Esta no es la última versión de este ítem. La última versión se puede encontrar aquí.
Modelos de predicción del rendimiento de la caña de azúcar a partir de índices multiespectrales de vegetación en Honduras
No hay miniatura disponible
Publicado
Fecha
2022
Autores
Título de la revista
ISSN de la revista
Título del volumen
Editor
Zamorano: Escuela Agrícola Panamericana, 2022
Resumen
Estimaciones del rendimiento previas a la cosecha en la agroindustria azucarera permiten gestionar actividades comerciales competitivas acorde al mercado. El objetivo fue desarrollar modelos de predicción del rendimiento del cultivo de caña de azúcar a partir de índices de vegetación determinados con imágenes espectrales de drones y satélite con parámetros productivos, fenológicos y meteorológicos en la región central de Honduras. Con las imágenes espectrales se obtuvieron los índices de vegetación desde la semana 19 a la 44 después de corte en la segunda soca de las variedades RB 86-7515, CP 72-2086 y SP 79-1011. Se obtuvieron las bandas espectrales del rojo, borde rojo, e infrarrojo cercano y de onda corta para calcular los índices de vegetación diferencia normalizada, diferencia normalizada de borde rojo, diferencia normalizada de humedad, vegetación ajustada al suelo y clorofila de borde rojo. Las variables fenológicas fueron tomadas en ocho puntos de muestreo en cada variedad y las productivas se analizaron por lote. Las variables espectrales y fenológicas mostraron comportamientos diferentes entre cada variedad para cada evaluación y obtuvieron la mayor correlación entre ellas. El ajuste de los modelos de predicción estuvo directamente relacionado con los valores de los índices espectrales en cada etapa fenológica en las tres variedades. El mayor ajuste de los modelos se obtuvo en la variedad CP-702085 (0.97), seguido de las variedades RB-768515 (0.90) y SP 79-1011 en las semanas 33 y 44 (0.69 a 0.87) que variaron según la variable productiva y se presentaron entre las semanas 33 y 44 del cultivo.
Descripción
Palabras clave
Agricultura de precisión, Imágenes espectrales, Índices de vegetación, Productividad, Teledetección