Multispectral Image Processing to Assess Sugarcane Nitrogen Needs
Article Sidebar
Main Article Content
Resumo
Population growth has led to an exponential demand for agricultural products, to meet this demand it is necessary to improve management and achieve efficient use of resources without compromising the sustainability of ecosystems, particularly agricultural ones. One of the technologies that facilitate these tasks is precision agriculture (PA), which focuses on the optimization of resources and inputs based on the compilation of precise and timely geo-information of variables of agricultural interest with high spatio-temporal variability, obtained through remote sensors of three types: images captured by satellites or airplanes, images obtained from manned and unmanned aerial vehicles (UAVs) and specific information with sensors mounted on machinery or in the field. These limitations were overcome by using multispectral images, which has increased applications for agricultural purposes. Currently, multispectral images allow quantifying soil moisture, monitoring the presence of droughts and the degree of crop water stress, estimating the temporal and spatial variability of evapotranspiration, monitoring phenology, detecting nutritional deficiencies, estimating the degree of weed infestation. and insects, calculate organic carbon and soil salinity, and estimate yields and agricultural production. The use of geospatial technologies in the PA has changed the paradigm of agriculture and today constitutes a viable alternative to face the challenges that food production demands in a world with high climate variability.
Article Details
Este trabalho encontra-se publicado com a Creative Commons Atribuição-NãoComercial 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).
Referências
BASSO, B.: Perspectivas y avances del uso de UAV en AP en USA, Curso Internacional de Agricultura de Precisión ed., vol. 13, Manfredi, Córdoba, Argentina, 9, 24-25, p., 2014.
BEST, S.; LEÓN, L.; FLORES, F.; AGUILERA, H.; QUINTANA, R.; CONCHA, V.: Handbook “Agricultura de Precisión”, [en línea], Ed. Progap – INIA (Programa de Agricultura de Precisión), Progap-INIA. ed., 2011, Disponible en: http://www.elsitioagricola.com/CultivosExtensivos/LibroIniaAP/lil ib3.asp.
BLACKMORE, S.: The role of yield maps in precision farming, Cranfield University, Silsoe, England, Tesis doctoral, Silsoe, England, Publisher: Cranfield University Silsoe, UK p., 2003.
BONGIOVANNI, R.; CHARTUNI, E.; BEST, S.; ROEL, Á.: Agricultura de precisión: Integrando conocimientos para una agricultura moderna y sustentable. Programa Cooperativo para el Desarrollo Tecnológico Agroalimentario y Agroindustrial del Cono Sur;, Inst. Instituto Interamericano de Cooperación para la Agricultura, Procisur/IICA, 2006.
CANDIAGO, S.; REMONDINO, F.; DE GIGLIO, M.; DUBBINI, M.; GATTELLI, M.: “Evaluating multispectral images and vegetation indices for precision farming applications from UAV images”, Remote sensing, 7(4): 4026-4047, 2015, ISSN: 2072-4292, Publisher: Multidisciplinary Digital Publishing Institute.
CETIN, H.; PAFFORD, J.; MUELLER, T.: “Precision agriculture using hyperspectral remote sensing and GIS”, En: Proceedings of 2nd International Conference on Recent Advances in Space Technologies, 2005. RAST 2005., Ed. IEEE, pp. 70-77, 2005, ISBN: 0-7803-8977-8.
CHUVIECO, E.: “Mirar desde el espacio o mirar hacia otro lado: tendencias en teledetección y su situación en la geografía española”, Documents d’anàlisi geogràfica, (50): 75-85, 2007, ISSN: 2014-4512.
COLAIZZI, P.D.; BARNES, E.M.; CLARKE, T.R.; CHOI, C.Y.; WALLER, P.M.: “Estimating soil moisture under low frequency surface irrigation using crop water stress index”, Journal of irrigation and drainage engineering, 129(1): 27-35, 2003, ISSN: 0733-9437, Publisher: American Society of Civil Engineers.
FISHER, P.; UNWIN, D.: Re-presenting geographical information systems, Ed. Re–presenting GIS. London: Wiley, London, England, 1-17 p., 2005.
GAGO, J.; DOUTHE, C.; COOPMAN, R.E.; GALLEGO, P.P.; RIBAS-CARBO, M.; FLEXAS, J.; ESCALONA, J.; MEDRANO, H.: “UAVs challenge to assess water stress for sustainable agriculture”, Agricultural Water Management, 153: 9-19, 2015, ISSN: 0378-3774, Publisher: Elsevier.
GARCÍA, C.; HERRERA, F.: “Percepción remota en cultivos de caña de azúcar usando una cámara multiespectral en vehículos aéreos no tripulados”, En: Anais Simposio Brasileiro de sensoramiento remoto-SBSR (17, 2015, João Pessoa-PB, Brasil). Memoria. Brasil, João Pessoa-PB, Brasil, pp. 4450-4457, 2015.
GARCÍA-CERVIGÓN, J.J.D.: Estudio de índices de vegetación a partir de imágenes aéreas tomadas desde UAS/RPAS y aplicaciones de éstos a la agricultura de precisión., Inst. Universidad Complutense de Madrid, Madrid, España, 2015.
GATES, D.M.; KEEGAN, H.J.; SCHLETER, J.C.; WEIDNER, V.R.: “Spectral properties of plants”, Applied optics, 4(1): 11-20, Publisher: Optica Publishing Group, 1965, ISSN: 2155-3165.
GITELSON, A.A.; MERZLYAK, M.N.: “Remote estimation of chlorophyll content in higher plant leaves”, International journal of remote sensing, 18(12): 2691-2697, 1997, ISSN: 0143-1161.
GUTIERREZ-RODRIGUEZ, M.; ESCALANTE-ESTRADA, J.A.; RODRIGUEZ-GONZALEZ, M.T.: “Canopy reflectance, stomatal conductance, and yield of Phaseolus vulgaris L. and Phaseolus coccinues L. under saline field conditions”, International Journal of Agriculture and Biology, 7: 491-494, 2005.
HIDALGO-TOGORES, J.: La calidad del vino desde el viñedo, Ed. Mundi-Prensa Libros, Madrid, España, 2006, ISBN: 84-8476-462-1.
LOPES, M.S.; REYNOLDS, M.P.: “Stay-green in spring wheat can be determined by spectral reflectance measurements (normalized difference vegetation index) independently from phenology”, Journal of Experimental Botany, 63(10): 3789-3798, 2012, ISSN: 1460-2431, Publisher: Oxford University Press.
QUEBRAJO-MOYA, L.; EGEA-CEGARRA, G.; PÉREZ-RUIZ, M.; PÉREZ-URRESTARAZU, L.: “Uso de imágenes térmicas aéreas en remolacha azucarera (Beta vulgaris) para propuesta de riego de precisión”, En: XXXIV Congreso Nacional de Riegos, Sevilla 2016, Ed. Escuela Universitaria de Ingeniería Técnica Agrícola, Sevilla, España, 2016.
RAHMAN, M.; ISLAM, A.; RAHMAN M, A.: “NDVI derived sugarcane area identification and crop condition assessment [J]”, Plan Plus, 1(2): 1-12, 2004.
REES, S.; DOYLE, R.: “Effect of soil properties on Pinot Noir vine vigour and root distribution in Tasmanian vineyards”, En: 19th World Congress of Soil Science, Soil Solutions for a Changing World, pp. 1-6, 2010.
SÁIZ-RUBIO, V.; ROVIRA-MÁS, F.: “Dynamic segmentation to estimate vine vigor from ground images”, Spanish Journal of Agricultural Research, 10(3): 596-604, 2012, ISSN: 1695-971X, Publisher: Instituto Nacional de Investigación y Tecnología Agraria y Alimentaria (INIA).
TARDÁGUILA, J.; BARRAGÁN, F.; YANGUAS, R.; DIAGO, M.: “Estimación de la variabilidad del vigor del viñedo a través de un sensor óptico lateral terrestre. Aplicación en la viticultura de precisión”, En: VI Foro Mundial del Vino. Logroño, 23-25 abril 2008, World Wine Forum", Logroño. Spain, 2008.
TIAN, L.: “Development of a sensor-based precision herbicide application system”, Computers and electronics in agriculture, 36(2-3): 133-149, 2002, ISSN: 0168-1699, Publisher: Elsevier.
TORRES-SÁNCHEZ, J.; PEÑA-BARRAGÁN, J.; GÓMEZ-CANDÓN, D.; DE CASTRO, A.; LÓPEZ-GRANADOS, F.: “Imagery from unmanned aerial vehicles for early site specific weed management”, En: Precision agriculture’13, Ed. Springer, pp. 193-199, 2013.
TOWERS, P.; VON MARTINI, A.: Conceptos iniciales sobre teledetección y su aplicación al Agro, [en línea], Buenos Aires. Argentina, 2002, Disponible en: http://www.elsitioagricola.com/Soft/agrisat/libroTeledeteccion.a sp.
VARVEL, G.E.; SCHEPERS, J.S.; FRANCIS, D.D.: “Ability for in‐season correction of nitrogen deficiency in corn using chlorophyll meters”, Soil Science Society of America Journal, 61(4): 1233-1239, 1997, ISSN: 0361-5995, Publisher: Wiley Online Library.
VIRLET, N.; COSTES, E.; MARTINEZ, S.; KELNER, J.J.; REGNARD, J.L.: “Multispectral airborne imagery in the field reveals genetic determinisms of morphological and transpiration traits of an apple tree hybrid population in response to water deficit”, Journal of Experimental Botany, 66(18): 5453-5465, 2015, ISSN: 1460-2431, Publisher: Oxford University Press UK.
WEEKLEY, J.G.: Multispectral imaging techniques for monitoring vegetative growth and health, Virginia Polytechnic Institute and State University, Thesis of Máster, Virginia, USA, Publisher: Virginia Tech p., publisher: Virginia Tech, 2007.
ZARCO-TEJADA, P.J.; MILLER, R.J.; NOLAND, T.L.; MOHAMMED, H.G.; SAMPSON, H.P.: “Scaling-up and model inversion methods with narrowband optical indices for chlorophyll content estimation in closed forest canopies with hyperspectral data”, IEEE Transactions on Geoscience and Remote Sensing, 39(7): 1491-1507, 2001, ISSN: 0196-2892.