Firma espectral de peca de la hoja (Mycosphaerella fragariae (Tul.)) en plantas de fresa (Fragaria x ananassa Duch) relacionada a índices NDVI y NDRE
Introducción: El cultivo de fresa se ve seriamente afectado por diferentes enfermedades que resulta en disminución de la producción y de la calidad de la fruta. Dentro de las enfermedades más importantes que atacan al cultivo de fresa se encuentra Mycosphaerella fragariae, agente causal de la peca d...
- Autores:
-
Fajardo Rojas, Alexandra Estefania
Castellanos González, Leónides
Peláez Carrillo, Diego Alfonso
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2023
- Institución:
- Corporación Universidad de la Costa
- Repositorio:
- REDICUC - Repositorio CUC
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.cuc.edu.co:11323/12351
- Palabra clave:
- precision agriculture
agriculture 4.0
disease
monitoring
diseases
agricultura de precisión
agricultura 4.0
enfermedad
monitoreo
enfermedades
- Rights
- openAccess
- License
- INGE CUC - 2023
| id |
RCUC2_c3368868e6908e4d9e4c5671b99e1c99 |
|---|---|
| oai_identifier_str |
oai:repositorio.cuc.edu.co:11323/12351 |
| network_acronym_str |
RCUC2 |
| network_name_str |
REDICUC - Repositorio CUC |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Firma espectral de peca de la hoja (Mycosphaerella fragariae (Tul.)) en plantas de fresa (Fragaria x ananassa Duch) relacionada a índices NDVI y NDRE |
| dc.title.translated.eng.fl_str_mv |
Spectral signature of leaf spot (Mycosphaerella fragariae) in strawberry plants (Fragaria x ananassa Duch) related to NDVI and NDRE index |
| title |
Firma espectral de peca de la hoja (Mycosphaerella fragariae (Tul.)) en plantas de fresa (Fragaria x ananassa Duch) relacionada a índices NDVI y NDRE |
| spellingShingle |
Firma espectral de peca de la hoja (Mycosphaerella fragariae (Tul.)) en plantas de fresa (Fragaria x ananassa Duch) relacionada a índices NDVI y NDRE precision agriculture agriculture 4.0 disease monitoring diseases agricultura de precisión agricultura 4.0 enfermedad monitoreo enfermedades |
| title_short |
Firma espectral de peca de la hoja (Mycosphaerella fragariae (Tul.)) en plantas de fresa (Fragaria x ananassa Duch) relacionada a índices NDVI y NDRE |
| title_full |
Firma espectral de peca de la hoja (Mycosphaerella fragariae (Tul.)) en plantas de fresa (Fragaria x ananassa Duch) relacionada a índices NDVI y NDRE |
| title_fullStr |
Firma espectral de peca de la hoja (Mycosphaerella fragariae (Tul.)) en plantas de fresa (Fragaria x ananassa Duch) relacionada a índices NDVI y NDRE |
| title_full_unstemmed |
Firma espectral de peca de la hoja (Mycosphaerella fragariae (Tul.)) en plantas de fresa (Fragaria x ananassa Duch) relacionada a índices NDVI y NDRE |
| title_sort |
Firma espectral de peca de la hoja (Mycosphaerella fragariae (Tul.)) en plantas de fresa (Fragaria x ananassa Duch) relacionada a índices NDVI y NDRE |
| dc.creator.fl_str_mv |
Fajardo Rojas, Alexandra Estefania Castellanos González, Leónides Peláez Carrillo, Diego Alfonso |
| dc.contributor.author.spa.fl_str_mv |
Fajardo Rojas, Alexandra Estefania Castellanos González, Leónides Peláez Carrillo, Diego Alfonso |
| dc.subject.eng.fl_str_mv |
precision agriculture agriculture 4.0 disease monitoring diseases |
| topic |
precision agriculture agriculture 4.0 disease monitoring diseases agricultura de precisión agricultura 4.0 enfermedad monitoreo enfermedades |
| dc.subject.spa.fl_str_mv |
agricultura de precisión agricultura 4.0 enfermedad monitoreo enfermedades |
| description |
Introducción: El cultivo de fresa se ve seriamente afectado por diferentes enfermedades que resulta en disminución de la producción y de la calidad de la fruta. Dentro de las enfermedades más importantes que atacan al cultivo de fresa se encuentra Mycosphaerella fragariae, agente causal de la peca de la hoja que en estados avanzados puede llevar a la perdida total de los cultivos. El monitoreo de esta enfermedad es una herramienta fundamental para su prevención y control. Las herramientas de agricultura de precisión y agricultura 4.0 como las imágenes obtenidas por drones facilitar la toma de decisiones por parte de los productores y optimizan las labores de cultivo como el monitoreo. Objetivo: En este estudio se identificó la relación entre el porcentaje de área afectada por peca de la hoja (Mycosphaerella fragaraiae) y los índices NDVI y NDRE. Metodología: El estudio se desarrolló en la provincia de Pamplona en Norte de Santander con alta presión de inoculo de Mycosphaerella fragariae. Se colectaron foliolos de plantas de fresa con diferentes grados de afectación causada por Mycosphaerella fragariae, este material vegetal se transportó garantizando su conservación hasta el laboratorio, donde se realizaron mediciones con el espectrorradiómetro portátil EPP2000 de la marca Stellar Net, de las cuales se tomaron los valores de la banda roja, infrarroja y del borde rojo de cada una para realizar el cálculo de varios índices incluyendo el NDVI y el NDRE, estos valores se promediaron para cada grado de afectación. A cada una de las hojas se le calculó el área de afectación exacta a partir del software Compu eye leaf and symptom área y se calcularon los coeficientes de correlación buscando una relación lineal mutua a partir de regresiones lineales simples. Resultados: Se logró identificar que el índice NDRE se correlaciona en un 82% con el área afectada por Mycosphaerella fragariae hasta en un 70 %. Conclusión: El porcentaje de área afectada por peca de la hoja (Mycosphaerella fragariae) se encuentra directamente relacionada con la respuesta espectral en términos de índices NDVI y NDRE |
| publishDate |
2023 |
| dc.date.accessioned.none.fl_str_mv |
2023-04-23 00:00:00 2024-04-09T20:21:53Z |
| dc.date.available.none.fl_str_mv |
2023-04-23 00:00:00 2024-04-09T20:21:53Z |
| dc.date.issued.none.fl_str_mv |
2023-04-23 |
| dc.type.spa.fl_str_mv |
Artículo de revista |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 http://purl.org/coar/resource_type/c_2df8fbb1 |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/article |
| dc.type.local.eng.fl_str_mv |
Journal article |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/ART |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.coarversion.spa.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| format |
http://purl.org/coar/resource_type/c_6501 |
| status_str |
publishedVersion |
| dc.identifier.issn.none.fl_str_mv |
0122-6517 |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/11323/12351 |
| dc.identifier.url.none.fl_str_mv |
https://doi.org/10.17981/ingecuc.19.2.2023.04 |
| dc.identifier.doi.none.fl_str_mv |
10.17981/ingecuc.19.2.2023.04 |
| dc.identifier.eissn.none.fl_str_mv |
2382-4700 |
| identifier_str_mv |
0122-6517 10.17981/ingecuc.19.2.2023.04 2382-4700 |
| url |
https://hdl.handle.net/11323/12351 https://doi.org/10.17981/ingecuc.19.2.2023.04 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.ispartofjournal.spa.fl_str_mv |
Inge Cuc |
| dc.relation.references.spa.fl_str_mv |
O. Carisse & V. McNealis, “Identification of weather conditions associated with the occurrence, severity, and incidence of black seed disease of strawberry caused by mycosphaerella fragariae,” Phytopathology, vol. 108, no. 1, pp. 83–93, Sept. 2017. https://doi.org/10.1094/PHYTO-04-17-0136-R A. Petrache, V. Falup, S. Micle, V. Pop, C. Scheau, M. Cosovanu, T. Morar & E. Luca, “Organic treatments for the control of mycosphaerella fragariae infection in the ecological crop system of fragaria vesca,” Agriculture, vol. 113, no. 1-2, pp. 255–259, Jul. 2020. https://doi.org/10.15835/agrisp.v113i1-2.13812 C. Garrido, V. González-Rodríguez, M. Carbú, A. Husaini & J. Cantoral, “Fungal diseases of strawberry and their diagnosis”, in Strawberry: growth, development and diseases, A. Husaini & D. Neri (Eds), WLF, UK: CABI, 2016, Ch. 10, pp. 157–195. https://doi.org/10.1079/9781780646633.0157 FAO, “Food and agriculture data FAOSTAT,” Oct. 5, 2021. [Online. Available: https://www.fao.org/faostat/en/#home DANE, “Encuesta Nacional Agropecuaria 2019”, jun. 30, 2019. [Online. Disponible en https://www.dane.gov.co/files/investigaciones/agropecuario/enda/ena/2019/boletin_ena_2019.pdf A. Moreira, J. de Resende, G. Shimizu, F. Hata, D. do Nascimento, L. Oliveira, D. Zanin & K. Mariguele, “Characterization of strawberry genotypes with low chilling requirements for cultivation in tropical regions,” Sci. Hortic., vol. 292, pp. 1–10, Jan. 2022. https://doi.org/10.1016/j.scienta.2021.110629 M. Bolda, S. Dara, J. Soto, J. Fallon, M. Sánchez & K. Peterson, Manual de producción de Fresa para los agricultores de la Costa Central. Cdfa: CRCD, 2015. V. Obregón, J. Ibañez y T. Lattar, Guía para la identificación de las enfermedades de frutilla. Prov. BsAs: INTA, 2020. Recuperado de https://repositorio.inta.gob.ar/bitstream/handle/20.500.12123/7799/INTA_CRCorrientes_EEABellaVista_Obregon_VG_Guia_para_la_identificacion_de_las_enfermedades_de_frutilla.pdf?sequence=1 O. Carisse & V. McNealis, “Development of action threshold to manage common leaf spot and black seed disease of strawberry caused by mycosphaerella fragariae,” Plant Dis., vol. 103, no. 3, pp. 563–570, Jan. 2019. https://doi.org/10.1094/PDIS-06-18-1107-RE N. Delhomez, O. Carisse, M. Lareau & S. Khanizadeh, “Susceptibility of Strawberry Cultivars and Advanced Selections to Leaf Spot Caused by Mycosphaerella fragariae,” HortSci., vol. 30, no. 3, pp. 592–595, Jun. 1995. https://doi.org/10.21273/hortsci.30.3.592 K. Ferentinos, “Deep learning models for plant disease detection and diagnosis,” Comput. Electron. Agric., vol. 145, pp. 311–318, Feb. 2018. https://doi.org/10.1079/9781780646633.0157 X. Yang & T. Guo, “Machine learning in plant disease research”, IJRTE, vol. 8, no. 4, pp. 3050–3054, Nov. 2019. Available from https://www.ijrte.org/wp-content/uploads/papers/v8i4/D7857118419.pdf L. Priya, G. Rajathi & R. Vedhapriyavadhana, “Crop disease detection and monitoring system,” IJRTE, vol. 8, no. 4, pp. 3050–3054, Nov. 2019. http://dx.doi.org/10.35940/ijrte.D7857.118419 D. Chauhan, R. Walia, C. Singh, M. Deivakani, & M. Kumbhkar, “Detection of Maize Disease Using Random Forest Classification Algorithm,” TURCOMAT, vol. 12, no. 9, pp. 715–720, Apr. 2021. https://doi.org/10.17762/turcomat.v12i9.3141 A. Ati y K. Fuentes, “Establecimiento de modelos parametrizados para estimación de posible presencia de contaminación y enfermedad del suelo mediante drones en la zona Cayambe”, Trabajo titulacion, UPS Ecu, QUI, EC, 2020. Available: http://dspace.ups.edu.ec/handle/123456789/18284 W. Maes & K. Steppe, “Perspectives for Remote Sensing with Unmanned Aerial Vehicles in Precision Agriculture,” Trends Plant Sci., vol. 24, no. 2, pp. 152–164, Dec. 2018. https://doi.org/10.1016/j.tplants.2018.11.007 E. Ávila, N. Escobar & C. Morantes, “Applying satellite images to spectral signature development of maize production (Zea mays L.) under colombia’s middle tropics conditions,” Entramado, vol. 15, no. 2, pp. 256–262. Jun. 2019. https://doi.org/10.18041/1900-3803/entramado.2.5734 StellarNet Inc. “Spectrometer Systems in Stock and Fast Shipping,” 2016. [Online. Available: https://www.stellarnet.us/ F. Menges Software-Entwicklung, “Spectragryph –optical spectroscopy software–,” 2022. [Online. Available: https://www.effemm2.de/spectragryph/down.html W. Püntener, O. Zahner, Manual for field trials in plant protection, 2 Ed., BSL, CH: CIBA-Geigy, 1981. E. Bakr, “A new software for measuring leaf area, and area damaged by Tetranychus urticae Koch,” J. Appl. Entomol., vol. 129, no. 3, pp. 173–175, Apr. 2005. https://doi.org/10.1111/j.1439-0418.2005.00948.x RProject.Org. “R: A Language and Environment for Statistical Computing,” 2021. [Online. Available: http://www.Rproject.org/ H. Gausman, “Leaf reflectance near infrared,” Photogramm. Eng. Remote Sens., vol. 40, no. 2, pp. 183–191, Jun. 1974. Available in: https://www.asprs.org/wp-content/uploads/pers/1974journal/feb/1974_feb_183-191.pdf D. Kusumandari, M. Adzkia, S. Gultom, M. Turnip & A. Turnip, “Detection of Strawberry Plant Disease Based on Leaf Spot Using Color Segmentation,” J. Phys.: Conf. Ser., vol. 1230, pp. 1–9, Dec. 2018. https://doi.org/10.1088/1742-6596/1230/1/012092 B. Boiarskii & H. Hasegawa, “Comparison of NDVI and NDRE Indices to Detect Differences in Vegetation and Chlorophyll Content,” J. Mech. Cont.& Math. Sci., no. Special 4, pp. 20–29, Nov. 2019. https://doi.org/10.26782/jmcms.spl.4/2019.11.00003 J. Jorge, M. Vallbé & J. Soler, “Detection of irrigation inhomogeneities in an olive grove using the NDRE vegetation index obtained from UAV images,” Eur. J. Remote Sens., vol. 52, no. 1, pp. 169–177, Jan. 2019. https://doi.org/10.1080/22797254.2019.1572459 A.-K. Mahlein, U. Steiner, H-W. Dehne & E.-C. Oerke, “Spectral signatures of sugar beet leaves for the detection and differentiation of diseases,” Precis. Agric., vol. 11, no. 4, pp. 413–431, Jun. 2010. https://doi.org/10.1007/s11119-010-9180-7 |
| dc.relation.citationendpage.none.fl_str_mv |
45–52 |
| dc.relation.citationstartpage.none.fl_str_mv |
45–52 |
| dc.relation.citationissue.spa.fl_str_mv |
2 |
| dc.relation.citationvolume.spa.fl_str_mv |
19 |
| dc.relation.bitstream.none.fl_str_mv |
https://revistascientificas.cuc.edu.co/ingecuc/article/download/4007/4881 https://revistascientificas.cuc.edu.co/ingecuc/article/download/4007/5130 https://revistascientificas.cuc.edu.co/ingecuc/article/download/4007/5131 |
| dc.relation.citationedition.spa.fl_str_mv |
Núm. 2 , Año 2023 : (Julio-Diciembre) |
| dc.rights.spa.fl_str_mv |
INGE CUC - 2023 |
| dc.rights.uri.spa.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0 |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
INGE CUC - 2023 http://creativecommons.org/licenses/by-nc-nd/4.0 http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf text/html text/xml |
| dc.publisher.spa.fl_str_mv |
Universidad de la Costa |
| dc.source.spa.fl_str_mv |
https://revistascientificas.cuc.edu.co/ingecuc/article/view/4007 |
| institution |
Corporación Universidad de la Costa |
| bitstream.url.fl_str_mv |
https://repositorio.cuc.edu.co/bitstreams/fc02205a-9779-41d6-a8c2-fd12cc11c07b/download |
| bitstream.checksum.fl_str_mv |
270a75fc62f44e4bd820362db136c4ac |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
| repository.name.fl_str_mv |
Repositorio de la Universidad de la Costa CUC |
| repository.mail.fl_str_mv |
repdigital@cuc.edu.co |
| _version_ |
1811760820345896960 |
| spelling |
Fajardo Rojas, Alexandra EstefaniaCastellanos González, LeónidesPeláez Carrillo, Diego Alfonso2023-04-23 00:00:002024-04-09T20:21:53Z2023-04-23 00:00:002024-04-09T20:21:53Z2023-04-230122-6517https://hdl.handle.net/11323/12351https://doi.org/10.17981/ingecuc.19.2.2023.0410.17981/ingecuc.19.2.2023.042382-4700Introducción: El cultivo de fresa se ve seriamente afectado por diferentes enfermedades que resulta en disminución de la producción y de la calidad de la fruta. Dentro de las enfermedades más importantes que atacan al cultivo de fresa se encuentra Mycosphaerella fragariae, agente causal de la peca de la hoja que en estados avanzados puede llevar a la perdida total de los cultivos. El monitoreo de esta enfermedad es una herramienta fundamental para su prevención y control. Las herramientas de agricultura de precisión y agricultura 4.0 como las imágenes obtenidas por drones facilitar la toma de decisiones por parte de los productores y optimizan las labores de cultivo como el monitoreo. Objetivo: En este estudio se identificó la relación entre el porcentaje de área afectada por peca de la hoja (Mycosphaerella fragaraiae) y los índices NDVI y NDRE. Metodología: El estudio se desarrolló en la provincia de Pamplona en Norte de Santander con alta presión de inoculo de Mycosphaerella fragariae. Se colectaron foliolos de plantas de fresa con diferentes grados de afectación causada por Mycosphaerella fragariae, este material vegetal se transportó garantizando su conservación hasta el laboratorio, donde se realizaron mediciones con el espectrorradiómetro portátil EPP2000 de la marca Stellar Net, de las cuales se tomaron los valores de la banda roja, infrarroja y del borde rojo de cada una para realizar el cálculo de varios índices incluyendo el NDVI y el NDRE, estos valores se promediaron para cada grado de afectación. A cada una de las hojas se le calculó el área de afectación exacta a partir del software Compu eye leaf and symptom área y se calcularon los coeficientes de correlación buscando una relación lineal mutua a partir de regresiones lineales simples. Resultados: Se logró identificar que el índice NDRE se correlaciona en un 82% con el área afectada por Mycosphaerella fragariae hasta en un 70 %. Conclusión: El porcentaje de área afectada por peca de la hoja (Mycosphaerella fragariae) se encuentra directamente relacionada con la respuesta espectral en términos de índices NDVI y NDREIntroduction: The strawberry crop is seriously affected by different diseases that result in a decrease in production and fruit quality. Among the most important diseases that attack the strawberry crop is Mycosphaerella fragariae, the causal agent of leaf spot, which in advanced stages can lead to the total loss of the crop. Monitoring of this disease is a fundamental tool for its prevention and control. The tools of precision agriculture and agriculture 4.0, such as images obtained by drones, facilitate decision making by producers and optimize crop work such as monitoring. Objetive: This study identified the relationship between the percentage of area affected by leaf spot (Mycosphaerella fragaraiae) and the NDVI and NDRE indices. Metodology: The study was developed in the province of Pamplona in Norte de Santander with high inoculum pressure of Mycosphaerella fragariae. Leaflets were collected from strawberry plants with different degrees of affectation caused by Mycosphaerella fragariae, this plant material was transported guaranteeing its conservation until the laboratory, where measurements were made with the Stellar Net brand EPP2000 portable spectroradiometer, from which the values of the red band, infrared and the red border of each one was taken to perform the calculation of several indices including NDVI and NDRE, these values were averaged for each degree of affectation. The exact affected area was calculated for each leaf using the Compu eye leaf and symptom area software and the correlation coefficients were calculated looking for a mutual linear relationship from simple linear regressions. Results: The NDRE index correlates 82% with the area affected by Mycosphaerella fragariae by up to 70%. Conclusión: The percentage of area affected by leaf freckle (Mycosphaerella fragariae) is directly related to the spectral response in terms of NDVI and NDRE indices.application/pdftext/htmltext/xmlspaUniversidad de la CostaINGE CUC - 2023http://creativecommons.org/licenses/by-nc-nd/4.0info:eu-repo/semantics/openAccessEsta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.http://purl.org/coar/access_right/c_abf2https://revistascientificas.cuc.edu.co/ingecuc/article/view/4007precision agricultureagriculture 4.0diseasemonitoringdiseasesagricultura de precisiónagricultura 4.0enfermedadmonitoreoenfermedadesFirma espectral de peca de la hoja (Mycosphaerella fragariae (Tul.)) en plantas de fresa (Fragaria x ananassa Duch) relacionada a índices NDVI y NDRESpectral signature of leaf spot (Mycosphaerella fragariae) in strawberry plants (Fragaria x ananassa Duch) related to NDVI and NDRE indexArtículo de revistahttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1Textinfo:eu-repo/semantics/articleJournal articlehttp://purl.org/redcol/resource_type/ARTinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/version/c_970fb48d4fbd8a85Inge CucO. Carisse & V. McNealis, “Identification of weather conditions associated with the occurrence, severity, and incidence of black seed disease of strawberry caused by mycosphaerella fragariae,” Phytopathology, vol. 108, no. 1, pp. 83–93, Sept. 2017. https://doi.org/10.1094/PHYTO-04-17-0136-R A. Petrache, V. Falup, S. Micle, V. Pop, C. Scheau, M. Cosovanu, T. Morar & E. Luca, “Organic treatments for the control of mycosphaerella fragariae infection in the ecological crop system of fragaria vesca,” Agriculture, vol. 113, no. 1-2, pp. 255–259, Jul. 2020. https://doi.org/10.15835/agrisp.v113i1-2.13812 C. Garrido, V. González-Rodríguez, M. Carbú, A. Husaini & J. Cantoral, “Fungal diseases of strawberry and their diagnosis”, in Strawberry: growth, development and diseases, A. Husaini & D. Neri (Eds), WLF, UK: CABI, 2016, Ch. 10, pp. 157–195. https://doi.org/10.1079/9781780646633.0157 FAO, “Food and agriculture data FAOSTAT,” Oct. 5, 2021. [Online. Available: https://www.fao.org/faostat/en/#home DANE, “Encuesta Nacional Agropecuaria 2019”, jun. 30, 2019. [Online. Disponible en https://www.dane.gov.co/files/investigaciones/agropecuario/enda/ena/2019/boletin_ena_2019.pdf A. Moreira, J. de Resende, G. Shimizu, F. Hata, D. do Nascimento, L. Oliveira, D. Zanin & K. Mariguele, “Characterization of strawberry genotypes with low chilling requirements for cultivation in tropical regions,” Sci. Hortic., vol. 292, pp. 1–10, Jan. 2022. https://doi.org/10.1016/j.scienta.2021.110629 M. Bolda, S. Dara, J. Soto, J. Fallon, M. Sánchez & K. Peterson, Manual de producción de Fresa para los agricultores de la Costa Central. Cdfa: CRCD, 2015. V. Obregón, J. Ibañez y T. Lattar, Guía para la identificación de las enfermedades de frutilla. Prov. BsAs: INTA, 2020. Recuperado de https://repositorio.inta.gob.ar/bitstream/handle/20.500.12123/7799/INTA_CRCorrientes_EEABellaVista_Obregon_VG_Guia_para_la_identificacion_de_las_enfermedades_de_frutilla.pdf?sequence=1 O. Carisse & V. McNealis, “Development of action threshold to manage common leaf spot and black seed disease of strawberry caused by mycosphaerella fragariae,” Plant Dis., vol. 103, no. 3, pp. 563–570, Jan. 2019. https://doi.org/10.1094/PDIS-06-18-1107-RE N. Delhomez, O. Carisse, M. Lareau & S. Khanizadeh, “Susceptibility of Strawberry Cultivars and Advanced Selections to Leaf Spot Caused by Mycosphaerella fragariae,” HortSci., vol. 30, no. 3, pp. 592–595, Jun. 1995. https://doi.org/10.21273/hortsci.30.3.592 K. Ferentinos, “Deep learning models for plant disease detection and diagnosis,” Comput. Electron. Agric., vol. 145, pp. 311–318, Feb. 2018. https://doi.org/10.1079/9781780646633.0157 X. Yang & T. Guo, “Machine learning in plant disease research”, IJRTE, vol. 8, no. 4, pp. 3050–3054, Nov. 2019. Available from https://www.ijrte.org/wp-content/uploads/papers/v8i4/D7857118419.pdf L. Priya, G. Rajathi & R. Vedhapriyavadhana, “Crop disease detection and monitoring system,” IJRTE, vol. 8, no. 4, pp. 3050–3054, Nov. 2019. http://dx.doi.org/10.35940/ijrte.D7857.118419 D. Chauhan, R. Walia, C. Singh, M. Deivakani, & M. Kumbhkar, “Detection of Maize Disease Using Random Forest Classification Algorithm,” TURCOMAT, vol. 12, no. 9, pp. 715–720, Apr. 2021. https://doi.org/10.17762/turcomat.v12i9.3141 A. Ati y K. Fuentes, “Establecimiento de modelos parametrizados para estimación de posible presencia de contaminación y enfermedad del suelo mediante drones en la zona Cayambe”, Trabajo titulacion, UPS Ecu, QUI, EC, 2020. Available: http://dspace.ups.edu.ec/handle/123456789/18284 W. Maes & K. Steppe, “Perspectives for Remote Sensing with Unmanned Aerial Vehicles in Precision Agriculture,” Trends Plant Sci., vol. 24, no. 2, pp. 152–164, Dec. 2018. https://doi.org/10.1016/j.tplants.2018.11.007 E. Ávila, N. Escobar & C. Morantes, “Applying satellite images to spectral signature development of maize production (Zea mays L.) under colombia’s middle tropics conditions,” Entramado, vol. 15, no. 2, pp. 256–262. Jun. 2019. https://doi.org/10.18041/1900-3803/entramado.2.5734 StellarNet Inc. “Spectrometer Systems in Stock and Fast Shipping,” 2016. [Online. Available: https://www.stellarnet.us/ F. Menges Software-Entwicklung, “Spectragryph –optical spectroscopy software–,” 2022. [Online. Available: https://www.effemm2.de/spectragryph/down.html W. Püntener, O. Zahner, Manual for field trials in plant protection, 2 Ed., BSL, CH: CIBA-Geigy, 1981. E. Bakr, “A new software for measuring leaf area, and area damaged by Tetranychus urticae Koch,” J. Appl. Entomol., vol. 129, no. 3, pp. 173–175, Apr. 2005. https://doi.org/10.1111/j.1439-0418.2005.00948.x RProject.Org. “R: A Language and Environment for Statistical Computing,” 2021. [Online. Available: http://www.Rproject.org/ H. Gausman, “Leaf reflectance near infrared,” Photogramm. Eng. Remote Sens., vol. 40, no. 2, pp. 183–191, Jun. 1974. Available in: https://www.asprs.org/wp-content/uploads/pers/1974journal/feb/1974_feb_183-191.pdf D. Kusumandari, M. Adzkia, S. Gultom, M. Turnip & A. Turnip, “Detection of Strawberry Plant Disease Based on Leaf Spot Using Color Segmentation,” J. Phys.: Conf. Ser., vol. 1230, pp. 1–9, Dec. 2018. https://doi.org/10.1088/1742-6596/1230/1/012092B. Boiarskii & H. Hasegawa, “Comparison of NDVI and NDRE Indices to Detect Differences in Vegetation and Chlorophyll Content,” J. Mech. Cont.& Math. Sci., no. Special 4, pp. 20–29, Nov. 2019. https://doi.org/10.26782/jmcms.spl.4/2019.11.00003J. Jorge, M. Vallbé & J. Soler, “Detection of irrigation inhomogeneities in an olive grove using the NDRE vegetation index obtained from UAV images,” Eur. J. Remote Sens., vol. 52, no. 1, pp. 169–177, Jan. 2019. https://doi.org/10.1080/22797254.2019.1572459A.-K. Mahlein, U. Steiner, H-W. Dehne & E.-C. Oerke, “Spectral signatures of sugar beet leaves for the detection and differentiation of diseases,” Precis. Agric., vol. 11, no. 4, pp. 413–431, Jun. 2010. https://doi.org/10.1007/s11119-010-9180-745–5245–52219https://revistascientificas.cuc.edu.co/ingecuc/article/download/4007/4881https://revistascientificas.cuc.edu.co/ingecuc/article/download/4007/5130https://revistascientificas.cuc.edu.co/ingecuc/article/download/4007/5131Núm. 2 , Año 2023 : (Julio-Diciembre)PublicationOREORE.xmltext/xml2811https://repositorio.cuc.edu.co/bitstreams/fc02205a-9779-41d6-a8c2-fd12cc11c07b/download270a75fc62f44e4bd820362db136c4acMD5111323/12351oai:repositorio.cuc.edu.co:11323/123512024-09-17 12:50:25.617http://creativecommons.org/licenses/by-nc-nd/4.0INGE CUC - 2023metadata.onlyhttps://repositorio.cuc.edu.coRepositorio de la Universidad de la Costa CUCrepdigital@cuc.edu.co |