -0.17 -0.09 -0.01 -0.01 -0.12
0.4 0.4
Precipitación -0.1 0.01 0.02 1 0.25 0.11 0.08 0.08 0.01 Precipitación
0.2 -0.1 0.01 0.02 1 0.25 0.11 0.08 0.08 0.01 0.2
Humedad -0.59 0 -0.17 0.25 1 0.52 0.25 0.24 0.08 0Humedad -0.59 0 -0.17 0.25 1 0.52 0.25 0.24 0.08 0
-0.4 -0.4
T13Flor -0.02 -0.06 -0.01 0.08 0.25 0.14 1 1 0.23 T14Flor -0.02 -0.07 -0.01 0.08 0.25 0.14 1 1 0.23
-0.6 -0.6
T13Hoja -0.02 -0.07 -0.01 0.08 0.24 0.13 1 1 0.22 T14Hoja -0.02 -0.07 -0.01 0.08 0.24 0.13 1 1 0.22
-0.8 -0.8
Temperatura 0.56 0.07 -0.12 0.01 0.08 0.67 0.23 0.22 1 Temperatura 0.56 0.07 -0.12 0.01 0.08 0.67 0.23 0.22 1
-1 -1
80
De la Figuras 5-3 hasta Figura 12-3 muestra la matriz de correlación entre las variables meteorológicas y cada
Tratamiento, es importante notar que en ningún tratamiento tanto en hoja como en flor no se aprecia que existe una
correlación alta positiva , debido a que el valor de reflectancia puede ser afectado en menor medida con respecto a
variables meteorológicas.
81
GLOSARIO
82
CONCLUSIONES
RECOMENDACIONES
83
BIBLIOGRAFÍA.
84
Utilización En Un. [en línea], no. September, pp. 1–16. Disponible en:
file:///C:/Users/Ivann/Downloads/OBTENCION_A_ESCALA_DE_LABORATO
RIO_DE_OCTENILSUCCIN (1).pdf.
DE LA CRUZ, D.J.A., SÁNCHEZ, G.P., GALVIS, S.A. y CARRILLO, S.J.A., 2011,.
Spectral Indexes in Sweet Pepper for Diagnosis of Nitrogen Nutrient Status. Terra
Latinoamericana, vol. 29 (3), pp. 259–265.
DELEGIDO, J., PEZZOLA, A., CASELLA, A., WINSCHEL, C., URREGO, E.P.,
JIMENEZ, J.C., SOBRINO, J.A., SORIA, G. y MORENO, J., 2018,. Estimación
del grado de severidad de incendios en el sur de la provincia de Buenos Aires,
Argentina, usando Sentinel-2 y su comparación con Landsat-8. Revista de
Teledetección [en línea], vol. 2018, no. 51, pp. 47. [Consulta: 28 diciembre 2020].
ISSN 1988-8740. DOI 10.4995/raet.2018.8934. Disponible en:
https://polipapers.upv.es/index.php/raet/article/view/8934.
ESCUDERO, A.I., RECALDE, C.G., HARO, S.M. y MENESES, M.A., 2016,. Spline
cúbico para el tratamiento funcional de la radiación solar global. Informacion
Tecnologica, vol. 27, no. 2, pp. 153–162. ISSN 07180764. DOI 10.4067/S0718-
07642016000200018.
FEBRERO-BANDE, M. y DE LA FUENTE, M.O., 2012,. Statistical computing in
functional data analysis: The R package fda.usc. Journal of Statistical Software [en
línea], vol. 51, no. 4. ISSN 15487660. DOI 10.18637/jss.v051.i04. Disponible en:
https://www.jstatsoft.org/article/view/v051i04.
FIN DE GRADO, T., MIGUEL, D., LLAMAS, P., ÁNGEL, L. y ESCUDERO, G.,
2019,. Facultad de Ciencias Análisis de Datos Funcionales aplicado a datos de
temperatura en España. [en línea]. S.l.: [Consulta: 30 septiembre 2020]. Disponible
en: http://uvadoc.uva.es/handle/10324/38312.
FUNCTIONAL, U. y STATISTIC, D., 2016,. with Lethal Wilt , Using Functional Data
Statistic Analysis. , vol. 37, pp. 131–139.
GAO, H.O. y NIEMEIER, D.A., 2008,. Using functional data analysis of diurnal ozone
and NOx cycles to inform transportation emissions control. Transportation
Research Part D: Transport and Environment, vol. 13, no. 4, pp. 221–238. ISSN
13619209. DOI 10.1016/j.trd.2008.02.003.
GARCÍA ALONSO, A., 2016,. Estudio De La Reflectancia Espectral Y Modelos De
Predicción De Color En Mosaicos Vítreos. [en línea], pp. 48. Disponible en:
https://repositorio.unican.es/xmlui/bitstream/handle/10902/9203/Garcia Alonso
85
Andrea.pdf?sequence=1.
GIRALDO, R., DELICADO, P. y MATEU, J., 2010a,. Continuous time-varying kriging
for spatial prediction of functional data: An environmental application. Journal of
Agricultural, Biological, and Environmental Statistics, vol. 15, no. 1, pp. 66–82.
ISSN 10857117. DOI 10.1007/s13253-009-0012-z.
GIRALDO, R., DELICADO, P. y MATEU, J., 2010b,. Continuous time-varying
kriging for spatial prediction of functional data: An environmental application.
Journal of Agricultural, Biological, and Environmental Statistics [en línea], vol.
15, no. 1, pp. 66–82. [Consulta: 1 octubre 2020]. ISSN 10857117. DOI
10.1007/s13253-009-0012-z. Disponible en:
https://link.springer.com/article/10.1007/s13253-009-0012-z.
HERNÁNDEZ, J. y MONTANER, D., 2009,. Patrones De Respuesta Espectral.
Universidad de Chile [en línea], pp. 3. Disponible en:
http://www.gep.uchile.cl/Publicaciones/Hernández & Montaner 2009 SAF.pdf.
IDROBO, P., 2018,. Desarrollo de un modelo de simulacion mediante el software
epanet de la red de distribucion de agua potable de la cabecera cantonal de Guano,
provincia de Chimborazo. ,
INIAP-Estación Experimental Santa Catalina. , [sin fecha]. S.l.:
JIMÉNEZ, R.M.R., CAPA, Á.B. y LOZANO, A.P., 2004,. Meteorología Y
Climatología [en línea]. S.l.: s.n. ISBN 8468885355. Disponible en:
https://cab.inta-csic.es/uploads/culturacientifica/adjuntos/20130121115236.pdf.
LEMUS, ANDREA. MÉNDEZ, P., 2018,. Universidad Politécnica Salesiana Sede
Quito. Tesis [en línea], pp. 1–57. Disponible en:
http://dspace.ups.edu.ec/bitstream/123456789/5081/1/UPS-CYT00109.pdf.
MANUEL, J. y HERRERA, B., [sin fecha]. UNIVERSIDAD NACIONAL DE
COLOMBIA FACULTAD DE CIENCIAS´AREA CIENCIAS´ CIENCIAS
´AREA DE CIENCIAS NATURALES MEDELL´INMEDELL´MEDELL´IN
DETERMINACI´ONDETERMINACI´ DETERMINACI´ON DEL NIVEL
FOLIAR DE NUTRIENTES MEDIANTE ESPECTROSCOP
´IAESPECTROSCOP´ESPECTROSCOP´IA DE REFLECTANCIA. . S.l.:
MENESES-FREIRE, A., ZUÑIGA-LEMA, L. y HARO, A., [sin fecha]. MÉTODO
BOOTSTRAP PROPUESTO PARA HIPÓTESIS CONCERNIENTES A LA
DIFERENCIA DE MEDIAS EN VARIABLES INDEPENDIENTES. . S.l.:
MORALES, A. y MORAL, D.E.L., 2009,. Universidad de granada. , vol. 4, no. 2, pp.
86
185–190.
NOGUERALES, J.L.T., 2010,. Análisis de Datos Funcionales , Clasificación y
Selección de Variables. , pp. 67.
PAGOT, M., 2003,. Metodologías Inductivas Y Deductivas En Técnicas De
Teledetección. Problemas del Conocimiento en Ingeniería y Geología [en línea],
vol. I, pp. 114–129. Disponible en:
http://www.facultad.efn.uncor.edu/webs/departamentos/estruct/lgodoy/Problemas
Conocimiento/8_Pagot.pdf.
QUILLUPANGUI NASIMBA, C.D. y DARÍO, C., 2019,. Determinación del
comportamiento espectral de coberturas y usos de la tierra de la subcuenca del río
San Pedro. [en línea]. S.l.: Quito: UCE. [Consulta: 12 enero 2021]. Disponible en:
http://www.dspace.uce.edu.ec/handle/25000/19802.
RENÉ, I.A.L. y VILLCA, T., 2017,. UNIVERSIDAD MAYOR DE SAN ANDRÉS
FACULTAD DE AGRONOMÍA POSTGRADO TESIS DE MAESTRÍA
ESCENARIOS DEL IMPACTO DEL CLIMA FUTURO EN ÁREAS DE
PRODUCCIÓN DE QUINUA (Chenopodium quinoa) EN BOLIVIA. . S.l.:
SACRISTÁN ROMERO, F., 2005,. La Teledetección satelital y los sistemas de
protección ambiental. Civilizar, vol. 5, no. 9, pp. 1. ISSN 1657-8953. DOI
10.22518/16578953.701.
TAGUACUNDO ORTA, O.E., 2019,. “ Componentes Principales Funcionales De La
Radiación Solar Global De La Provincia De Chimborazo, 2014-2017”. Escuela
Superior Politécnica De Chimborazo,
TARRÍO SAAVEDRA, J., 2010,. Javier Tarrío Saavedra Julio 2010. ,
ึ ษา. ,
นพพงษ์ บุญจิตราดุลย์, 2529,. No Title หลักการบริหารการศก
ANEXOS
87
88
a