Amaury Esquivel Romo, Ulises Noel Gutierrez Guzmán, Alejandro Moreno Reséndez, Francisco Gerardo Veliz Deras, Fernando Arellano Rodríguez, Jorge Arturo Bustamante Andrade, María Esther Rios Vega, Apolinar González Mancilla
{"title":"Imágenes digitales obtenidas por dron para estimar el rendimiento de la biomasa en un sitio de pastizal del estado de Durango","authors":"Amaury Esquivel Romo, Ulises Noel Gutierrez Guzmán, Alejandro Moreno Reséndez, Francisco Gerardo Veliz Deras, Fernando Arellano Rodríguez, Jorge Arturo Bustamante Andrade, María Esther Rios Vega, Apolinar González Mancilla","doi":"10.21640/ns.v15i30.3174","DOIUrl":null,"url":null,"abstract":"La adquisición de imágenes de alta resolución mediante drones y su posterior procesamiento proporcionan información valiosa sobre variables biofísicas de vegetación de pastizales. El objetivo de este estudio fue generar un modelo de predicción de la dinámica de la productividad anual de un pastizal semiárido del norte de México mediante la cobertura vegetal estimada en fotografías digitales obtenidas por dron. Se diseño un sistema de muestreo permanente en el predio ganadero La Cieneguilla. Las variables de estudio medidas fueron la producción de biomasa de corte directo como variable dependiente y la cobertura vegetal estimada en imágenes digitales adquiridas por dron como variable independiente. El número de muestras recogidas de ambas variables fue de 640 durante el año 2020. Con el 50% de los datos se generó el modelo de predicción y con el otro 50% de los datos el modelo de validación, los modelos de regresión ajustados fueron de la forma Y = β0 + β1X + β2X2 con R2 ajustado = 71.64% y 69.90% respectivamente. Esta metodología propuesta ofrece un medio no destructivo y preciso para el monitoreo y evaluación anual de pastizales en áreas secas.","PeriodicalId":19411,"journal":{"name":"Nova Scientia","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2023-05-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Nova Scientia","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.21640/ns.v15i30.3174","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
Abstract
La adquisición de imágenes de alta resolución mediante drones y su posterior procesamiento proporcionan información valiosa sobre variables biofísicas de vegetación de pastizales. El objetivo de este estudio fue generar un modelo de predicción de la dinámica de la productividad anual de un pastizal semiárido del norte de México mediante la cobertura vegetal estimada en fotografías digitales obtenidas por dron. Se diseño un sistema de muestreo permanente en el predio ganadero La Cieneguilla. Las variables de estudio medidas fueron la producción de biomasa de corte directo como variable dependiente y la cobertura vegetal estimada en imágenes digitales adquiridas por dron como variable independiente. El número de muestras recogidas de ambas variables fue de 640 durante el año 2020. Con el 50% de los datos se generó el modelo de predicción y con el otro 50% de los datos el modelo de validación, los modelos de regresión ajustados fueron de la forma Y = β0 + β1X + β2X2 con R2 ajustado = 71.64% y 69.90% respectivamente. Esta metodología propuesta ofrece un medio no destructivo y preciso para el monitoreo y evaluación anual de pastizales en áreas secas.