Producctividad de biomasa forrajera aérea de variedades de trigo (Triticum aestivum L.) y su relación con coordenadas cromáticas derivadas de cámara digital
DOI:
https://doi.org/10.21704/rea.v17i1.1174Palabras clave:
RGB, sensores cercanos, modelos lineales, cromaticidad.Resumen
La productividad de biomasa forrajera aérea (PBFA) de variedades de trigo (Triticum aestivum L.) fue cuantificada y comparada mediante un ANAVA en un establecimiento de la Colonia El Simbolar, Santiago del Estero, Argentina. La PBFA de las variedades fue relacionada con coordenadas cromáticas derivadas de cámara digital y a partir de ellas fueron ajustados modelos lineales. No se encontraron diferencias significativas en la PBFA acumulada entre variedades, la misma osciló entre 4.4 tn ms ha-1 y 5.6 tn ms ha-1. Se encontraron diferencias significativas en la PBFA en el tercer (R2 = 0.55; p<0.01) y cuarto corte (R2 = 0.47; p<0.01), siendo respectivamente las variedades Yarará (2.1 tn ms ha-1) y Gladiador (1.1 tn ms ha-1) las de mayor productividad. Se encontraron fuertes relaciones inversas (r -0.99; r -0.88) y directas (r 0.96) entre la PBFA de variedades y la coordenada cromática integrada Σcct. Se destaca que la simple coordenada cromática Σccr (red) tuvo una fuerte relación inversa con la PBFA de las variedades Yarará y Gladiador, con un r -0.99, para ambas variedades. Los modelos lineales ajustados entre la PBFA y coordenadas cromáticas presentaron un elevado poder explicativo con un R2 Aj que osciló entre 0.71 y 0.99. Las coordenadas cromáticas derivadas de cámaras digitales posibilitan, de manera simple y económica, cuantificar la productividad de biomasa forrajera aérea de variedades de trigo.
Descargas
Referencias
Aase J. K. & Siddoway F. H. 1981. Assessing Winter Wheat Dry Matter Production Via Spectral Reflectance Measurements. Remote Sensing of Environment. 11:267-277.
Adamsen F. J. P. J., Pinter P. J., Barnes E. M., LaMorte R. L., Wall G. W., Leavitt S. W. & Kimball B. A. 1999. Measuring wheat senescence using a digital camera. Crop Sci. 39:719–724.
Ahrends H. E., Brugger R., Stockli R., Schenk J., Michna P., Jeanneret F., Wanner H.& Eugster W. 2008. Quantitative phenological observations of a mixed beech forest in northern Switzerland with digital photography. J. Geophys. Res. 113, G04004,doi:10.1029/2007JG000650.
Ahrends H. E., Etzold S., Kutsch W. L., Stoeckli R., Bruegger R., Jeanneret F., Wanner H., Buchmann N. & Eugster W. 2009. Tree phenology and carbon dioxide fluxes: use of digital photography for process-based interpretation at the ecosystem scale. Climate Research. 39:261–274.
Angueira C., Prieto D., Lopez J. & Barraza G. 2007. Geomorfología. En: Sistemas de Información Geográfica de Santiago del Estero, CD ROOM, ISBN – 987-521-170-2. Instituto de Tecnología Agropecuaria, EEA Santiago del Estero, Argentina.
Asrar G., Funchs M., Kanemasu E. T. & Hatfield J. L. 1984. Estimating absorbed photosynthetic radiation and leaf area index from spectral reflectance in wheat. Agronomy Journal. 76:300-306.
Balzarini M. G., Gonzalez L., Tablada M., Casanoves F., Di Rienzo J. A. & Robledo C. W. 2008. Manual del Usuario, Editorial Brujas, Córdoba, Argentina.
Baret F., de Solan B., Lopez-Lozano R., Ma K. & Weiss M. 2010. GAI estimates of row crops from downward looking digital photos taken perpendicular to rows at 57.5◦ zenith angle: Theoretical considerations based on 3D architecture models and application to wheat crops. Agricultural and Forest Meteorology. 150:1393–1401.
Boletta P. E. 2001. Utilización de información agrometereológica y satelital para la evaluación de la desertificación en el Chaco seco – Dpto Moreno, Santiago del Estero. Tesis para optar al grado de magíster en ciencias Agropecuarias, Dpto. de postgrado, Universidad Nacional de Córdoba.
Crespo J. R., Castaño J. A. & Capurro J. A. 2007. Agricultura Técnica (Chile). 67:210-218.
Di Rienzo J. A., Casanoves F., Balzarini M. G., Gonzalez L., Tablada M. & Robledo C. W. 2008. InfoStat, versión 2008, Grupo InfoStat, FCA, Universidad Nacional de Córdoba, Argentina.
Dye D. G. & Goward S. N. 1993. Photosynthetically active radiation absorbed by global land vegetation in August 1984. Int. J. Remote Sensing. 14:3361-3364.
Fensholt R. 2003. Assessment of Primary Production in Semi-arid Environment from Satellite Data. Exploiting capabilities of new sensors. Ph. D. dissertation, Institute of Geography, University of Copenhagen, Copenhagen K, Denmark, 87p.
Fensholt R., Sandholt I., Rasmussen M., Stisen S. & Diouf A. 2006. Evaluation of satellite based primary production modelling in the semiarid Sahel, Remote Sensing of Environment. 105:173–188.
Ferreira T. & Rasband W. 2016. ImageJ User Guide. Disponible en: http://imagej.nih.gov/ij/docs/guide.
Field C. B., Randerson J. T. & Malmstriik C. M. 1995. Global Net Primary Production: Combining Ecology and Remote Sensing. Remote Sensing Environment. 51: 74-88.
Gardner A. L. 1974. Producción y utilización de pasturas. En: curso de producción animal para extensionistas, INTA Balcarce. Ed. GARDNER A. L. Proyecto FAO ARG 527, EERA INTA Balcarce, 162pp.
Ge Y., Bai G., Stoerger V. & Schnable J. C. 2016. Temporal dynamics of maize plant growth, water use, and leaf water content using automated high throughput RGB and hyperspectral imaging. Computers and Electronics in Agriculture. 127:625–632.
Gillespie A. R., Kahle A. B., Kahle A. B. & Walker R. E. 1986. Color enhancement of highly correlated images. I. Decorrelation and HSI Contrast Stretches. Remote Sens. Environ. 20:209-235.
Gillespie A. R., Kahle A. B. & Walker R. E. 1987. Color enhancement of highly correlated images. II. Channel ratio and chromaticity transformation techniques. Remote Sens. Environ. 22:343–365.
Gitelson A. A., Kaufman Y. J., Stark R. & Rundquist D. 2002. Novel Algorithms for Remote Estimation of Vegetation Fraction, Remote Sensing of Environment. 80:76– 87.
Goetz S. J., Prince S. D., Goward S. N., Thawley M. M., Small J. & Johnston A. 1999. Mapping net primary production and related biophysical variables with remote sensing: Application to the BOREAS region. J. Geophys. Res., 104(D22), 7719–27734, doi:10.1029/1999JD900269.
Ide R. & Oguma H. 2010. Use of digital cameras for phenological observations. Ecological Informatics. 5: 339–347.
Inoue T., Nagai S., Kobayashi H. & Koizumi H. 2015. Utilization of ground-based digital photography for the evaluation of seasonal changes in the aboveground green biomass and foliage phenology in a grassland ecosystem. Ecological Informatics. 25:1–9
Jia L., Chen X., Li M., Cui Z. & Zhang F. 2009. Comparsion of multispectral reflectance with digital color image in assessing the winter wheat nitrogen status. Disponible en: https://link.springer.com/content/pdf/10.1007/978-1- 4419-0211-5_43.pdf
Kawashima S. & Nakatani M. 1998. An algorithm for estimating growth and development on the pathway of floral development, chlorophyll content in leaves using a video camera. Annals of Botany 81:49–54.
Lee K. & Lee B. 2013. Estimation of rice growth and nitrogen nutrition status using color digital camera image analysis. Europ. J. Agronomy. 48:57– 65
Li Y., Chena D., Walker C. N. & Angus J. F. 2010. Estimating the nitrogen status of crops using a digital camera. Field crops Research 118:221-227.
López J. 2014. Estrategias de mejoramiento y evaluación del comportamiento doble propósito (pasto y grano) de trigo y triticale en la EEA INTA Bordenave. En: Verdeos de invierno. Editor Marcelo Ortellado. 1a ed. Bordenave, Buenos Aires, Ediciones INTA, p52.
Lukina E. V., Stone M. L. & Raun W.R. 1999. Estimating vegetation Coverage in Wheat Using Digital Image. Journal of Plant Nutrition 22:341-350.
Mizunuma T., Koyanagi T., Mencuccini M., Nasahara K. N., Wingate L. & Grace J. 2011. The comparison of several colour indices for the photographic recording of canopy phenology of Fagus crenata Blume in eastern Japan, Plant Ecology & Diversity. Disponible en: https://doi.org/10.1080/17550874.2011.563759.
Nouvellon Y., Seen D. L., Rambal S., Begé A., Moran M., Kerr Y. & Qi J. 2000. Time Course of Radiation Use Efficiency in a Shortgrass Ecosystem: Consequences for Remotely Sensed Estimation of Primary Production. Remote Sens. Environ. 71:43–55.
Pan G., Li F. M. & Sun G. J. 2007. Digital camera based measurement of crop cover for wheat yield prediction. Proceedings of IGARSS 2007: IEEE International Geoscience and Remote Sensing Symposium, Barcelona, Spain, 23–28 July 2007; pp. 797–800.
Rasmussen J., Nørremark M. & Bibby B. M. 2007. Assessment of leaf cover and crop soil cover in weed harrowing research using digital images. Weed Research, 47:299-310.
Sakamoto T., Shibayama M., Kimura A. & Takada E. 2011. Assessment of digital camera-derived vegetation indices in quantitative monitoring of seasonal rice growth. ISPRS Journal of Photogrammetry and Remote Sensing 66:872–882.
Sakamoto T., Gitelson A. A., Nguy-Robertson A. L., Arkebauer J., Wardlowb B. D., Suyker A. E., Vermab S. B. & Shibayama M. 2012. An alternative method using digital cameras for continuous monitoring of crop status. Agricultural and Forest Meteorology 154-155:113–126.
Tiedemann J. L. 2011a. Fenología del bosque de las subregiones naturales: Chaco semiárido y Chaco serrano, de Santiago del Estero, Argentina. Ecol. apl. 10:50-58
Tiedemann J.L. 2011b. Dinámica espacial y temporal del Índice de Vegetación de Diferencia Normalizada en Santiago del Estero. Tesis Doctoral, Escuela de Graduados Universidad Nacional de Córdoba, Argentina, 157p.
Tiedemann J.L. 2015. Fenología y productividad primaria neta aérea de sistemas pastoriles de Panicum maximum en el Dpto. Moreno, Santiago del Estero, Argentina, derivada del NDVI MODIS. Ecol. apl. 14: 27-39.
Torres Bruchmann E. 1981. Climatología General y Agrícola de la Provincia de Santiago del Estero. Universidad Nacional de Tucumán, Tucumán, Argentina, 199 pp.
Tucker C. J. 1979. Red and photographic infrared linear combinations for monitoring vegetation Remote Sens Environ 8.127-150.
Tucker C. J. & Sellers P. J. 1986. Satellite remote sensing of primary production. Int. J. Remote Sensing 11:1395-1416.
Wiegand C. L., Richardson A. J. & Kanemasu E. T. 1979. Leaf area index estimates for wheat from LANDSAT and their Implications for evapotranspiration and crop modeling. Agron j. 71:336-342.
Woebbecke D. M., Meyer G. E., Von Bargen K. & Mortensen D. A. 1995. Color indices for weed identification under various soil, residue, and lighting conditions. Transactions of the ASAE. 38:259-269.
Yen J., Chang F. & Chang S.1995. A new criterion for automatic multilevel thresholding. IEEE Transactions. 4:370-378.
