Escudo Universidad de Antioquia

Sistema de Bibliotecas

Universidad de Antioquia

Repositorio Institucional UdeA


Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10495/10182
Título : Evaluación de praderas de pasto kikuyo (Cenchrus clandestinus (Hochst. ex Chiov.) Morrone) a través de imágenes multiespectrales
Autor : Posada Asprilla, William
Asesor : Cerón Muñoz, Mario Fernando
Medina Sierra, Marisol
Ramírez, Jhon Fredy
Palabras clave : Imágenes multiespectrales
Pasto Kikuyo
Estimación de la biomasa verde (BV)
Modelos aditivos generalizados
Fecha de publicación : 2018
Citación : Posada W. Evaluación de praderas de pasto kikuyo (Cenchrus clandestinus (Hochst. ex Chiov.) Morrone) a través de imágenes multiespectrales (Tesis de maestría). Colombia : Universidad de Antioquia; 2018
Resumen: Los datos de sensores remotos aerotransportados (UAV) permiten construir índices de vegetación (VI) relacionados con características fisiológicas y biofísicas de los pastos. El objetivo de este estudio fue evaluar, mediante imágenes multiespectrales, las praderas de pasto kikuyo en cuanto a calidad y cantidad. Se analizó la influencia del ángulo cenital de iluminación solar y la altura de vuelo en datos espectrales obtenidos con sensores UAV para el cálculo del índice de vegetación de diferencia normalizada (NDVI) en la estimación de la biomasa verde (BV) del pasto kikuyo. Se capturaron datos espectrales de 40 muestras de pasto kikuyo localizados en el norte antioqueño (Colombia) en tres ángulos de iluminación solar: en la mañana (entre 8:00 y 9:00 am), al mediodía (entre 12:00m y 1:00 pm) y por la tarde (entre 3:00 y 4:00 pm), y cinco alturas diferentes de vuelo: 10, 20, 30, 40 y 50 m. Los datos se analizaron utilizando modelos aditivos generalizados. Se encontró que el mediodía es el momento donde se obtienen mejores imágenes debido al aumento de la radiación solar y a las menores pérdidas de la radiación reflejada, mientras que las alturas de toma de imágenes entre 10 y 50 m no difirieron en la calidad de las imágenes, por lo tanto, el NDVI calculado al mediodía presentó menores desviaciones en la estimación de BV del pasto kikuyo (R 2 =0.99). Posteriormente, se obtuvieron 10 diferentes VI con datos del sensor espectral UAV en 168 muestras de pasto kikuyo. Las muestras fueron pesadas para la BV y analizadas por espectroscopia del infrarrojo cercano (NIRS) para los contenidos de proteína bruta (PB), fibra en detergente neutra (FDN) y ácida (FDA). Los datos fueron analizados usando componentes principales (ACP) y modelos aditivos generalizados. Los dos primeros componentes (CP) explicaron el 70.3% de la variabilidad total observada. Para la CP1, las variables que más contribuyeron fueron el NDVI, el índice de vegetación simple (RVI), el índice de vegetación de diferencia normalizada verde (GNDVI), el índice clorofílico verde (Clg) y la BV; para la CP2, fueron el índice de vegetación de diferencia normalizada borde del rojo (RNDVI), el índice borde del rojo de clorofila (Clrg), PB, FDN y FDA. El CP1 agrupó variables relacionadas con la cantidad del pasto y VI que utilizaron las bandas del R, G y NIR. El CP2 agrupó variables relacionadas con la calidad del pasto y VI que utilizaron bandas del RE y del NIR. El modelo que mejor ajustó la estimación de BV fue el que consideró el NDVI como una función suavizada con un R 2 de 0.99. El modelo que mejor ajustó en la estimación de PB fue el que consideró el RNDVI como una función suavizada con R 2 de 0.97. La estimación obtenida para FDN y FDA del pasto kikuyo fue menos precisa con R 2 de 0.43 y 0.28, respectivamente. Estos resultados sugieren que el NDVI puede ser un buen estimador de la producción de BV y el RNDVI puede ser un buen estimador de la PB del pasto kikuyo
Abstract : Data from airborne remote sensors allow calculating vegetation indices (VI) related with physiological and biophysical traits of pastures. The objective of this study was to evaluate the quantity and quality of Kikuyu grass using multispectral images. The effect of solar zenith angle and flight height on spectral data from airborne sensors (UAV) was analyzed. The information was used to calculate the standardized difference vegetation index (NDVI) for Kikuyu biomass estimations. Spectral data were collected from 40 samples of Kikuyu located in northern Antioquia (Colombia) at three angles of solar illumination: in the morning (between 8:00 am and 9:00 am), at midday (between 12:00 am and 1:00 pm) and in the afternoon (between 3:00 and 4:00 pm), and five different flight heights: 10, 20, 30, 40 and 50 m. Data were analyzed with generalized additive models. The best images were obtained at noon time due to increased solar radiation and lower losses caused by scattering of the reflected radiation. Images taken between 10 and 50 m did not differ in quality. The NDVI calculated at noon resulted in minor deviations for the estimation of Kikuyu grass biomass and, therefore, can be incorporated in pasture monitoring programs (R2 = 0.99). Then, Ten Vis were obtained using an airborne multispectral sensor in 168 Kikuyu samples. The samples were weighed for green biomass (BV) and analyzed by near infrared spectroscopy (NIRS) for crude protein (CP), neutral detergent fiber (NDF) and acid detergent fiber (ADF) contents. Data were analyzed using principal components (PCA) and generalized additive models. The first two components (PC) explained 70.3% of the total variability observed. The variables that contributed the most for PC1 were as follows: the Normalized Difference Vegetation Index (NDVI), the Simple Ratio Vegetation Index (RVI), the Green Normalized Difference Vegetation Index (GNDVI), the Green Chlorophyll Index (Cl green), and the BV of Kikuyu grass. The variables that contributed the most for PC2 were: the Red Normalized Difference Vegetation Index (RNDVI), the Red Edge Chlorophyll Index (Cl red edge), CP, NDF and ADF of Kikuyu grass. PC1 grouped variables related to the amount of grass and VI that used R, G and NIR bands. PC2 grouped variables related to pasture quality and VI that used RE and NIR bands. The model that best fitted BV considered NDVI a smoothed function with R 2 = 0.99. The model that best fitted CP considered RNDVI a smoothed function with R 2 = 0.97. The NDF and ADF estimates in Kikuyu were less accurate, with R 2 = 0.43 and 0.28, respectively. These results suggest that NDVI and RNDVI can be good estimators of BV production and CP content in Kikuyu grass, respectively
Programa Académico : Maestría en Ciencias Animales
URI : http://hdl.handle.net/10495/10182
Aparece en las colecciones: Instituto Universitario de Educación Física y Deportes

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
PosadaWiliam_2018_KikuyoImagenesMultiespectrales.pdfTesis de Maestría1,56 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons

 


Unidad de Gestión Tecnológica /Sistema de Bibliotecas / Universidad de Antioquia / Cl. 67 Nº 53 - 108 - Bloque 8 Conmutador: 219 51 51- 219 51 40 comunicacionessistemadebibliotecas@udea.edu.co Medellín - Colombia