Correlaciones de mapas de suelos e imágenes multiespectrales para el diagnóstico de una finca de banano (Musa spp.) en el trópico húmedo
La agricultura de precisión es una rama de la agricultura que conforme a su desarrollo ha venido revolucionando los sistemas de producción como una gran alternativa para conseguir sistemas más sostenibles. El presente estudio buscó evaluar algunas herramientas de agricultura de precisión que podrían contribuir a mejorar los sistemas de productores bananeros a través de tecnologías que sean más accesibles. Se realizó la evaluación de la correlación entre tres índices de vegetación (IVs): NDVI (normalized vegetation index), ARVI (atmospherically resistant vegetation index) y EVI (enhanced vegetation index) con las variables edáficas acidez extractable, pH, Ca, K y la productividad. Para obtener los IVs se trabajó con una imagen del satélite Landsat 8 la cual fue procesada y se generaron mapas de los ÍVs. Para las variables edáficas se utilizaron los datos de la Finca Comercial de Banano de la Universidad EARTH correspondientes al año 2015 y se generaron mapas de cada uno mediante el método de interpolación geoestadística kriging. Para la generación de estos mapas se realizó un ajuste del método que automáticamente ofrece el sistema de información geográfica SAGA. Para evaluar el ajuste desarrollado, se realizó un muestreo de suelo para la validación del método. Con base en los resultados obtenidos, se sugiere que el modelo de interpolación es cercano a los valores hallados en campo. También se realizó una comparación con los mapas generados en el programa Surfer y no se encontraron diferencias significativas. Previo a la correlación se desarrollaron procedimientos para asegurar la coincidencia de los pixeles de los mapas de las variables a correlacionar. Se realizaron dos análisis de correlación, uno mediante el software R y otro con el programa InfoStat. Para los análisis en R se trabajó con los archivos ráster de cada mapa directamente mientras que para InfoStat se desarrolló un protocolo para extraer los valores de cada píxel. Ambos análisis dieron resultados similares, con valores de coeficientes de correlación muy bajos (<0.7); sin embargo, los valores p indican que existe potencial predictivo de las variables edáficas a partir de los IVs.
| Main Author: | |
|---|---|
| Other Authors: | |
| Format: | info:eu-repo/semantics/bachelorThesis biblioteca |
| Language: | spa |
| Published: |
Universidad EARTH
2016-12
|
| Subjects: | AGRICULTURA DE PRECISION, BANANOS, MUSA (BANANOS), https://purl.org/pe-repo/ocde/ford#4.01.01, |
| Online Access: | https://repositorio.earth.ac.cr/handle/UEARTH/569 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | La agricultura de precisión es una rama de la agricultura que conforme a su desarrollo ha venido revolucionando los sistemas de producción como una gran alternativa para conseguir sistemas más sostenibles. El presente estudio buscó evaluar algunas herramientas de agricultura de precisión que podrían contribuir a mejorar los sistemas de productores bananeros a través de tecnologías que sean más accesibles. Se realizó la evaluación de la correlación entre tres índices de vegetación (IVs): NDVI (normalized vegetation index), ARVI (atmospherically resistant vegetation index) y EVI (enhanced vegetation index) con las variables edáficas acidez extractable, pH, Ca, K y la productividad. Para obtener los IVs se trabajó con una imagen del satélite Landsat 8 la cual fue procesada y se generaron mapas de los ÍVs. Para las variables edáficas se utilizaron los datos de la Finca Comercial de Banano de la Universidad EARTH correspondientes al año 2015 y se generaron mapas de cada uno mediante el método de interpolación geoestadística kriging. Para la generación de estos mapas se realizó un ajuste del método que automáticamente ofrece el sistema de información geográfica SAGA. Para evaluar el ajuste desarrollado, se realizó un muestreo de suelo para la validación del método. Con base en los resultados obtenidos, se sugiere que el modelo de interpolación es cercano a los valores hallados en campo. También se realizó una comparación con los mapas generados en el programa Surfer y no se encontraron diferencias significativas. Previo a la correlación se desarrollaron procedimientos para asegurar la coincidencia de los pixeles de los mapas de las variables a correlacionar. Se realizaron dos análisis de correlación, uno mediante el software R y otro con el programa InfoStat. Para los análisis en R se trabajó con los archivos ráster de cada mapa directamente mientras que para InfoStat se desarrolló un protocolo para extraer los valores de cada píxel. Ambos análisis dieron resultados similares, con valores de coeficientes de correlación muy bajos (<0.7); sin embargo, los valores p indican que existe potencial predictivo de las variables edáficas a partir de los IVs. |
|---|