Evaluación de sistemas de irrigación para cultivos de arroz utilizando imágenes multiespectrales adquiridas desde dron y satélite

El presente trabajo integra imágenes del satélite Sentinel-2 con las imágenes obtenidas de los Sistemas de Aeronaves Pilotadas a Distancia (RPAS, por sus siglas en inglés) para explorar la capacidad de los índices de vegetación (VI) como herramientas para la identificación de indicadores de calidad...

Full description

Autores:
Murillo Carrasquilla, Miguel Angel
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2022
Institución:
Universidad de Ibagué
Repositorio:
Repositorio Universidad de Ibagué
Idioma:
spa
OAI Identifier:
oai:repositorio.unibague.edu.co:20.500.12313/4817
Acceso en línea:
https://hdl.handle.net/20.500.12313/4817
Palabra clave:
Cultivo de arroz - Sistema de irrigación
Cultivo de arroz - Imágenes multiespectrales
MIRI
AWD
Plataformas
Estrés hídrico
VI
MIRI
AWD
Water stress
Platforms VI
Rights
openAccess
License
http://purl.org/coar/access_right/c_abf2
id UNIBAGUE2_825ed6bf92d9c6e77f4fa45dfc7a6390
oai_identifier_str oai:repositorio.unibague.edu.co:20.500.12313/4817
network_acronym_str UNIBAGUE2
network_name_str Repositorio Universidad de Ibagué
repository_id_str
dc.title.spa.fl_str_mv Evaluación de sistemas de irrigación para cultivos de arroz utilizando imágenes multiespectrales adquiridas desde dron y satélite
title Evaluación de sistemas de irrigación para cultivos de arroz utilizando imágenes multiespectrales adquiridas desde dron y satélite
spellingShingle Evaluación de sistemas de irrigación para cultivos de arroz utilizando imágenes multiespectrales adquiridas desde dron y satélite
Cultivo de arroz - Sistema de irrigación
Cultivo de arroz - Imágenes multiespectrales
MIRI
AWD
Plataformas
Estrés hídrico
VI
MIRI
AWD
Water stress
Platforms VI
title_short Evaluación de sistemas de irrigación para cultivos de arroz utilizando imágenes multiespectrales adquiridas desde dron y satélite
title_full Evaluación de sistemas de irrigación para cultivos de arroz utilizando imágenes multiespectrales adquiridas desde dron y satélite
title_fullStr Evaluación de sistemas de irrigación para cultivos de arroz utilizando imágenes multiespectrales adquiridas desde dron y satélite
title_full_unstemmed Evaluación de sistemas de irrigación para cultivos de arroz utilizando imágenes multiespectrales adquiridas desde dron y satélite
title_sort Evaluación de sistemas de irrigación para cultivos de arroz utilizando imágenes multiespectrales adquiridas desde dron y satélite
dc.creator.fl_str_mv Murillo Carrasquilla, Miguel Angel
dc.contributor.advisor.none.fl_str_mv Barrero Mendoza, Oscar
Fernandez G, Jose Armando
dc.contributor.author.none.fl_str_mv Murillo Carrasquilla, Miguel Angel
dc.subject.armarc.none.fl_str_mv Cultivo de arroz - Sistema de irrigación
Cultivo de arroz - Imágenes multiespectrales
topic Cultivo de arroz - Sistema de irrigación
Cultivo de arroz - Imágenes multiespectrales
MIRI
AWD
Plataformas
Estrés hídrico
VI
MIRI
AWD
Water stress
Platforms VI
dc.subject.proposal.spa.fl_str_mv MIRI
AWD
Plataformas
Estrés hídrico
VI
dc.subject.proposal.eng.fl_str_mv MIRI
AWD
Water stress
Platforms VI
description El presente trabajo integra imágenes del satélite Sentinel-2 con las imágenes obtenidas de los Sistemas de Aeronaves Pilotadas a Distancia (RPAS, por sus siglas en inglés) para explorar la capacidad de los índices de vegetación (VI) como herramientas para la identificación de indicadores de calidad que permitan establecer un criterio de evaluación de diferentes prácticas de riego como MIRI, AWD y riego por gravedad aplicados en los cultivos de arroz de la región del Tolima. Como también, se realiza un análisis estadístico de los datos de dron y satélite con relación a los diferentes tratamientos hídricos del ensayo (MIRI, AWD y riego por gravedad) para establecer el grado de asociación existente entre ambas plataformas. Para esto se estimaron los índices NDVI, GNDVI, OSAVI, GBNDVI, EVI donde se obtuvo un coeficiente de correlación de 0.910334 ,0.926508, 0.981770, 0.908181, 0.9381 y errores rmse de 0.08087, 0.05084, 0.05777, 0.10978, 0.06690 respectivamente. De igual manera, se evaluaron los índices NDWI, MSI, SIWSI, LWCI, obtenidos exclusivamente por medio de imágenes satelitales y enfocados en la detección del estrés hídrico en plantas con el objetivo de encontrar un indicador alternativo para la detección de estrés hídrico utilizando imágenes adquiridas por medio de dron. Para esto último, se logró identificar una fuerte correlación entre un indicador basado en las imágenes del sensor térmico tomadas por medio de dron y los índices NDWI, MSI, SIWSI y LWCI. Arrojando un coeficiente de correlación de 0.842687, -0.814698, 0.831263 y 0.849707 respectivamente.
publishDate 2022
dc.date.issued.none.fl_str_mv 2022
dc.date.accessioned.none.fl_str_mv 2025-03-13T14:45:02Z
dc.date.available.none.fl_str_mv 2025-03-13T14:45:02Z
dc.type.none.fl_str_mv Trabajo de grado - Pregrado
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.content.none.fl_str_mv Text
dc.type.driver.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.redcol.none.fl_str_mv http://purl.org/redcol/resource_type/TP
dc.type.version.none.fl_str_mv info:eu-repo/semantics/acceptedVersion
format http://purl.org/coar/resource_type/c_7a1f
status_str acceptedVersion
dc.identifier.citation.none.fl_str_mv Murillo Carrasquilla, M.A. (2023). Evaluación de sistemas de irrigación para cultivos de arroz utilizando imágenes multiespectrales adquiridas desde dron y satélite. [Trabajo de grado, Universidad de Ibagué]. https://hdl.handle.net/20.500.12313/4817
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12313/4817
identifier_str_mv Murillo Carrasquilla, M.A. (2023). Evaluación de sistemas de irrigación para cultivos de arroz utilizando imágenes multiespectrales adquiridas desde dron y satélite. [Trabajo de grado, Universidad de Ibagué]. https://hdl.handle.net/20.500.12313/4817
url https://hdl.handle.net/20.500.12313/4817
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.references.none.fl_str_mv DANE–Departamento Administrativo Nacional de Estadística–(2021), “Encuesta nacional de arroz mecanizado II semestre 2021 [en línea].”, 2021
M. R. Duran Gomez, "Caracterización de índice de estrés hídrico del cultivo de arroz mediante el uso de sensores térmicos y de humedad del suelo en La Molina", 2018.
M. A. Carrillo Romero, "Investigación documental de tecnologías de producción agrícola en el cultivo de arroz (oryza sativa) para optimizar el uso del agua en el distrito de riego de el Zulia, Norte de Santander", 2021.
M. D. L. A. Ramirez Loaiza y K. L. Roa Velazquez, "Propuesta de una VAC System para el desarrollo de sistemas de producción agroecológica en la finca.", 2020.
J. J. Vargas Hoyos, “Implementación de modelo operacional para mejorar el manejo del agua de sistemas riego en conducciones abiertas.”,2020
A. S. Semanat, L. R. Hung y D. C. Piñol, "TELEDETECCIÓN DE ESTRÉS EN CULTIVOS DE CAÑA A TRAVÉS DE IMÁGENES MULTIESPECTRALES.", Telematica, vol. 20, n.o 4, pp. 25–39, 2021.
S. Kharuf-Gutierrez, L. Hernández-Santana, R. Orozco-Morales, O. D. L. C. Aday Díaz, y I. Delgado Mora, ”Análisis de imágenes multiespectrales adquiridas con vehículos aéreos no tripulados”, Ingeniería Electrónica, Automática y Comunicaciones, vol.39, n.°2, pp. 79-91, 2018.
A. Castrejon de la Cruz, y J. W. Diaz Cubas, “Teledetección de minerales generadores de acidez y metales pesados, usando imágenes satelitales ráster en el distrito de Bambamarca, Cajamarca-2018.”, 2018.
L. A. Martínez Conde, “Optimización de la clasificación supervisada de imágenes de satélite a partir de información de RPAS para la actualización de la variable Cobertura del Suelo del Marco Maestro Rural Agropecuario (MMRA).”,2020
M. Ramírez, L. Martínez, M. Montilla, O. Sarmiento, J. Lasso, y S. Diaz, “Obtención de coberturas del suelo agropecuarias en imágenes satelitales Sentinel-2 con la inyección de imágenes de dron usando Random Forest en Google Earth Engine.”, Revista de Teledetección, n.°56, pp.49-68, 2020.
C. M. Gevaert, J. Suomalainen, J. Tang, y L. Kooistra, “Generation of spectral–temporal response surfaces by combining multispectral satellite and hyperspectral UAV imagery for precision agriculture applications.”, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol.8, n.°6, 2015.
DNP-BID, “Impactos Económicos del Cambio Climático”, Síntesis, Bogotá-Colombia, 2014.
O. S. P. Carrillo, H. F. Torres, G. A. T. Rodríguez y J. M. T González, “Impactos del cambio climático sobre los rendimientos del arroz (Oryza sativa L.) en la Zona Llanos”,Aglala, Colombia. vol. 11, n°. 2, pp. 94-106, 2020.
D. Lozano Chamorro y N. Cortés González, “Evaluación de la huella hídrica del proceso productivo del arroz (oryza sativa) en el municipio del Espinal–Tolima y su incidencia ambiental en el área de influencia.”, 2017.
J. P. Dash, G. D. Pearse, y M. S. Watt, “UAV multispectral imagery can complement satellite data for monitoring forest health.”, Remote Sensing, vol.10 n.°8, 2018.
M. Pla, G. Bota, A. Duane, J. Balagué, A. Curcó, R. Gutiérrez, y L. Brotons, “Calibrating Sentinel-2 imagery with multispectral UAV derived information to quantify damages in Mediterranean rice crops caused by Western Swamphen (Porphyrio porphyrio).” Drones, vol.3, n.°2, pp.45, 2019.
M. López Hernández, “Monitoreo del estrés hídrico en cultivo de maíz (zea mays l.) mediante imágenes multiespectrales de un vehículo aéreo no tripulado”, Tesis de doctorado, 2021.
J. A. Q. Mamani, L. R. Fernández, y R. E. Ontiveros, “Relación de la altura de planta del cultivo de arroz bajo estrés hídrico con índices de vegetación obtenidas de imágenes de dron.”, 2019.
H. Villar, “Estrés Hídrico del Cultivo de Arroz IR 71706 Vía Termografía Mejorada y Calibrada del Área del Dósel en la UNAL.”, Tesis de pregrado, Universidad Nacional Agraria La Molina, Lima, Perú, 2019.
M. F. Rodríguez Velásquez, “Evaluación de índices radiométricos para cultivos y cuerpos de agua en el departamento del Tolima a partir del uso de Google Earth Engine.”, 2021
M. D. P. Amortegui Caicedo y A. M. Cardoso Romero, “Análisis Multitemporal De La Cobertura Vegetal Frente A La Agricultura En La Vereda Guasimal, Espinal, Tolima.”, 2021.
D. E. Chavarria Alava, “Diferenciación de productividad en términos económicos en el manejo del rebrote “soca” en el cultivo del arroz en el cantón Daule provincia del Guayas.”, 2017.
J. C. GAIBOR APUNTE, "Comportamiento de la planta de arroz (Oryza sativa L.) según su estado fenológico a distintos niveles de salinidad", Tesis de Licenciatura, UTB, Babahoyo, 2019.
M. L. GAMBOA VIVA, "Aplicación de programas de fertilización en el cultivo de arroz (Oryza sativa L.), bajo condiciones de riego, en la zona de Pimocha, Los Ríos. 2019.", Tesis de Licenciatura, UTB, Babahoyo, 2019.
P. M. Martínez Robles, “Evaluación del potencial alelopático de la pajilla de arroz en el control de las floraciones algales producidas por Microcystis aeruginosa (KÜTZING).”, 2018.
I. Ramos y M. Rolando, “Resupuesta al estrés por déficit Hídrico en genotipos de papa (Solanum sp.) bajo condiciones de invernadero.”, 2014.
R. López López, R. Arteaga Ramírez, M. A. Vázquez Peña, I. López Cruz, y I. Sánchez Cohen, “Índice de estrés hídrico como un indicador del momento de riego en cultivos agrícolas.”, Agricultura técnica en México, vol.35, n.°1, pp. 97-111, 2009.
C. A. Mazuera Fernández y J. D. Neira Rodríguez, “Análisis de los costos de producción de arroz, oriza satival, en el municipio de Saldaña, Tolima. Método pulver vs método tradicional de manejo.”, 2009.
D. A. Muñoz, “Diagnóstico de la degradación de los suelos en cultivos de arroz riego intermitente y secano bajo el sistema de labranza tradicional aplicado, en los llanos del Casanare.”, Maestría en Ingeniería Ambiental, 2016.
J. L. Correa Alcántara, "Efecto de dos métodos de riego (inundado mejorado e intermitencia) sobre los componentes del rendimiento en 5 variedades de arroz producidos en la zona centro-sur de Chile", tesis doctoral, Universidad de Talca, 2020.
M. B. Jiménez, “Importancia de los factores climáticos en el cultivo de arroz: Importance of climate factors in rice crop. CIENCIA Y TECNOLOGÍA AGROPECUARIA, vol. 6, n.° 1, pp. 28-34, 2021.
M. González, y A. M. Alonso, “Tecnologías para ahorrar agua en el cultivo de arroz.”, Nova, vol. 14, n° 26, pp. 63-78, 2016.
D. F. P. Suárez, y R. M. S. Román, “Consumo de água em arroz irrigado por inundação em sistema de multiplas entradas.” Irriga, vol. 1, n.° 1, pp. 78-78, 2016.
J. B. Huancahuire Quispe, “Determinación del estrés hídrico en el cultivo de vid (Vitis vinífera) var. Red Globe mediante el uso de imágenes multiespectrales bajo condiciones de Majes–Arequipa.”, 2021.
P.C. Robert, “Precision agriculture: new developments and needs in remote sensing and technologies. Ecosystems’ Dynamics Agricultural Remote Sensing and Modeling, and Site-Specific Agriculture.”, 2004.
D. A. Changalombo Valencia , y J. A. Rivera Rivera "Evaluación de la dinámica temporal de la cobertura vegetal del Cantón Salcedo mediante el uso de imágenes satelitales desde el año 2000 al 2020", Tesis de Licenciatura, Universidad Técnica de Cotopaxi (UTC)., Ecuador: Latacunga, 2021.
L. G. Farrera Alcaraz, y E. Díaz López, “Levantamiento topográfico con Aplicación de fotogrametría en el Cráter del volcán chichón mediante Un vehículo aéreo no tripulado.”, 2021.
J. D. Garavito Sánchez, “Clasificación de uso y cobertura del suelo Corine Land Cover y elaboración de cartografía temática como sustentación a él Plan General de Ordenación Forestal (pgof) ya la fase de diagnóstico del plan de ordenación de cuencas Rio Loro y Rio las Ceibas en el departamento de Huila.”, 2017.
M. I. Sampedro Garzón, “Determinación de los Indices de vegetación normalizada en dos Parroquias Rurales del Canton Latacunga Alaquez y San Buenaventura en el periodo 2016-2017”,Tesis de Licenciatura, Universidad Técnica de Cotopaxi (UTC), Ecuador: Latacunga, 2017.
S. Trueba Aja, “Análisis de imágenes multiespectrales aéreas de vegetación.”, 2017.
C. Alonso, V. Moreno, y E. Rodríguez, “Determinación experimental de la firma espectral de la vegetación. una sencilla práctica de introducción a la teledetección.” TELEDETECCIÓN, pp. 429-43, 1999.
B. Puebla, y D. Sttugar, “Caracterización geomorfológica y estructural en el Parque Nacional Galápagos mediante Teledetección. Caso de estudio: zona noreste de la Isla San Cristóbal “Tesis de licenciatura, UCE, 2020.
R. Chuchón Prado, “Láminas de riego en el cultivo de papa (Solanum tuberosum L.) variedad “única” mediante riego por goteo en La Molina”, 2019.
Á. J. Mena Espinosa, “Procesamiento de Imágenes Satelitales Multiespectrales.”, 2014.
B. J. G. Rodríguez, J. O. A. Tovar, y Ó. L. G. Navarrete, “Uso de la espectroscopia Vis NIR-SWIR para la predicción del estado hídrico de las plantas de soya en el Piedemonte Llanero Colombiano”, Dyna, vol. 86, n.° 210, pp. 125, 2019.
H. S. Pérez Cubas, “Estimación del estrés hídrico del cultivo de arroz a partir de imágenes térmicas de un VANT en Ferreñafe, Lambayeque.”, 2020.
H. S. Pérez Cubas, “Estimación del estrés hídrico del cultivo de arroz a partir de imágenes térmicas de un VANT en Ferreñafe, Lambayeque.”, 2020.
G. A. Perilla, y J. F. Mas, “Google Earth Engine (GEE): una poderosa herramienta que vincula el potencial de los datos masivos y la eficacia del procesamiento en la nube.”, Investigaciones geográficas, n.° 101, 2020.
Accedido el 20 de octubre de 2022. [Imagen]. Disponible: https://n9.cl/2o4ad
Matrice 300 RTK – Das Arbeitspferd – DJI. (s.f.). DJI. https://n9.cl/devi0
Pix4D, S. A. Pix4D. Pix4D SA., 2021.
Costales Acurio, G. A. (2018). Análisis comparativo entre los software de prueba Agisoft Photoscan y Pix4D para el procesamiento de datos obtenidos con fotogrametría de vehículo aéreo no tripulado (UAV) de bajo costo aplicado a proyectos de medio ambiente (Bachelor's thesis, Quito, 2018.
R. González Duque, Python para todos. 2011.
A. L. Valdiviezo Castro, “Manejo del software QGis para gestionar datos de redes de distribución de agua en la Urb. Miraflores”, 2019.
QGIS project. "2. Prólogo —documentación de QGIS-". Documentation. https://n9.cl/baclr (accedido el 15 de octubre de 2022).
Google Earth Engine. (s.f.). Google Earth Engine. https://n9.cl/iozvw
A. González, , G. Amarillo, M. Amarillo, y F. Sarmiento, “Drones aplicados a la agricultura de precisión.” Publicaciones e Investigación, vol. 10, pp. 23-37, 2016.
R. L. Lawrence, and W. J. Ripple, “Comparisons among vegetation indices and bandwise regression in a highly disturbed, heterogeneous landscape: Mount St. Helens, Washington.” Remote Sensing of environment, vol. 64, n.° 1, pp. 91-102, 1998.
F. D. Frolla, H. R Krüger, y J. P. Zilio, “RELACIÓN ENTRE INDICES OPTICOS Y LA PROFUNDIDAD DE SUELOS EN 6 AÑOS DE TRIGO.”, 2017.
C. H. Cristancho Toloza, “Análisis de imágenes aéreas como apoyo para el seguimiento de cultivos de pasto para consumo bovino.”, 2020.
H. Santoso, T. Gunawan, R. H. Jatmiko, W. Darmosarkoro, and B. Minasny, ”Mapping and identifying basal stem rot disease in oil palms in North Sumatra with QuickBird imagery.”, Precision Agriculture, vol. 12, n.° 2, pp. 233-248, 2011.
O. Strashok, M. Ziemiańska, and V. Strashok, “Evaluation and Correlation of Sentinel-2 NDVI and NDMI in Kyiv (2017–2021).” Journal of Ecological Engineering, vol. 23, n.° 9, pp. 212-218, 2022.
R. Fensholt, and I. Sandholt, “Derivation of a shortwave infrared water stress index from MODIS near- and shortwave infrared data in a semiarid environment.”, Remote Sensing of Environment, vol. 87, pp. 111−121, 2003.
S. Khanna, A. Palacios-Orueta, M. L. Whiting, S. L. Ustin, D. Riaño, and J. Litago, “Development of angle indexes for soil moisture estimation, dry matter detection and land-cover discrimination.” Remote sensing of environment, vol. 109, n.° 2, pp. 154-165, 2007.
C. Álvarez, y O. Padilla, “Estimación de contaminación del aire por PM10 en Quito determinado por índices ambientales obtenidos con imágenes satelitales Landsat ETM+”, Tesis de doctorado, Universidad de las Fuerzas Armadas ESPE, Sangolguí, Ecuador, recuperado de https://n9.cl/rtlxz, 2014.
L. M. Santana Rodríguez, L. A. Escobar Jaramillo, y P. A. Capote, “Estimación de un índice de calidad ambiental urbano, a partir de imágenes de satélite.” Revista de Geografía Norte Grande, n.° 45, pp. 77-95, 2010.
B. Villatoro, “Uso de índices de vegetación NDWI y MSI obtenidos de imágenes satelitales Sentinel-2 y Landsat 8 para monitoreo de humedad, como indicador de momento óptimo de cosecha en caña de azúcar.” Memoria, 2019.
3.4.3.6. Sentinel-2 — Semi-Automatic Classification Plugin 7.9.7.1 documentation. (s. f.). Recuperado 17 de octubre de 2022, de https://n9.cl/n7of3
D. Rocchini, “Effects of spatial and spectral resolution in estimating ecosystem α-diversity by satellite imagery.” Remote Sensing of Environment, vol. 111, n°. 4, pp. 423-434, 2007.
A. López Jáuregui, y P. Elosua Oliden, “Estimaciones bootstrap para el coeficiente de determinación: un estudio de simulación.”Revista Electrónica de Metodología Aplicada, vol. 9 n.°2, pp. 1-14, 2004.
C. N. Bouza-Herrera, ”Modelos de regresión y sus aplicaciones.” Reporte Técnico, vol. 62, 2018.
P. López-Roldán, y S. Fachelli, “Análisis de regresión.” Metodología de la investigación social cuantitativa, 2016.
F. Capraro, S. Tosetti, J. Gimenez, y V Mut, “Cálculo de CWSI en base a imágenes termográficas para el análisis de estrategias de riego deficitario en tomate.” In XII Congreso de AgroInformática, Modalidad virtual, 2020.
F. Capraro, S. Tosetti, J. Gimenez, y V Mut, “Cálculo de CWSI en base a imágenes termográficas para el análisis de estrategias de riego deficitario en tomate.” In XII Congreso de AgroInformática, Modalidad virtual, 2020.
A.R. Aston, C.H.M. Van Bavel, “Soil surface water depletion and leaf temperature.”, Agron, vol. 64, pp. 368-373,1972.
H. G. Jones, “Use of infrared thermometry for estimation of stomatal conductance as a possible aid to irrigation scheduling.” Agricultural and forest meteorology, vol. 95, n.° 3, pp. 139-149, 1999.
S.B. Idso, R.D.Jackson, P.J Pinter, R.J. Reginato, J.L. Hatfield, “Normalizing the stress degree day for environmental variability.” Agric Meteorol, pp. 24-45, 1981.
H.G. Jones, ”Application of thermal imaging and infrared sensing in plant physiology and ecophysiology.”, Advances in Botanical Research, vol. 41, pp. 108-155, 2004.
J. Bellvert, P. J. Zarco, J. Girona, and E. J. P. A Fereres, “Mapping crop water stress index in a ‘Pinot-noir’vineyard: comparing ground measurements with thermal remote sensing imagery from an unmanned aerial vehicle.”, Precision agriculture, vol. 15, n.° 4, pp. 361-376, 2014.
J. Bellvert, P. J. Zarco, J. Girona, and E. J. P. A Fereres, “Mapping crop water stress index in a ‘Pinot-noir’vineyard: comparing ground measurements with thermal remote sensing imagery from an unmanned aerial vehicle.”, Precision agriculture, vol. 15, n.° 4, pp. 361-376, 2014.
Y. Gu, J. F. Brown, J. P. Verdin, and B. Wardlow, “A Five-Year Analysis of MODIS NDVI and NDWI for Grassland Drought Assessment over the central Great Plains of the United States.” Geophysical research letters, vol. 34, n.° 6, 2007.
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.none.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.license.none.fl_str_mv Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)
dc.rights.uri.none.fl_str_mv https://creativecommons.org/licenses/by-nc/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://purl.org/coar/access_right/c_abf2
Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)
https://creativecommons.org/licenses/by-nc/4.0/
dc.format.extent.none.fl_str_mv 82 páginas
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de Ibagué
dc.publisher.faculty.none.fl_str_mv Ingeniería
dc.publisher.place.none.fl_str_mv Ibagué
dc.publisher.program.none.fl_str_mv Ingeniería Electrónica
publisher.none.fl_str_mv Universidad de Ibagué
institution Universidad de Ibagué
bitstream.url.fl_str_mv https://repositorio.unibague.edu.co/bitstreams/8f1761a0-c55d-4596-b633-845628b2260a/download
https://repositorio.unibague.edu.co/bitstreams/e1b814d8-1d24-409b-b6b8-ea9ed256a8a1/download
https://repositorio.unibague.edu.co/bitstreams/87d60663-e023-4f9c-ad5b-e0cc97f86f68/download
https://repositorio.unibague.edu.co/bitstreams/7e5f4a01-ac45-4c06-843a-19cb4430333e/download
https://repositorio.unibague.edu.co/bitstreams/0606f790-c7c3-4643-bb8a-3eaa822924a7/download
https://repositorio.unibague.edu.co/bitstreams/3f18223e-6390-4d64-bc6e-95cd6b6df124/download
https://repositorio.unibague.edu.co/bitstreams/29b54c7d-6d7d-4981-8494-c64d05ab1885/download
bitstream.checksum.fl_str_mv 6949b6d4291535b8222beb1c6c177060
94fcc36d0b3210b88c5ba601a1d34c11
2fa3e590786b9c0f3ceba1b9656b7ac3
dd94831f487593d50b8442ef76e86138
ff4c8ff01d544500ea4bfea43e6108c1
492624539c358992d6cf84401e059cd2
8dd6ba826f790dcd1c5e09467b955fbc
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad de Ibagué
repository.mail.fl_str_mv bdigital@metabiblioteca.com
_version_ 1851059981209567232
spelling Barrero Mendoza, Oscar5df5e093-ccfa-4fcd-918a-d6dd73688445-1Fernandez G, Jose Armando793052f1-4657-42d0-944c-169a2ea4a0a3-1Murillo Carrasquilla, Miguel Angel0a3b8191-0946-4077-bbfd-e8e38196d3b5-12025-03-13T14:45:02Z2025-03-13T14:45:02Z2022El presente trabajo integra imágenes del satélite Sentinel-2 con las imágenes obtenidas de los Sistemas de Aeronaves Pilotadas a Distancia (RPAS, por sus siglas en inglés) para explorar la capacidad de los índices de vegetación (VI) como herramientas para la identificación de indicadores de calidad que permitan establecer un criterio de evaluación de diferentes prácticas de riego como MIRI, AWD y riego por gravedad aplicados en los cultivos de arroz de la región del Tolima. Como también, se realiza un análisis estadístico de los datos de dron y satélite con relación a los diferentes tratamientos hídricos del ensayo (MIRI, AWD y riego por gravedad) para establecer el grado de asociación existente entre ambas plataformas. Para esto se estimaron los índices NDVI, GNDVI, OSAVI, GBNDVI, EVI donde se obtuvo un coeficiente de correlación de 0.910334 ,0.926508, 0.981770, 0.908181, 0.9381 y errores rmse de 0.08087, 0.05084, 0.05777, 0.10978, 0.06690 respectivamente. De igual manera, se evaluaron los índices NDWI, MSI, SIWSI, LWCI, obtenidos exclusivamente por medio de imágenes satelitales y enfocados en la detección del estrés hídrico en plantas con el objetivo de encontrar un indicador alternativo para la detección de estrés hídrico utilizando imágenes adquiridas por medio de dron. Para esto último, se logró identificar una fuerte correlación entre un indicador basado en las imágenes del sensor térmico tomadas por medio de dron y los índices NDWI, MSI, SIWSI y LWCI. Arrojando un coeficiente de correlación de 0.842687, -0.814698, 0.831263 y 0.849707 respectivamente.The present work integrates images from the Sentinel-2 satellite with images obtained from Remotely Piloted Aircraft Systems (RPAS) to explore the capacity of vegetation indices (VI) as tools for the identification of indicators of quality that allow establishing an evaluation criterion of different irrigation practices such as MIRI, AWD and gravity irrigation applied in rice crops in the Tolima region. As well as carrying out a statistical analysis of the drone and satellite data in relation to the different water treatments of the trial (MIRI, AWD and gravity irrigation) to establish the degree of association between both platforms. For this, the NDVI, GNDVI, OSAVI, GBNDVI, EVI indices were estimated where a correlation coefficient of 0.910334, 0.926508, 0.981770, 0.908181, 0.9381 and rmse errors of 0.08087, 0.05084, 0.05777, 0.109769, 0.06690 respectively were obtained. Similarly, the NDWI, MSI, SIWSI, LWCI indices were evaluated, obtained exclusively through satellite images and focused on the detection of water stress in plants with the aim of finding an alternative indicator for the detection of water stress using acquired images by means of drone. For the latter, it was possible to identify a strong correlation between an indicator based on the images of the thermal sensor taken by drone and the NDWI, MSI, SIWSI and LWCI indices. Giving a correlation coefficient of 0.842687, -0.814698, 0.831263 and 0.849707 respectively.PregradoIngeniero ElectrónicoLista de figuras.....11 Lista de tablas.....13 Introducción.....1 1. Objetivos.....4 1.1 Objetivo general.....4 1.2 Objetivos específicos.....4 2. Justificación.....5 3. Estado del arte.....6 4. Marco teórico.....8 4.1 El Cultivo de Arroz.....8 4.2 Estrés abiótico.....8 4.3 Estrés hídrico foliar.....9 4.4 Sistema de irrigación por gravedad o tradicional.....9 4.5 Sistema de irrigación AWD.....9 4.6 Sistema irrigacion MIRI.....10 4.7 Agricultura de precisión.....10 4.8 Teledetección.....11 4.9 Radiación electromagnética.....11 4.10 Espectro Electromagnético.....11 4.11 Banda espectral.....12 4.12 Cámara multiespectral.....13 4.13 Análisis multitemporal de la cobertura vegetal.....13 4.14 Plataforma Sentinel.....14 4.15 Índices de Vegetación.....14 4.16 Sensores térmicos.....15 4.17 Banda Blue.....15 4.18 Banda Green.....15 4.19 Banda Red.....16 4.20 Banda NIR.....16 4.21 Banda SWIR 1.....16 4.22 Banda SWIR 2.....16 4.23 Resolución Espacial o Ground Sample Distance (GSD).....16 4.24 Resolución Espectral.....17 4.25 GEE.....17 5. Materiales y metodología.....19 5.1 Materiales.....19 5.1.1 El MicaSense Altum.....19 5.1.2 VANT.....20 5.1.3 Software: Pix4D Mapper.....20 5.1.4 Lenguaje de programación python.....20 5.1.5 Qgis.....21 5.2 Metodología.....21 5.2.1 Zona de estudio.....21 6. Desarrollo.....23 6.1 Adquisición de imágenes multiespectrales de dron y satélite del lote experimental del cultivo de arroz.....23 6.2 Construcción de los ortomosaicos de las imágenes de dron utilizando el software Pix4Dmapper pro.....25 6.3 Cálculo y selección de índices de vegetación para el lote experimental utilizando las imágenes de satélite y los ortomosaicos de dron.....28 6.4 Análisis estadístico de los datos de dron y satélite con relación al impacto en el desarrollo del cultivo del arroz en los tratamientos hídricos del ensayo (MIRI, AWD y riego por gravedad).....37 6.5 Recomendaciones sobre cuales índices de vegetación son los más sensibles para la detección de problemas de estrés hídrico en el desarrollo del cultivo de arroz.....53 7. Conclusiones.....63 8. Recomendaciones.....65 Referencias bibliográficas.....6682 páginasapplication/pdfMurillo Carrasquilla, M.A. (2023). Evaluación de sistemas de irrigación para cultivos de arroz utilizando imágenes multiespectrales adquiridas desde dron y satélite. [Trabajo de grado, Universidad de Ibagué]. https://hdl.handle.net/20.500.12313/4817https://hdl.handle.net/20.500.12313/4817spaUniversidad de IbaguéIngenieríaIbaguéIngeniería ElectrónicaDANE–Departamento Administrativo Nacional de Estadística–(2021), “Encuesta nacional de arroz mecanizado II semestre 2021 [en línea].”, 2021M. R. Duran Gomez, "Caracterización de índice de estrés hídrico del cultivo de arroz mediante el uso de sensores térmicos y de humedad del suelo en La Molina", 2018.M. A. Carrillo Romero, "Investigación documental de tecnologías de producción agrícola en el cultivo de arroz (oryza sativa) para optimizar el uso del agua en el distrito de riego de el Zulia, Norte de Santander", 2021.M. D. L. A. Ramirez Loaiza y K. L. Roa Velazquez, "Propuesta de una VAC System para el desarrollo de sistemas de producción agroecológica en la finca.", 2020.J. J. Vargas Hoyos, “Implementación de modelo operacional para mejorar el manejo del agua de sistemas riego en conducciones abiertas.”,2020A. S. Semanat, L. R. Hung y D. C. Piñol, "TELEDETECCIÓN DE ESTRÉS EN CULTIVOS DE CAÑA A TRAVÉS DE IMÁGENES MULTIESPECTRALES.", Telematica, vol. 20, n.o 4, pp. 25–39, 2021.S. Kharuf-Gutierrez, L. Hernández-Santana, R. Orozco-Morales, O. D. L. C. Aday Díaz, y I. Delgado Mora, ”Análisis de imágenes multiespectrales adquiridas con vehículos aéreos no tripulados”, Ingeniería Electrónica, Automática y Comunicaciones, vol.39, n.°2, pp. 79-91, 2018.A. Castrejon de la Cruz, y J. W. Diaz Cubas, “Teledetección de minerales generadores de acidez y metales pesados, usando imágenes satelitales ráster en el distrito de Bambamarca, Cajamarca-2018.”, 2018.L. A. Martínez Conde, “Optimización de la clasificación supervisada de imágenes de satélite a partir de información de RPAS para la actualización de la variable Cobertura del Suelo del Marco Maestro Rural Agropecuario (MMRA).”,2020M. Ramírez, L. Martínez, M. Montilla, O. Sarmiento, J. Lasso, y S. Diaz, “Obtención de coberturas del suelo agropecuarias en imágenes satelitales Sentinel-2 con la inyección de imágenes de dron usando Random Forest en Google Earth Engine.”, Revista de Teledetección, n.°56, pp.49-68, 2020.C. M. Gevaert, J. Suomalainen, J. Tang, y L. Kooistra, “Generation of spectral–temporal response surfaces by combining multispectral satellite and hyperspectral UAV imagery for precision agriculture applications.”, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol.8, n.°6, 2015.DNP-BID, “Impactos Económicos del Cambio Climático”, Síntesis, Bogotá-Colombia, 2014.O. S. P. Carrillo, H. F. Torres, G. A. T. Rodríguez y J. M. T González, “Impactos del cambio climático sobre los rendimientos del arroz (Oryza sativa L.) en la Zona Llanos”,Aglala, Colombia. vol. 11, n°. 2, pp. 94-106, 2020.D. Lozano Chamorro y N. Cortés González, “Evaluación de la huella hídrica del proceso productivo del arroz (oryza sativa) en el municipio del Espinal–Tolima y su incidencia ambiental en el área de influencia.”, 2017.J. P. Dash, G. D. Pearse, y M. S. Watt, “UAV multispectral imagery can complement satellite data for monitoring forest health.”, Remote Sensing, vol.10 n.°8, 2018.M. Pla, G. Bota, A. Duane, J. Balagué, A. Curcó, R. Gutiérrez, y L. Brotons, “Calibrating Sentinel-2 imagery with multispectral UAV derived information to quantify damages in Mediterranean rice crops caused by Western Swamphen (Porphyrio porphyrio).” Drones, vol.3, n.°2, pp.45, 2019.M. López Hernández, “Monitoreo del estrés hídrico en cultivo de maíz (zea mays l.) mediante imágenes multiespectrales de un vehículo aéreo no tripulado”, Tesis de doctorado, 2021.J. A. Q. Mamani, L. R. Fernández, y R. E. Ontiveros, “Relación de la altura de planta del cultivo de arroz bajo estrés hídrico con índices de vegetación obtenidas de imágenes de dron.”, 2019.H. Villar, “Estrés Hídrico del Cultivo de Arroz IR 71706 Vía Termografía Mejorada y Calibrada del Área del Dósel en la UNAL.”, Tesis de pregrado, Universidad Nacional Agraria La Molina, Lima, Perú, 2019.M. F. Rodríguez Velásquez, “Evaluación de índices radiométricos para cultivos y cuerpos de agua en el departamento del Tolima a partir del uso de Google Earth Engine.”, 2021M. D. P. Amortegui Caicedo y A. M. Cardoso Romero, “Análisis Multitemporal De La Cobertura Vegetal Frente A La Agricultura En La Vereda Guasimal, Espinal, Tolima.”, 2021.D. E. Chavarria Alava, “Diferenciación de productividad en términos económicos en el manejo del rebrote “soca” en el cultivo del arroz en el cantón Daule provincia del Guayas.”, 2017.J. C. GAIBOR APUNTE, "Comportamiento de la planta de arroz (Oryza sativa L.) según su estado fenológico a distintos niveles de salinidad", Tesis de Licenciatura, UTB, Babahoyo, 2019.M. L. GAMBOA VIVA, "Aplicación de programas de fertilización en el cultivo de arroz (Oryza sativa L.), bajo condiciones de riego, en la zona de Pimocha, Los Ríos. 2019.", Tesis de Licenciatura, UTB, Babahoyo, 2019.P. M. Martínez Robles, “Evaluación del potencial alelopático de la pajilla de arroz en el control de las floraciones algales producidas por Microcystis aeruginosa (KÜTZING).”, 2018.I. Ramos y M. Rolando, “Resupuesta al estrés por déficit Hídrico en genotipos de papa (Solanum sp.) bajo condiciones de invernadero.”, 2014.R. López López, R. Arteaga Ramírez, M. A. Vázquez Peña, I. López Cruz, y I. Sánchez Cohen, “Índice de estrés hídrico como un indicador del momento de riego en cultivos agrícolas.”, Agricultura técnica en México, vol.35, n.°1, pp. 97-111, 2009.C. A. Mazuera Fernández y J. D. Neira Rodríguez, “Análisis de los costos de producción de arroz, oriza satival, en el municipio de Saldaña, Tolima. Método pulver vs método tradicional de manejo.”, 2009.D. A. Muñoz, “Diagnóstico de la degradación de los suelos en cultivos de arroz riego intermitente y secano bajo el sistema de labranza tradicional aplicado, en los llanos del Casanare.”, Maestría en Ingeniería Ambiental, 2016.J. L. Correa Alcántara, "Efecto de dos métodos de riego (inundado mejorado e intermitencia) sobre los componentes del rendimiento en 5 variedades de arroz producidos en la zona centro-sur de Chile", tesis doctoral, Universidad de Talca, 2020.M. B. Jiménez, “Importancia de los factores climáticos en el cultivo de arroz: Importance of climate factors in rice crop. CIENCIA Y TECNOLOGÍA AGROPECUARIA, vol. 6, n.° 1, pp. 28-34, 2021.M. González, y A. M. Alonso, “Tecnologías para ahorrar agua en el cultivo de arroz.”, Nova, vol. 14, n° 26, pp. 63-78, 2016.D. F. P. Suárez, y R. M. S. Román, “Consumo de água em arroz irrigado por inundação em sistema de multiplas entradas.” Irriga, vol. 1, n.° 1, pp. 78-78, 2016.J. B. Huancahuire Quispe, “Determinación del estrés hídrico en el cultivo de vid (Vitis vinífera) var. Red Globe mediante el uso de imágenes multiespectrales bajo condiciones de Majes–Arequipa.”, 2021.P.C. Robert, “Precision agriculture: new developments and needs in remote sensing and technologies. Ecosystems’ Dynamics Agricultural Remote Sensing and Modeling, and Site-Specific Agriculture.”, 2004.D. A. Changalombo Valencia , y J. A. Rivera Rivera "Evaluación de la dinámica temporal de la cobertura vegetal del Cantón Salcedo mediante el uso de imágenes satelitales desde el año 2000 al 2020", Tesis de Licenciatura, Universidad Técnica de Cotopaxi (UTC)., Ecuador: Latacunga, 2021.L. G. Farrera Alcaraz, y E. Díaz López, “Levantamiento topográfico con Aplicación de fotogrametría en el Cráter del volcán chichón mediante Un vehículo aéreo no tripulado.”, 2021.J. D. Garavito Sánchez, “Clasificación de uso y cobertura del suelo Corine Land Cover y elaboración de cartografía temática como sustentación a él Plan General de Ordenación Forestal (pgof) ya la fase de diagnóstico del plan de ordenación de cuencas Rio Loro y Rio las Ceibas en el departamento de Huila.”, 2017.M. I. Sampedro Garzón, “Determinación de los Indices de vegetación normalizada en dos Parroquias Rurales del Canton Latacunga Alaquez y San Buenaventura en el periodo 2016-2017”,Tesis de Licenciatura, Universidad Técnica de Cotopaxi (UTC), Ecuador: Latacunga, 2017.S. Trueba Aja, “Análisis de imágenes multiespectrales aéreas de vegetación.”, 2017.C. Alonso, V. Moreno, y E. Rodríguez, “Determinación experimental de la firma espectral de la vegetación. una sencilla práctica de introducción a la teledetección.” TELEDETECCIÓN, pp. 429-43, 1999.B. Puebla, y D. Sttugar, “Caracterización geomorfológica y estructural en el Parque Nacional Galápagos mediante Teledetección. Caso de estudio: zona noreste de la Isla San Cristóbal “Tesis de licenciatura, UCE, 2020.R. Chuchón Prado, “Láminas de riego en el cultivo de papa (Solanum tuberosum L.) variedad “única” mediante riego por goteo en La Molina”, 2019.Á. J. Mena Espinosa, “Procesamiento de Imágenes Satelitales Multiespectrales.”, 2014.B. J. G. Rodríguez, J. O. A. Tovar, y Ó. L. G. Navarrete, “Uso de la espectroscopia Vis NIR-SWIR para la predicción del estado hídrico de las plantas de soya en el Piedemonte Llanero Colombiano”, Dyna, vol. 86, n.° 210, pp. 125, 2019.H. S. Pérez Cubas, “Estimación del estrés hídrico del cultivo de arroz a partir de imágenes térmicas de un VANT en Ferreñafe, Lambayeque.”, 2020.H. S. Pérez Cubas, “Estimación del estrés hídrico del cultivo de arroz a partir de imágenes térmicas de un VANT en Ferreñafe, Lambayeque.”, 2020.G. A. Perilla, y J. F. Mas, “Google Earth Engine (GEE): una poderosa herramienta que vincula el potencial de los datos masivos y la eficacia del procesamiento en la nube.”, Investigaciones geográficas, n.° 101, 2020.Accedido el 20 de octubre de 2022. [Imagen]. Disponible: https://n9.cl/2o4adMatrice 300 RTK – Das Arbeitspferd – DJI. (s.f.). DJI. https://n9.cl/devi0Pix4D, S. A. Pix4D. Pix4D SA., 2021.Costales Acurio, G. A. (2018). Análisis comparativo entre los software de prueba Agisoft Photoscan y Pix4D para el procesamiento de datos obtenidos con fotogrametría de vehículo aéreo no tripulado (UAV) de bajo costo aplicado a proyectos de medio ambiente (Bachelor's thesis, Quito, 2018.R. González Duque, Python para todos. 2011.A. L. Valdiviezo Castro, “Manejo del software QGis para gestionar datos de redes de distribución de agua en la Urb. Miraflores”, 2019.QGIS project. "2. Prólogo —documentación de QGIS-". Documentation. https://n9.cl/baclr (accedido el 15 de octubre de 2022).Google Earth Engine. (s.f.). Google Earth Engine. https://n9.cl/iozvwA. González, , G. Amarillo, M. Amarillo, y F. Sarmiento, “Drones aplicados a la agricultura de precisión.” Publicaciones e Investigación, vol. 10, pp. 23-37, 2016.R. L. Lawrence, and W. J. Ripple, “Comparisons among vegetation indices and bandwise regression in a highly disturbed, heterogeneous landscape: Mount St. Helens, Washington.” Remote Sensing of environment, vol. 64, n.° 1, pp. 91-102, 1998.F. D. Frolla, H. R Krüger, y J. P. Zilio, “RELACIÓN ENTRE INDICES OPTICOS Y LA PROFUNDIDAD DE SUELOS EN 6 AÑOS DE TRIGO.”, 2017.C. H. Cristancho Toloza, “Análisis de imágenes aéreas como apoyo para el seguimiento de cultivos de pasto para consumo bovino.”, 2020.H. Santoso, T. Gunawan, R. H. Jatmiko, W. Darmosarkoro, and B. Minasny, ”Mapping and identifying basal stem rot disease in oil palms in North Sumatra with QuickBird imagery.”, Precision Agriculture, vol. 12, n.° 2, pp. 233-248, 2011.O. Strashok, M. Ziemiańska, and V. Strashok, “Evaluation and Correlation of Sentinel-2 NDVI and NDMI in Kyiv (2017–2021).” Journal of Ecological Engineering, vol. 23, n.° 9, pp. 212-218, 2022.R. Fensholt, and I. Sandholt, “Derivation of a shortwave infrared water stress index from MODIS near- and shortwave infrared data in a semiarid environment.”, Remote Sensing of Environment, vol. 87, pp. 111−121, 2003.S. Khanna, A. Palacios-Orueta, M. L. Whiting, S. L. Ustin, D. Riaño, and J. Litago, “Development of angle indexes for soil moisture estimation, dry matter detection and land-cover discrimination.” Remote sensing of environment, vol. 109, n.° 2, pp. 154-165, 2007.C. Álvarez, y O. Padilla, “Estimación de contaminación del aire por PM10 en Quito determinado por índices ambientales obtenidos con imágenes satelitales Landsat ETM+”, Tesis de doctorado, Universidad de las Fuerzas Armadas ESPE, Sangolguí, Ecuador, recuperado de https://n9.cl/rtlxz, 2014.L. M. Santana Rodríguez, L. A. Escobar Jaramillo, y P. A. Capote, “Estimación de un índice de calidad ambiental urbano, a partir de imágenes de satélite.” Revista de Geografía Norte Grande, n.° 45, pp. 77-95, 2010.B. Villatoro, “Uso de índices de vegetación NDWI y MSI obtenidos de imágenes satelitales Sentinel-2 y Landsat 8 para monitoreo de humedad, como indicador de momento óptimo de cosecha en caña de azúcar.” Memoria, 2019.3.4.3.6. Sentinel-2 — Semi-Automatic Classification Plugin 7.9.7.1 documentation. (s. f.). Recuperado 17 de octubre de 2022, de https://n9.cl/n7of3D. Rocchini, “Effects of spatial and spectral resolution in estimating ecosystem α-diversity by satellite imagery.” Remote Sensing of Environment, vol. 111, n°. 4, pp. 423-434, 2007.A. López Jáuregui, y P. Elosua Oliden, “Estimaciones bootstrap para el coeficiente de determinación: un estudio de simulación.”Revista Electrónica de Metodología Aplicada, vol. 9 n.°2, pp. 1-14, 2004.C. N. Bouza-Herrera, ”Modelos de regresión y sus aplicaciones.” Reporte Técnico, vol. 62, 2018.P. López-Roldán, y S. Fachelli, “Análisis de regresión.” Metodología de la investigación social cuantitativa, 2016.F. Capraro, S. Tosetti, J. Gimenez, y V Mut, “Cálculo de CWSI en base a imágenes termográficas para el análisis de estrategias de riego deficitario en tomate.” In XII Congreso de AgroInformática, Modalidad virtual, 2020.F. Capraro, S. Tosetti, J. Gimenez, y V Mut, “Cálculo de CWSI en base a imágenes termográficas para el análisis de estrategias de riego deficitario en tomate.” In XII Congreso de AgroInformática, Modalidad virtual, 2020.A.R. Aston, C.H.M. Van Bavel, “Soil surface water depletion and leaf temperature.”, Agron, vol. 64, pp. 368-373,1972.H. G. Jones, “Use of infrared thermometry for estimation of stomatal conductance as a possible aid to irrigation scheduling.” Agricultural and forest meteorology, vol. 95, n.° 3, pp. 139-149, 1999.S.B. Idso, R.D.Jackson, P.J Pinter, R.J. Reginato, J.L. Hatfield, “Normalizing the stress degree day for environmental variability.” Agric Meteorol, pp. 24-45, 1981.H.G. Jones, ”Application of thermal imaging and infrared sensing in plant physiology and ecophysiology.”, Advances in Botanical Research, vol. 41, pp. 108-155, 2004.J. Bellvert, P. J. Zarco, J. Girona, and E. J. P. A Fereres, “Mapping crop water stress index in a ‘Pinot-noir’vineyard: comparing ground measurements with thermal remote sensing imagery from an unmanned aerial vehicle.”, Precision agriculture, vol. 15, n.° 4, pp. 361-376, 2014.J. Bellvert, P. J. Zarco, J. Girona, and E. J. P. A Fereres, “Mapping crop water stress index in a ‘Pinot-noir’vineyard: comparing ground measurements with thermal remote sensing imagery from an unmanned aerial vehicle.”, Precision agriculture, vol. 15, n.° 4, pp. 361-376, 2014.Y. Gu, J. F. Brown, J. P. Verdin, and B. Wardlow, “A Five-Year Analysis of MODIS NDVI and NDWI for Grassland Drought Assessment over the central Great Plains of the United States.” Geophysical research letters, vol. 34, n.° 6, 2007.info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)https://creativecommons.org/licenses/by-nc/4.0/Cultivo de arroz - Sistema de irrigaciónCultivo de arroz - Imágenes multiespectralesMIRIAWDPlataformasEstrés hídricoVIMIRIAWDWater stressPlatforms VIEvaluación de sistemas de irrigación para cultivos de arroz utilizando imágenes multiespectrales adquiridas desde dron y satéliteTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1fTextinfo:eu-repo/semantics/bachelorThesishttp://purl.org/redcol/resource_type/TPinfo:eu-repo/semantics/acceptedVersionPublicationORIGINALTrabajo de grado.pdfTrabajo de grado.pdfapplication/pdf12851762https://repositorio.unibague.edu.co/bitstreams/8f1761a0-c55d-4596-b633-845628b2260a/download6949b6d4291535b8222beb1c6c177060MD51Formato de autorización.pdfFormato de autorización.pdfapplication/pdf1390253https://repositorio.unibague.edu.co/bitstreams/e1b814d8-1d24-409b-b6b8-ea9ed256a8a1/download94fcc36d0b3210b88c5ba601a1d34c11MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-8134https://repositorio.unibague.edu.co/bitstreams/87d60663-e023-4f9c-ad5b-e0cc97f86f68/download2fa3e590786b9c0f3ceba1b9656b7ac3MD53TEXTTrabajo de grado.pdf.txtTrabajo de grado.pdf.txtExtracted texttext/plain102860https://repositorio.unibague.edu.co/bitstreams/7e5f4a01-ac45-4c06-843a-19cb4430333e/downloaddd94831f487593d50b8442ef76e86138MD58Formato de autorización.pdf.txtFormato de autorización.pdf.txtExtracted texttext/plain4https://repositorio.unibague.edu.co/bitstreams/0606f790-c7c3-4643-bb8a-3eaa822924a7/downloadff4c8ff01d544500ea4bfea43e6108c1MD510THUMBNAILTrabajo de grado.pdf.jpgTrabajo de grado.pdf.jpgIM Thumbnailimage/jpeg10801https://repositorio.unibague.edu.co/bitstreams/3f18223e-6390-4d64-bc6e-95cd6b6df124/download492624539c358992d6cf84401e059cd2MD59Formato de autorización.pdf.jpgFormato de autorización.pdf.jpgIM Thumbnailimage/jpeg25677https://repositorio.unibague.edu.co/bitstreams/29b54c7d-6d7d-4981-8494-c64d05ab1885/download8dd6ba826f790dcd1c5e09467b955fbcMD51120.500.12313/4817oai:repositorio.unibague.edu.co:20.500.12313/48172025-08-13 01:11:37.86https://creativecommons.org/licenses/by-nc/4.0/https://repositorio.unibague.edu.coRepositorio Institucional Universidad de Ibaguébdigital@metabiblioteca.comQ3JlYXRpdmUgQ29tbW9ucyBBdHRyaWJ1dGlvbi1Ob25Db21tZXJjaWFsLU5vRGVyaXZhdGl2ZXMgNC4wIEludGVybmF0aW9uYWwgTGljZW5zZQ0KaHR0cHM6Ly9jcmVhdGl2ZWNvbW1vbnMub3JnL2xpY2Vuc2VzL2J5LW5jLW5kLzQuMC8=

Publicaciones similares