Correlación de índices RGB de dron y Sentinel‑2 en arroz (Oryza sativa L.) en la UBPC Las Nuevas, Sancti Spíritus
Barra lateral del artículo
Contenido principal del artículo
Resumen
La producción de arroz en Cuba enfrenta una brecha significativa entre la demanda nacional y la oferta interna, agravada por limitaciones tecnológicas y de insumos. En este contexto, el presente estudio tuvo como objetivo evaluar la correlación entre índices espectrales derivados de ortofotografía RGB capturada con dron Phantom 4 y los índices multiespectrales obtenidos de imágenes Sentinel‑2 L2A, en arroz (Oryza sativa L.) en estado de plántula, en el lote 6 de la UBPC Las Nuevas, durante la época seca de 2020. La metodología incluyó el uso de QGIS 3.40 para el procesamiento de imágenes, cálculo de índices espectrales (NDVI, GNDVI, NDRE, VARI, ExG, CIVE), y análisis estadístico mediante el coeficiente de correlación de Pearson en Statgraphics. Los resultados evidenciaron correlaciones significativas entre los índices RGB y los índices satelitales: VARI-NDVI (r ≈ 0.74), ExG-GNDVI (r ≈ 0.67) y CIVE-NDRE (r ≈ -0.63). La validación en campo confirmó la homogeneidad del estado de plántula y la ausencia de estrés hídrico, en concordancia con los valores espectrales obtenidos. Se concluye que los índices RGB pueden ser utilizados como proxies confiables para el monitoreo agrícola multiescalar en condiciones de recursos limitados. Se recomienda ampliar el análisis a series temporales, incorporar nuevos índices como SAVI y BSI, y fortalecer la capacitación técnica en herramientas como QGIS y Statgraphics para mejorar la gestión agrícola en Cuba.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes:
- Los autores/as conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra, el cuál estará simultáneamente sujeto a la Licencia Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) que permite a terceros compartir la obra siempre que se indique su autor y su primera publicación esta revista. Bajo esta licencia el autor será libre de:
- Compartir — copiar y redistribuir el material en cualquier medio o formato
- Adaptar — remezclar, transformar y crear a partir del material
- El licenciador no puede revocar estas libertades mientras cumpla con los términos de la licencia
Bajo las siguientes condiciones:
- Reconocimiento — Debe reconocer adecuadamente la autoría, proporcionar un enlace a la licencia e indicar si se han realizado cambios. Puede hacerlo de cualquier manera razonable, pero no de una manera que sugiera que tiene el apoyo del licenciador o lo recibe por el uso que hace.
- NoComercial — No puede utilizar el material para una finalidad comercial.
- No hay restricciones adicionales — No puede aplicar términos legales o medidas tecnológicas que legalmente restrinjan realizar aquello que la licencia permite.
- Los autores/as podrán adoptar otros acuerdos de licencia no exclusiva de distribución de la versión de la obra publicada (p. ej.: depositarla en un archivo telemático institucional o publicarla en un volumen monográfico) siempre que se indique la publicación inicial en esta revista.
- Se permite y recomienda a los autores/as difundir su obra a través de Internet (p. ej.: en archivos telemáticos institucionales o en su página web) antes y durante el proceso de envío, lo cual puede producir intercambios interesantes y aumentar las citas de la obra publicada. (Véase El efecto del acceso abierto).
Citas
AGROLATAM: Agricultura de precisión en América Latina: avances en drones y digitalización, [en línea], 2025, Disponible en: https://www.agrolatam.com.
COHEN, J.: Statistical power analysis for the behavioral sciences, Ed. routledge, DOI: https://doi.org/10.4324/9780203771587 p., 2013, ISBN: 0-203-77158-3.
COPERNICUS: Sentinel‑2 mission overview, [en línea], Copernicus Programme, 2024, Disponible en: https://www.copernicus.eu/en/copernicus-services/sentinel-2.
ECOTV PANAMÁ.: Panamá revoluciona el cultivo de arroz con blockchain y agricultura de precisión, [en línea], Ecotvpanama, 2025, Disponible en: https://www.ecotvpanama.com.
EHSANPOUR, A.; GHANBARI, P.E.; AMINI, S.: “Monitoring chlorophyll in rice fields using Sentinel 2 and UAV images and applying machine learning”, Sepehr Journal, 2025, ISSN: 2588-3860, DOI: https://doi.org/10.22131/sepehr.2025.2045093.3102.
FAMARTÍNEZ, A.: Sentinel‑2 en R: cálculo de índices y correlación, [en línea], GitHub, 2023, Disponible en: https://github.com.
FAO: “Digital agriculture transformation and remote sensing applications”, En: Organización de las Naciones Unidas para la Alimentación y la Agricultura, Roma, Italia, 2023, DOI: . https://doi.org/10.4060/cc5170en.
FEDEARROZ: Hacia una agricultura de precisión en el cultivo del arroz. Federación Nacional de Arroceros de Colombia, [en línea], 2018, Disponible en: https://fedearroz-website-aws.s3.amazonaws.com/media/documents/cartilla_precision_2025.pdf.
GARCÍA, C.D.A.; RAMÓN, V.J.A.; ALZATE, V.D.F.; PALACIOS, G.J.R.: “Dynamics of the indices NDVI and GNDVI in a rice growing in its reproduction phase from multi-spectral aerial images taken by drones”, En: International Conference of ICT for Adapting Agriculture to Climate Change, Ed. Springer, pp. 106-119, 2018, DOI: https://doi.org/10.1007/978-3-030-04447-3_7.
GOIGOCHEA, D.; JUSTINO, P.M.; VEGA, H.S.S.; SANCHEZ, O.M.; LOBATO, G.R.H.; SANTILLAN, G.M.D.; GANOZA, R.J.J.; ORE, A.Z.L.; AGURTO, P.A.I.: “Yield prediction models for rice varieties using UAV multispectral imagery in the Amazon lowlands of Peru”, AgriEngineering, 6(3): 2955-2969, 2024, ISSN: 2624-7402, DOI: https://doi.org/10.3390/agriengineering6030170.
GUAN, S.; FUKAMI, K.; MATSUNAKA, H.; OKAMI, M.; TANAKA, R.; NAKANO, H.; SAKAI, T.; NAKANO, K.; OHDAN, H.; TAKAHASHI, K.: “Assessing correlation of high-resolution NDVI with fertilizer application level and yield of rice and wheat crops using small UAVs”, Remote Sensing, 11(2): 112, 2019, ISSN: 2072-4292, DOI: https://doi.org/10.3390/rs11020112.
HUETE, A.R.: “A soil-adjusted vegetation index (SAVI)”, Remote sensing of environment, 25(3): 295-309, 1988, ISSN: 0034-4257, DOI: https://doi.org/10.1016/0034-4257(88)90106-X.
INFOBAE: Cuba agudiza su crisis alimentaria: la producción de arroz cayó a mínimos históricos, [en línea], Infobae, 2025, Disponible en: https://www.infobae.com/america/america-latina/2025/04/02/cuba-agudiza-su-crisis-alimentaria-la-produccion-de-arroz-cayo-a-minimos-historicos/.
MDPI.: “Assessing correlation of high‑resolution NDVI with fertilizer application and rice yield”, Remote Sensing, 11(2): 112, 2019, ISSN: https://www.mdpi.com/2072-4292/11/2/112.
MONREAL, P.: Economista desmiente relato del consumo excesivo de arroz en Cuba, [en línea], Cibercuba, 2025, Disponible en: https://www.cibercuba.com.
NAGESWARA, R.D.; BADRI, J.; SUNDARAM, R.: “Sentinel-2 Derived Indices to Understand Rice Vegetation Dynamics at Pixel Level”, En: National Conference on CONTROL INSTRUMENTATION SYSTEM CONFERENCE, Ed. Springer, pp. 153-165, 2023, DOI: https://doi.org/10.1007/978-981-97-5157-0_13.
OSGEO: QGIS v3.40 Bratislava: User Guide, 2024.
PEDROSO DE LIMA, I.; JORGE, R.G.; DE LIMA, J.L.P.: “Remote sensing monitoring of rice fields: Towards assessing water saving irrigation management practices”, Frontiers in Remote Sensing, 2: 762093, 2021, ISSN: 2673-6187, DOI: https://doi.org/10.3389/frsen.2021.762093.
PERIÓDICO GIRÓN: ¿Qué perspectivas tiene la producción de arroz en Cuba?, [en línea], Girón, 2025, Disponible en: https://giron.cu/2025/03/05/produccion-de-arroz-en-cuba/.
PONVERT, D.D.R.; LAU, A.: “Uso de la teledetección en la gestión de desastres “naturales” en la agricultura. Apuntes y reflexiones.”, 2018.
QUILLE, M.J.A.; RUIZ, L.A.; RAMOS, F.L.: “Multiseasonal analysis of rice crop yield prediction with Sentinel-2 time series and UAV imagery in Lambayeque (Peru)”, The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 48: 421-426, 2024a, ISSN: 1682-1750, DOI: https://doi.org/10.5194/isprs-archives-XLVIII-3-421-2024.
QUILLE, M.J.A.; RUIZ, L.A.; RAMOS-FERNÁNDEZ, L.: “Multiseasonal analysis of rice crop yield prediction with Sentinel-2 time series and UAV imagery in Lambayeque (Peru)”, The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 48: 421-426, 2024b, ISSN: 1682-1750, DOI: https://doi.org/10.5194/isprs-archives-XLVIII-3-421-2024.
RUIZ, P.M.E.; GARCÍA, R.R.; MACHADO, G.N.: “Aplicación de drones en la agricultura internacional y cubana. Revisión”, Revista Ciencias Técnicas Agropecuarias, 33(1), 2024, ISSN: 2071-0054.
TUCKER, C.J.: “Red and photographic infrared linear combinations for monitoring vegetation”, Remote sensing of Environment, 8(2): 127-150, 1979, ISSN: 0034-4257, DOI: https://doi.org/10.1016/0034-4257(79)90013-0.
WIJAYANTO, Y.; SAFITRI, M.; PURNAMASARI, I.; BUDIMAN, S.A.; SAPUTRA, T.W.; REGAR, A.F.; RISTIYANA, S.: “Estimating the contents of Chlorophyll, Nitrogen, and Yields on Rice Through Sentinel-2 Vegetation Indices in Heterogeneous Land Management”, The Indonesian Journal of Geography, 56(3): 357-367, 2024, ISSN: 0024-9521, DOI: https://doi.org/10.22146/ijg.87159.