Modelamiento topográfico y determinación de los índices espectrales de los estados fenológicos del camu camu (Myrciaria dubia HBK) en Yarinacocha Topographic modeling and determination of the spectral indexes of the phenological states of camu camu (Myrciaria dubia HBK) in Yarinacocha
Barra lateral del artículo
Contenido principal del artículo
Resumen
La investigación evaluó el modelamiento topográfico y la determinación de índices espectrales durante los estados fenológicos del cultivo de camu camu (Myrciaria dubia H.B.K.) en los sectores de San Juan, San José y San Lorenzo, en Yarinacocha, Ucayali. Para ello, se utilizó un dron Matrice 600 Pro equipado con una cámara multiespectral Parrot Sequoia de cinco sensores (RGB, verde, rojo, borde rojo e infrarrojo cercano). El vuelo fue programado mediante los softwares DJI GO y DJI GS Pro, abarcando una hectárea por sector. Las imágenes capturadas se procesaron con los programas QGIS 3.28.8 y Metashape 2.0.2, generando mapas topográficos e índices de vegetación (NDVI) correspondientes a las fases de brotamiento y floración del cultivo. Los resultados indicaron que las imágenes multiespectrales pueden ser utilizadas para el modelamiento topográfico de las plantas de camu camu y determinar el área efectiva de las plantaciones. Asimismo, determino que, los índices de vegetación en los sectores evaluados difieren mucho en cuanto al estado fenológico del cultivo de camu camu, siendo el NDVI en la fase de brotamiento, de 0,34 a 0,37, siendo este moderadamente abundante, sin embargo, en la fase de floración disminuye drásticamente a -0,44 a -0,37, siendo este valor muy bajo.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Citas
Amoah, A. A., & Asante, W. A. (2023). Assessing the Potential of Sentinel-2 Derived Vegetation Indices to Retrieve Phenological Stages of Mango in Ghana. Horticulturae, 8(1), 11. https://doi.org/10.3390/horticulturae8010011
Dávila, J. C., & Delgado, A. M. (2021). Aplicación de sensores remotos para el monitoreo de cultivos de camu camu (Myrciaria dubia) en sistemas de producción amazónicos. Revista Científica Amazónica, 9(1), 25–34. https://doi.org/10.32745/rca.v9n1.2021.120
da Silva, A. A., dos Santos Silva, F. C., Guimarães, C. M., Saleh, I. A., da Cruz Neto, J. F., El-Tayeb, M. A., Abdel-Maksoud, M. A., González Aguilera, J., AbdElgawad, H., & Zuffo, A. M. (2024). Spectral indices with different spatial resolutions in recognizing soybean phenology. PLoS ONE, 19(9), e0305610. https://doi.org/10.1371/journal.pone.0305610
Di Tommaso, S., Wang, S., & Lobell, D. B. (2021). Combining GEDI and Sentinel-2 for wall-to-wall mapping of tall and short crops. arXiv preprint arXiv:2109.06972. https://arxiv.org/abs/2109.06972:contentReference[oaicite:12]{index=12} n
Faria, J. E. Q., Rocha, A. P., Souza, C. R. F., Oliveira, W. P., & Oliveira, E. G. (2011). Camu-camu (Myrciaria dubia): A bioactive-rich Amazonian fruit with functional attributes. Food Research International, 44(9), 2545–2553. https://doi.org/10.1016/j.foodres.2011.03.047
Franco, M. R. B., Costa, A. G. V., Silva, L. H. M., & Fai, A. E. C. (2020). Camu-camu (Myrciaria dubia): Chemistry and functional properties: A review. Food Research International, 137, 109751. https://doi.org/10.1016/j.foodres.2020.109751
Fiorio, P. R., & Demattê, J. A. M. (2021). Spectral vegetation indices: Performance in the agricultural landscape. Scientia Agricola, 78(1), e20190211. https://doi.org/10.1590/1678-992X-2019-0211
Guo, Y., Chen, S., Wu, Z., Wang, S., Bryant, C. R., Senthilnath, J., Cunha, M., & Fu, Y. H. (2021). Integrating spectral and textural information for monitoring the growth of pear trees using optical images from the UAV platform. Remote Sensing, 13(9), 1795. https://doi.org/10.3390/rs13091795
Huete, A. R., Liu, H. Q., Batchily, K., & van Leeuwen, W. (1997). A comparison of vegetation indices over a global set of TM images for EOS-MODIS. Remote Sensing of Environment, 59(3), 440–451. https://doi.org/10.1016/S0034-4257(96)00112-5
Idso, S. B., Jackson, R. D., Pinter, P. J., Reginato, R. J., & Hatfield, J. L. (1981). Normalizing the stress-degree-day parameter for environmental variability. Agricultural Meteorology, 24, 45–55. https://doi.org/10.1016/0002-1571(81)90032-7
Jordan, C. F. (1969). Derivation of leaf-area index from quality of light on the forest floor. Ecology, 50(4), 663–666. https://doi.org/10.2307/1936256
Li, Y., Zhang, X., Wang, Y., & Liu, Y. (2024). Combining Vegetation Indices to Identify the Maize Phenological Information Based on the Shape Model. Agriculture, 14(9), 1608. https://doi.org/10.3390/agriculture14091608
Martínez-Casasnovas, J. A., Daniele, E., Uribeetxebarría, A., Escolà, A., Rosell-Polo, J. R., Sartori, L., & Arnó, J. (2017). Combined use of remote sensing and soil sensors to detect variability in orchards with previous changes in land use and landforms: consequences for management. Advances in Animal Biosciences, 8(2), 755–759. https://doi.org/10.1017/S2040470017000920
Matese, A., Di Gennaro, S. F., & Primicerio, J. (2020). Phenotypic techniques and applications in fruit trees: a review. Plant Methods, 16(1), 1–17. https://doi.org/10.1186/s13007-020-00649-7
Navarro Herrera, M. F., López Granados, F., & Peña, J. M. (2020). Remote sensing and spectral vegetation indices for precision agriculture: Applications and trends. Agronomy, 10(7), 1045. https://doi.org/10.3390/agronomy10071045
Oliveira, M. F. de, Ortiz, B. V., Morata, G. T., Jiménez, A.-F., Rolim, G. de S., & Silva, R. P. de. (2022). Training machine learning algorithms using remote sensing and topographic indices for corn yield prediction. Remote Sensing, 14(23), 6171. https://doi.org/10.3390/rs14236171
Peña, M. A., Liao, R., & Brenning, A. (2017). Using spectrotemporal indices to improve the fruit-tree crop classification accuracy. International Journal of Applied Earth Observation and Geoinformation, 57, 84–94. https://doi.org/10.1016/j.jag.2016.12.012:contentReference[oaicite:14]{index=14}
Pinedo, M., Vásquez, W., & Rojas, R. (2004). Fenología y producción de frutos de camu camu (Myrciaria dubia (H.B.K.) McVaugh) en el banco de germoplasma de INIA - Loreto. Instituto Nacional de Innovación Agraria (INIA), Perú.
Ríos, J., García, L., & Paredes, M. (2021). Aplicación de sensores remotos e índices espectrales en el monitoreo del camu camu (Myrciaria dubia) en zonas inundables de la Amazonía peruana. Revista de Agricultura Amazónica, 10(1), 22–30. https://doi.org/10.37787/raa.v10i1.234
Rouse, J. W., Haas, R. H., Schell, J. A., & Deering, D. W. (1974). Monitoring vegetation systems in the Great Plains with ERTS. NASA Special Publication, 351, 309.
Salazar-Reque, I., Arteaga, D., Mendoza, F., Rojas, M. E., Soto, J., Huaman, S., & Kemper, G. (2023). Differentiating nutritional and water statuses in Hass avocado plantations through a temporal analysis of vegetation indices computed from aerial RGB images. Computers and Electronics in Agriculture, 213, 108246. https://doi.org/10.1016/j.compag.2023.108246:contentReference[oaicite:2]{index=2}
Silva, J. R. M., Teodoro, P. E., Teodoro, L. P. R., & Farias, P. R. S. (2022). Citrus orchards under formation evaluated by UAV-based RGB imagery. Scientia Agricola, 79(5), e20210052. https://doi.org/10.1590/1678-992X-2021-0052
Tariq, A., Wang, H., & Zhang, Y. (2017). Evaluating Hyperspectral Vegetation Indices for Leaf Area Index Estimation of Oryza sativa L. at Diverse Phenological Stages. Frontiers in Plant Science, 8, 820. https://doi.org/10.3389/fpls.2017.00820
Xue, J., & Su, B. (2017). Significant remote sensing vegetation indices: A review of developments and applications. Journal of Sensors, 2017, Article ID 1353691. https://doi.org/10.1155/2017/1353691
Yu, J., Wang, J., & Leblon, B. (2021). Evaluation of soil properties, topographic metrics, plant height, and unmanned aerial vehicle multispectral imagery using machine learning methods to estimate canopy nitrogen weight in corn. Agricultural Sciences. Recuperado de https://agris.fao.org/search/en/providers/122535/records/65de4b740f3e94b9e5cd237b:contentReference[oaicite:10]{index=10}
Zhang, Y., Li, X., Wang, J., & Liu, Y. (2023). A study of apple orchards extraction in the Zhaotong region based on Sentinel images and improved spectral angle features. Applied Sciences, 13(20), 11194. https://doi.org/10.3390/app132011194
Zhao, Y., Liu, Y., & Wang, J. (2015). Estimation and visualization of nitrogen content in citrus canopy based on two band vegetation index (TBVI). Sensors and Actuators B: Chemical, 221, 1009–1016. https://doi.org/10.1016/j.snb.2015.07.074
Zarco Tejada, P. J., Hubbard, N., & Loudjani, P. (2014). Precision agriculture: An opportunity for EU farmers – Potential support with the CAP 2014–2020. European Union. https://doi.org/10.2791/80497
Zarco-Tejada, P. J., González-Dugo, V., & Berni, J. A. J. (2015). Temporal dependency of yield and quality estimation through spectral vegetation indices in pear orchards. Remote Sensing, 7(8), 9886–9905. https://doi.org/10.3390/rs70809886