坎波阿雷格里市LA TEBAIDA农场水稻种植植被指数分析

David Saavedra Mora, Arbey Cubillos Ortiz, Leidy Machado Cuellar, Valentín Murcia Torrejano, Diego Andrés Méndez Pastrana
{"title":"坎波阿雷格里市LA TEBAIDA农场水稻种植植被指数分析","authors":"David Saavedra Mora, Arbey Cubillos Ortiz, Leidy Machado Cuellar, Valentín Murcia Torrejano, Diego Andrés Méndez Pastrana","doi":"10.23850/raa.v5i1.4746","DOIUrl":null,"url":null,"abstract":"Un reto de la agricultura de precisión consiste en estudiar por medio de la teledetección el estado de la vegetación a partir de las medidas de reflectividad con independencia de todos los factores que pueden perturbar la radiométrica, como es el suelo. El cultivo de arroz puede cambiar rápidamente el comportamiento fenológico que puede ser monitoreado rápidamente con los IV. En este sentido, el estudio consistió en determinar los índices de vegetación NDVI, GNDVI, RVI, GVI, NGRDI, RG, TVI, NRVI y DVI en el cultivo de arroz, para lo que se realizaron vuelos con un dron DJI Matrice 600, mientras que la captura de fotos se realizó con una cámara multiespectral Parrot Sequoia, y las imágenes se procesaron mediante el software Pix4Dmapper. Se realizó un análisis de coeficiente de correlación múltiple (Pearson) y modelos de regresión lineal entre los índices de vegetación con el programa Infostat. En los resultados se encontró una alta precisión y superposición en el DMS; de igual modo, se encontró una correlación entre todos los IV excepto los RG. Los mejores modelos de regresión lineal para estimar el estado de vegetación presentaron un R² por encima del 0,96, que fueron GNDVI, NGRDI, NRVI y DVI. Finalmente, se determinaron tres clústeres con NDVI, el primero con rangos de 0,63 a 0,99, el segundo entre 0,32 a 063 y el tercero de 0,1 a 03, lo que permitió analizar la vegetación.","PeriodicalId":212424,"journal":{"name":"Revista Agropecuaria y Agroindustrial La Angostura","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2018-12-12","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"ANÁLISIS DE ÍNDICES DE VEGETACIÓN EN EL CULTIVO DE ARROZ EN LA FINCA LA TEBAIDA DEL MUNICIPIO DE CAMPOALEGRE\",\"authors\":\"David Saavedra Mora, Arbey Cubillos Ortiz, Leidy Machado Cuellar, Valentín Murcia Torrejano, Diego Andrés Méndez Pastrana\",\"doi\":\"10.23850/raa.v5i1.4746\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Un reto de la agricultura de precisión consiste en estudiar por medio de la teledetección el estado de la vegetación a partir de las medidas de reflectividad con independencia de todos los factores que pueden perturbar la radiométrica, como es el suelo. El cultivo de arroz puede cambiar rápidamente el comportamiento fenológico que puede ser monitoreado rápidamente con los IV. En este sentido, el estudio consistió en determinar los índices de vegetación NDVI, GNDVI, RVI, GVI, NGRDI, RG, TVI, NRVI y DVI en el cultivo de arroz, para lo que se realizaron vuelos con un dron DJI Matrice 600, mientras que la captura de fotos se realizó con una cámara multiespectral Parrot Sequoia, y las imágenes se procesaron mediante el software Pix4Dmapper. Se realizó un análisis de coeficiente de correlación múltiple (Pearson) y modelos de regresión lineal entre los índices de vegetación con el programa Infostat. En los resultados se encontró una alta precisión y superposición en el DMS; de igual modo, se encontró una correlación entre todos los IV excepto los RG. Los mejores modelos de regresión lineal para estimar el estado de vegetación presentaron un R² por encima del 0,96, que fueron GNDVI, NGRDI, NRVI y DVI. Finalmente, se determinaron tres clústeres con NDVI, el primero con rangos de 0,63 a 0,99, el segundo entre 0,32 a 063 y el tercero de 0,1 a 03, lo que permitió analizar la vegetación.\",\"PeriodicalId\":212424,\"journal\":{\"name\":\"Revista Agropecuaria y Agroindustrial La Angostura\",\"volume\":null,\"pages\":null},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2018-12-12\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Revista Agropecuaria y Agroindustrial La Angostura\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.23850/raa.v5i1.4746\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Revista Agropecuaria y Agroindustrial La Angostura","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.23850/raa.v5i1.4746","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

精准农业面临的一个挑战是,通过遥感研究植被的状态,从反射率测量,而不考虑所有可能干扰辐射测量的因素,如土壤。种植大米可以快速改变的行为fenológico可以快速监控四。在这方面,与该研究是确定植被指数NDVI GNDVI、RVI GVI NGRDI、RG、TVI NRVI和DVI种植水稻,对航班进行无人驾驶DJI Matrice 600,而照片截图进行了多光谱相机鹦鹉红杉,曾通过图像和软件Pix4Dmapper。利用Infostat程序对植被指数进行多元相关系数分析(Pearson)和线性回归模型。结果发现DMS具有较高的精度和重叠;同样,除RG外,所有IV之间也存在相关性。植被状况的最佳线性回归模型R²大于0.96,分别为GNDVI、NGRDI、NRVI和DVI。最后,利用NDVI确定了3个类群,第一个类群的NDVI范围为0.63 ~ 0.99,第二个类群的NDVI范围为0.32 ~ 063,第三个类群的NDVI范围为0.1 ~ 03。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
ANÁLISIS DE ÍNDICES DE VEGETACIÓN EN EL CULTIVO DE ARROZ EN LA FINCA LA TEBAIDA DEL MUNICIPIO DE CAMPOALEGRE
Un reto de la agricultura de precisión consiste en estudiar por medio de la teledetección el estado de la vegetación a partir de las medidas de reflectividad con independencia de todos los factores que pueden perturbar la radiométrica, como es el suelo. El cultivo de arroz puede cambiar rápidamente el comportamiento fenológico que puede ser monitoreado rápidamente con los IV. En este sentido, el estudio consistió en determinar los índices de vegetación NDVI, GNDVI, RVI, GVI, NGRDI, RG, TVI, NRVI y DVI en el cultivo de arroz, para lo que se realizaron vuelos con un dron DJI Matrice 600, mientras que la captura de fotos se realizó con una cámara multiespectral Parrot Sequoia, y las imágenes se procesaron mediante el software Pix4Dmapper. Se realizó un análisis de coeficiente de correlación múltiple (Pearson) y modelos de regresión lineal entre los índices de vegetación con el programa Infostat. En los resultados se encontró una alta precisión y superposición en el DMS; de igual modo, se encontró una correlación entre todos los IV excepto los RG. Los mejores modelos de regresión lineal para estimar el estado de vegetación presentaron un R² por encima del 0,96, que fueron GNDVI, NGRDI, NRVI y DVI. Finalmente, se determinaron tres clústeres con NDVI, el primero con rangos de 0,63 a 0,99, el segundo entre 0,32 a 063 y el tercero de 0,1 a 03, lo que permitió analizar la vegetación.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信