无人机获得的数字图像,以估计杜兰戈州牧场的生物量产量

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":"无人机获得的数字图像,以估计杜兰戈州牧场的生物量产量","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":"{\"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}","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

摘要

利用无人机获取高分辨率图像及其后续处理为草原植被的生物物理变量提供了有价值的信息。本研究的目的是建立一个预测墨西哥北部半干旱草原年生产力动态的模型,利用dron获得的数字照片估计植被覆盖。在La Cieneguilla牧场设计了一个永久取样系统。本研究的目的是评估在墨西哥和美国的不同地区,以及在墨西哥和美国的不同地区,使用无人机获得的数字图像估计的植被覆盖。2020年,这两个变量的样本数量为640个。使用50%的数据生成预测模型,另外50%的数据生成验证模型,拟合回归模型的形式为y = β0 + β1X + β2X2,拟合R2分别为71.64%和69.90%。该方法为干旱地区草地的年度监测和评估提供了一种非破坏性和准确的方法。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
Imágenes digitales obtenidas por dron para estimar el rendimiento de la biomasa en un sitio de pastizal del estado de Durango
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.
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