Академический Документы
Профессиональный Документы
Культура Документы
El manejo agronómico de acuerdo con cada etapa de desarrollo es crítico para optimizar el
rendimiento y la calidad del trigo. Según el Código de Zadoks, las etapas de crecimiento del trigo
generalmente se dividen en diez etapas de desarrollo distintas, que incluyen la etapa de
emergencia, la etapa de macollaje, la etapa de maduración y otras (Zadoks, et al., 1974). Las
operaciones necesarias como la diferente tasa de topdressing nitrogenado deben implementarse
en consecuencia, además, estudios recientes sobre el manejo del dosel mostraron que no solo la
tasa de topdressing nitrogenado sino el tiempo también deben adaptarse para lograr los tamaños
de dosel deseados para fases de desarrollo específicas, lo que significa es demasiado bajo, el
tiempo de fertilización nitrogenada debe adelantarse con una tasa más alta para optimizar los
insumos y el rendimiento (Nick, et al., 2005). Por lo tanto, el monitoreo en tiempo real del estado
de crecimiento real del dosel del trigo a lo largo de varias fases específicas tiene una gran
importancia para ayudar a los productores de trigo con la toma de decisiones administrativas.
Tradicionalmente, para obtener la información real sobre el desarrollo del dosel, los macollos de
trigo se cuentan manualmente tomando varias muestras para poder calcular la densidad de la
caña y, en consecuencia, determinar la tasa de fertilización nitrogenada (Randy, 2013). Por otro
lado, la teledetección se ha utilizado con éxito como una alternativa efectiva para obtener
información de campo utilizando el índice de vegetación diferenciado normalizado, conocido
como NDVI, uno de los indicadores más populares para identificar áreas con vegetación e incluso
para cuantificar la capacidad fotosintética de las copas de las plantas desde la década de 1970
(Rouse, et al., 1973). De acuerdo con Thomas Lillesand, et al. 2007), "La percepción remota es la
ciencia y el arte de obtener el análisis de los datos adquiridos por un dispositivo que no está en
contacto con el objeto, área o fenómeno bajo investigación". Por lo tanto, sobre la base de
diferentes tipos de plataformas que llevan sensores específicos, teledetección agrícola podría
generalmente puede categorizar en satélite, aéreo, y de mano o tractor montado teledetección
(Mulla, 2013).
Dado que las frecuencias espaciales y temporales de las imágenes de satélite no son adecuadas
para controlar las condiciones de crecimiento que cambian rápidamente, se utilizan ocho
imágenes de UAV desde principios de junio hasta finales de julio de 2015 en el intervalo de
aproximadamente una semana. El objetivo de la investigación es monitorear el estado de
crecimiento del dosel del trigo y analizar la correlación entre los índices de vegetación basados en
imágenes satelitales, los índices de vegetación basados en imágenes de UAV y la variable terrestre
del contenido de proteína del grano. De este modo, las etapas de crecimiento más relevantes que
contribuyen a la diferenciación de los contenidos de proteína de grano podrían determinarse en
consecuencia.
MATERIALES
IMÁGENES SATELITALES
La constelación RapidEye de cinco satélites idénticos opera en una órbita sincrónica al sol de
aproximadamente 630 km de altitud, y proporciona frecuentes intervalos de revisitas globales de
un día. Los sensores de barrido idénticos transportados en cada satélite recopilan datos
multiespectrales con el ancho de franja de 77 km en cinco bandas espectrales de azul (440-
510nm), verde (520-590nm), rojo (630-685nm), borde rojo (690-730nm) y Near-Infrared (760-
850nm), y durante el procesamiento en el terreno, los datos de la imagen se calibran
radiométricamente a escala con un rango dinámico de 16 bits, que convierte el número de píxeles
digitalizados relativos (DN)
en valores relacionados con radiancias del sensor por un factor de escala radiométrica de 0,01
(Chander, 2013). En esta investigación se utilizan cuatro imágenes ortorrectificadas tomadas el 1,
7, 15, junio y 17 de julio de 2015, cuya vista general se muestra como la imagen superior de la
figura 1 y se presenta en modo de color verdadero combinado de banda roja , banda verde y
banda azul, el 15 de junio. El tamaño de la escena completa alcanza hasta 688 * 3687 píxeles,
cubriendo 576km2. El campo de trigo estudiado en el modo de color verdadero se muestra como
la imagen inferior izquierda de la Fig.1. , y la imagen inferior derecha está en modo de color falso
combinado de banda nearinfrared, banda roja y banda verde en el mismo día.
IMÁGENES DE UAV
Se utilizó el UAV quadrotor de ZION QC 630, vendido por ENROUTE CO., LTD, y sus parámetros de
rendimiento se enumeran en la Tabla 1. La cámara comercial de SONY ILCE6000 con el sensor
CMOS se usó como la cámara RGB, y la cámara y plan de vuelo también se describen en la Tabla 1.
Cada imagen de mosaico se realizó utilizando el software Agisoft Photoscan Professional de 120
piezas de fotos, que se tomaron en modo continuo cada dos segundos. Y la geo-referenciación se
completó en el software ArcMap 10.2.2, mediante el uso de ocho puntos de control de tierra
(GCP), que consta de esquinas de encabezado, postes de telégrafo y algunos otros objetos
distinguibles.
En cuanto a las imágenes satelitales, se seleccionaron treinta y ocho cruces y dos terrenos planos
cerca de los sitios de construcción, cubriendo una gran área considerable alrededor del campo
experimental, como imágenes PIF de satélite por inspección visual, que se muestra en la Fig. 2.
Hay dos variedades diferentes de trigo sembradas en campos vecinos, como se muestra en la Fig.
4, la parte inferior izquierda se plantó con la variedad de Kitahonami, ocupando alrededor de
3.3ha., Mientras que la parte superior derecha se plantó con la variedad de Yumechikara,
ocupando alrededor de 2.2 ha .. Doce muestras de Kitahonami y ocho muestras de umechikara
han sido tomadas para medir el contenido de proteína de grano y rendimiento. El muestreo se
realizó el 24 de julio, 1 día antes de la cosecha, recolectando las espigas de trigo dentro de la
sección especificada de 1 metro cuadrado. Y medimos el contenido de proteína utilizando un
espectrómetro de infrarrojo cercano BR5000 de Shizuoka Seiki Co., Ltd.
RESULTADOS Y DISCUSION
Los modelos de normalización de imágenes satelitales se muestran como Tabla 2, banda por
banda, mientras que los modelos de normalización de imágenes UAV se muestran como la Tabla 3.
Y el valor de cada RSquared explica el nivel de desviación de cada banda de la imagen de
referencia.
Análisis de correlación de imágenes de satélite basadas en NDVI con contenido de proteína de
granos de trigo muestreados
se utilizan imágenes satelitales y cuatro de las ocho imágenes UAV que se toman temporalmente
alrededor de las imágenes satelitales, de las cuales se extraen muestras de entrenamiento de
índices de vegetación, con la correspondiente relación de imagen satelital el 1 de junio con
imágenes UAV el 2 de junio, satélite imagen el 7 de junio a imagen de UAV el 10 de junio, imagen
de satélite el 15 de junio, imágenes de UAV el 19 de junio e imagen de satélite el 17 de julio,
imágenes de UAV el 16 de julio. A diferencia de las imágenes de satélite basadas en NDVI, el índice
de vegetación de diferencia de banda visible (VDVI) se introdujo como índice de vegetación de la
imagen de UAV (Wang, 2015), ya que la banda de infrarrojo cercano no está disponible en la
cámara comercial. El VDVI se calculó como (2).
Dónde:
G es el valor de píxel normalizado de las imágenes UAV 'banda 2,
COCNLCUSIONES
De acuerdo con los resultados del análisis de correlación de NDVI con el contenido de proteína de
trigo muestreado, podemos llegar a la conclusión de que el NDVI se relacionó más con el
contenido de proteína de grano en la última etapa del cultivo de trigo. Y las diferentes variedades
mostraron una diferencia clara en cuanto a la correlación entre el NDVI con el contenido de
proteína de trigo en la etapa temprana de la temporada de cultivo de trigo, debido a las diferentes
estructuras morfológicas
El análisis de correlación de NDVI con VDVI mostró buena consistencia en la primera etapa de la
temporada de cultivo de trigo, independientemente de las variedades de trigo, que
proporcionaron los métodos practicables y viables para los estudios complementarios de
teledetección UAV y teledetección satelital. Sin embargo, en la última etapa de la temporada de
cultivo de trigo, VDVI mostró una capacidad muy limitada para diferenciar el estado de
crecimiento del trigo en comparación con el NDVI.