Aplicación de técnicas de sensoramiento remoto en la evaluación de una pastura de Urochloa humidicola cv Llanero, bajo pastoreo en el piedemonte del departamento del Meta

ilustraciones, fotografías, gráficas, mapas, planos, tablas

Autores:
Díaz Giraldo, Raúl Alejandro
Tipo de recurso:
Fecha de publicación:
2022
Institución:
Universidad Nacional de Colombia
Repositorio:
Universidad Nacional de Colombia
Idioma:
spa
OAI Identifier:
oai:repositorio.unal.edu.co:unal/82133
Acceso en línea:
https://repositorio.unal.edu.co/handle/unal/82133
https://repositorio.unal.edu.co/
Palabra clave:
630 - Agricultura y tecnologías relacionadas::636 - Producción animal
Sistemas de información geográfica
Tecnología de producción
Pastoreo
Production technology
Geographical Information Systems
Grazing
ganadería de precisión
imágenes multiespectrales
NDVI
pastura
vehículo aéreo no tripulado
precision livestock
multispectral images
pasture
unmanned aerial vehicle
Rights
openAccess
License
Atribución-CompartirIgual 4.0 Internacional
id UNACIONAL2_4581ee515bfb7ec21c0961fb2c9e082a
oai_identifier_str oai:repositorio.unal.edu.co:unal/82133
network_acronym_str UNACIONAL2
network_name_str Universidad Nacional de Colombia
repository_id_str
dc.title.spa.fl_str_mv Aplicación de técnicas de sensoramiento remoto en la evaluación de una pastura de Urochloa humidicola cv Llanero, bajo pastoreo en el piedemonte del departamento del Meta
dc.title.translated.eng.fl_str_mv Application of remote sensing techniques in the evaluation of a pasture of Urochloa humidicola cv Llanero, under grazing in the foothills of the department of Meta
title Aplicación de técnicas de sensoramiento remoto en la evaluación de una pastura de Urochloa humidicola cv Llanero, bajo pastoreo en el piedemonte del departamento del Meta
spellingShingle Aplicación de técnicas de sensoramiento remoto en la evaluación de una pastura de Urochloa humidicola cv Llanero, bajo pastoreo en el piedemonte del departamento del Meta
630 - Agricultura y tecnologías relacionadas::636 - Producción animal
Sistemas de información geográfica
Tecnología de producción
Pastoreo
Production technology
Geographical Information Systems
Grazing
ganadería de precisión
imágenes multiespectrales
NDVI
pastura
vehículo aéreo no tripulado
precision livestock
multispectral images
pasture
unmanned aerial vehicle
title_short Aplicación de técnicas de sensoramiento remoto en la evaluación de una pastura de Urochloa humidicola cv Llanero, bajo pastoreo en el piedemonte del departamento del Meta
title_full Aplicación de técnicas de sensoramiento remoto en la evaluación de una pastura de Urochloa humidicola cv Llanero, bajo pastoreo en el piedemonte del departamento del Meta
title_fullStr Aplicación de técnicas de sensoramiento remoto en la evaluación de una pastura de Urochloa humidicola cv Llanero, bajo pastoreo en el piedemonte del departamento del Meta
title_full_unstemmed Aplicación de técnicas de sensoramiento remoto en la evaluación de una pastura de Urochloa humidicola cv Llanero, bajo pastoreo en el piedemonte del departamento del Meta
title_sort Aplicación de técnicas de sensoramiento remoto en la evaluación de una pastura de Urochloa humidicola cv Llanero, bajo pastoreo en el piedemonte del departamento del Meta
dc.creator.fl_str_mv Díaz Giraldo, Raúl Alejandro
dc.contributor.advisor.none.fl_str_mv Rincón Castillo, Álvaro
Cárdena Rocha, Edgar
dc.contributor.author.none.fl_str_mv Díaz Giraldo, Raúl Alejandro
dc.contributor.researchgroup.spa.fl_str_mv Pastos y Forrajes Tropicales
dc.subject.ddc.spa.fl_str_mv 630 - Agricultura y tecnologías relacionadas::636 - Producción animal
topic 630 - Agricultura y tecnologías relacionadas::636 - Producción animal
Sistemas de información geográfica
Tecnología de producción
Pastoreo
Production technology
Geographical Information Systems
Grazing
ganadería de precisión
imágenes multiespectrales
NDVI
pastura
vehículo aéreo no tripulado
precision livestock
multispectral images
pasture
unmanned aerial vehicle
dc.subject.agrovoc.spa.fl_str_mv Sistemas de información geográfica
Tecnología de producción
Pastoreo
dc.subject.agrovoc.eng.fl_str_mv Production technology
Geographical Information Systems
Grazing
dc.subject.proposal.spa.fl_str_mv ganadería de precisión
imágenes multiespectrales
NDVI
pastura
vehículo aéreo no tripulado
dc.subject.proposal.eng.fl_str_mv precision livestock
multispectral images
pasture
unmanned aerial vehicle
description ilustraciones, fotografías, gráficas, mapas, planos, tablas
publishDate 2022
dc.date.accessioned.none.fl_str_mv 2022-08-26T13:42:51Z
dc.date.available.none.fl_str_mv 2022-08-26T13:42:51Z
dc.date.issued.none.fl_str_mv 2022-09-01
dc.type.spa.fl_str_mv Trabajo de grado - Maestría
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/acceptedVersion
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TM
status_str acceptedVersion
dc.identifier.uri.none.fl_str_mv https://repositorio.unal.edu.co/handle/unal/82133
dc.identifier.instname.spa.fl_str_mv Universidad Nacional de Colombia
dc.identifier.reponame.spa.fl_str_mv Repositorio Institucional Universidad Nacional de Colombia
dc.identifier.repourl.spa.fl_str_mv https://repositorio.unal.edu.co/
url https://repositorio.unal.edu.co/handle/unal/82133
https://repositorio.unal.edu.co/
identifier_str_mv Universidad Nacional de Colombia
Repositorio Institucional Universidad Nacional de Colombia
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.references.spa.fl_str_mv Andrade, B y Moncayo, L. (2017). Análisis de NDVI contrastando diferentes metodologías de toma de datos espectrales, en cultivos de pastos en etapa previa de pastoreo [Tesis de pregrado, Universidad de las fuerzas armadas] Repositorio Dspace. http://repositorio.espe.edu.ec/handle/21000/13158
Arantes, A. (2017). Caracterização Biofísica e Potencial à Intensificação Sustentável da Pecuária Brasileira em Pastagens [Tesis de doctorado, Universidad Federal de Goiás - UFG] Biblioteca Digital de Teses e Dissertações Biblioteca Digital Brasileña de Tesis y Disertaciones (BDTD). http://repositorio.bc.ufg.br/tede/handle/tede/8075
Alcaraz, D. (2006). Caracterización del funcionamiento de los ecosistemas ibéricos mediante teledetección. Ecosistemas, 15 (1), 113-117. https://www.revistaecosistemas.net/index.php/ecosistemas/article/view/524.
Almeida, M. (2016). Uso de veículo aéreo não tripulado na determinação de índice de vegetação em área de pastagem em nova mutum-mt. [Tesis de maestría, Universidad Federal de Goiás] Biblioteca Digital Brasileña de Tesis y Disertaciones (BDTD). http://repositorio.bc.ufg.br/tede/handle/tede/5956.
Arruda, D.S., Weber, M., Jobin, C y Carvalho, P.C. (2011). Métodos de avaliação de massa de forragem em pastagens de capim-estrela submetidas a intensidades de pastejo. Ciência Rural, 41 (11), 2004-2009. http://www.scielo.br/scielo.php?pid=S010384782011001100025&script=sci_abstract&tlng=pt.
Altier, M. (1999). The ecological role of biodiversity in agroecosystems. Agriculture, Ecosystems & Environment, 74 (1), 19-31. https://doi.org/10.1016/S0167-8809(99)00028-6.
Álvarez, M y Rincón, A. (2010). Características agroecológicas de la Orinoquia colombiana. En A. Rincón., C.A. Jaramillo (Ed.), Establecimiento, manejo y utilización de recursos forrajeros en sistemas ganaderos de suelos ácidos (pp. 27-70). Corporación Colombiana de Investigación Agropecuaria – Corpoica. http://hdl.handle.net/20.500.12324/12703.
Alves de Aguilar, D. (2013). Séries temporais de imagens modis para avaliação de pastagens tropicais [Tesis de doctorado, Instituto Nacional de Pesquisas Espaciais – INPE] Biblioteca Digital Brasileña de Tesis y Disertaciones (BDTD). http://urlib.net/sid.inpe.br/mtc-m19/2013/08.30.14.33.
Baars, J.A. (1981). Visual estimates of available herbage on hill country sheep pastures. N.Z. Journal of Experimental Agriculture, 9, 157-160. https://doi.org/10.1080/03015521.1981.10427821.
Baeza, S., Paruelo, J y Ayala, W. (2011). Eficiencia en el uso de la radiación y productividad primaria en recursos forrajeros del este de Uruguay. Agrociencia Uruguay, 15 (2), 48-59. http://www.scielo.edu.uy/scielo.php?script=sci_arttext&pid=S2301-15482011000200006.
Barcelos, C A. (2017). O uso de veículo aéreo não tripulado (vant) em monitoramentos de campo: Aplicabilidades e Viabilidades [Tesis de pregrado, Universidade Federal de Uberlândia] Repositório Institucional - Universidade Federal de Uberlândia. https://repositorio.ufu.br/handle/123456789/20639.
Bareth, G y Schellber, J. (2018). Replacing Manual Rising Plate Meter Measurements with Low-cost UAV-Derived Sward Height Data in Grasslands for Spatial Monitoring. PFG – Journal of Photogrammetry, Remote Sensing and Geoinformation Science, 86,157-168. https://doi.org/10.1007/s41064-018-0055-2.
Barrachina, M., Cristóbal, J., Tulla, A y Pons, X. (2009). Análisis de la producción de biomasa de los prados y pastos de la Vall Fosca (pirineo Axial-Nogueres. Teledetección: Agua y desarrollo sostenible. XIII Congreso de la Asociación Española de Teledetección. 225-228. http://www.aet.org.es/congresos/xiii/cal57.pdf.
Barrachina, M., Cristóbal, J., Tulla, A. (2010). Los recursos ganaderos en los sistemas extensivos de la montaña pirenaica catalana: aproximación al cálculo de la producción de biomasa herbácea mediante el uso de la teledetección. Serie Geográfica. 16, 35-49. http://hdl.handle.net/10017/14221.
Batista, G. (2003). Apostila introdutória de sensoriamento remoto e geoprocessamento. Universidade de Taubaté. http://www.clickgeo.com.br/apostila-introducao-ao-sensoriamento-remoto-geoprocessamento/.
Beaulieu, N., Álvarez, M. y Rincón, M. (2006) Detección de la degradación en pasturas usando series temporales de imágenes multiespectrales en los llanos orientales de Colombia. http://hdl.handle.net/20.500.12324/1218.
Bernardi, A.C y Pérez, N. (2014). Agricultura de Precisão em Pastagens. Brazilian Precision Agriculture Research Network. https://www.embrapa.br/busca-de-publicacoes/-/publicacao/1003689/agricultura-de-precisao-em-pastagens.
Belalcazar, D., Durán, C y Lemus, L. (1994) Especies forrajeras tropicales de interés para pasturas en suelos ácidos de Colombia. En C. Escobar., J. Lotero y L. S (Ed.) Unidades de Aprendizaje para la Capacitación en Tecnología de Producción de Pastos. Centro Internacional de Agricultura Tropical- CIAT.
Berrocal, L y Rodríguez, M. (2015). Aplicaciones de imágenes MODIS para la estimación de materia seca disponible en pastizales extensivos. Análisis espacial y representación geográfica: innovación y aplicación, 681-689. https://dialnet.unirioja.es/servlet/articulo?codigo=7386218.
Blackburn, G. A. (2007). Hyperspectral remote sensing of plant pigments. Journal of Experimental Botany, 58 (4), 855-867. https://doi.org/10.1093/jxb/erl123
Borra, I., De Swaef, T., Aper, J., Ghesquiere, A., Mertens, K., Nuyttens, D., Saeys, W., Somers, B., Vangeyte, J., Rolda´n-Ruiz, I y Lootens, P. (2018). Towards an objective evaluation of persistency of Lolium perenne swards using UAV imagery. Euphytica, 214 (142). https://doi.org/10.1007/s10681-018-2208-1.
Brenner, C., Zeeman, M., Bernhardt, M y Schulz, K. (2018). Estimation of evapotranspiration of temperate grassland based on high-resolution thermal and visible range imagery from unmanned aerial systems. International Journal of Remote Sensing, 39, 5141-5174. https://doi.org/10.1080/01431161.2017.1280202.
Campbell, J.B., & Wynne, R.H. (2011). Introduction to Remote Sensing: Guilford Press.
Campbell, A.G., Phillips, D.S y Reilly, O. (1962). An electronic instrument for pasture yield estimation. J. Br. Grassld. Soc. 17, 89-99. DOI: 10.1111/j.1365-2494.1968.tb00577.x.
Capolupo, A., Kooistra, L., Berendonk, C., Boccia, L y Suomalainen, J. (2015). Estimating Plant Traits of Grasslands from UAV-Acquired Hyperspectral Images: A Comparison of Statistical Approaches. ISPRS International Journal of Geo-Information, 4, 2792 – 2820. 10.3390/ijgi4042792.
Cardozo, C.I., Sánchez, M y Ferguson, E.J. (1991). Efecto del método de cosecha en el rendimiento y calidad de las semillas de Brachiaria dictyoneura cv. Llanero. Tropical Grasslands, 13 (1). http://www.tropicalgrasslands.info/index.php/tgft/pages/view/Pasturas.
Carulla, J.E., Lascano, C.E., Ward, J.K. (1991). Selectivity of resident and oeophageal fistulated steers grazing Arachis pintoi and Brachiaria dictyoneura in the Llanos of Colombia. Tropical Grasslands. 25, 317-324. Disponible en: https://cgspace.cgiar.org/handle/10568/44085.
Casanova, L., Martínez, J., López, S., López, G. (2016). De von Bertalanffy, a Luhmann: Deconstrucción del concepto “agroecosistema” a través de las generaciones sistémicas. Revista Mad. Revista del Magíster en Análisis Sistémico Aplicado a la Sociedad, 35, 60-74. https://doi.org/10.5354/rmad.v0i35.42797.
Castano, A., Riaño, N., Peña, A., Ramírez, V., Valencia., A, Figueroa, A y Vinasco, G. (2017). Energy, water vapor and carbon fluxes in Andean agroecosystems: conceptualization and methodological standardization. Biodiversity and Ecosystem Services, 66 (1), 27-34. https://doi.org/10.15446/acag.v66n1.52543.
Castillo, D., Tapia, M., Brunett, L., Márquez, O., Terán, O. y Ayala, E. (2012). Evaluación de la sustentabilidad social, económica y productiva de dos agroecosistemas de producción de leche en pequeña escala en el municipio de Amecameca, México. Revista Científica UDO Agrícola, 12 (3), 690-704. https://dialnet.unirioja.es/servlet/articulo?codigo=4690130.
Castro, M., Palma, M., Ochoa, V y Neto, C. (2015). Servicios ecosistémicos: evaluación y valoración económica del secuestro de CO2 en bosques y áreas protegidas del Área de Conservación Guanacaste -ACG, Costa Rica. https://www.iai.int/es/post/detail/servicios-ecosistemicos-una-evaluacion-y-valoracion-economica-del-secuestro-de-carbono-en-bosques-del-area-de-conservacion-guanacaste-costa-rica.
Cook, B y Schultze-Kraft. (2015). Botanical name changes – nuisance or a quest for precision?. Tropical Grasslands, 3, 34-40. 10.17138/TGFT(3)34-40.
Cristiano, P.M. (2010). Estimación de la productividad primaria mediante el modelo de eficiencias y sensores remotos. [Tesis de doctorado, Universidad de Buenos Aires]. DOI:10.13140/RG.2.2.32765.46562.
Chen, Y., Guerschman, J.P., Cheng, Z y Guo, L. (2019). Remote sensing for vegetation monitoring in carbon capture storage regions: A review. Applied Energy, 249, 312-326. https://doi.org/10.1016/j.apenergy.2019.02.027.
Croft, H., y Chen, J.M. (2018). Leaf pigment contenten. En S. Liang (Ed.), Comprehensive remote sensing. Oxford: Elsevier.
Cruz, P., Hernández, A., Quiroz, J., Mendoza, S., Quero, A y Torres, B. (2011). Desempeño agronómico de genotipos de Brachiaria humidicola (Rendle) Schweickt en el trópico húmedo de México. Revista fitotecnia mexicana, 34 (2). http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0187-73802011000200011.
Chehbouni, A., Huete, A., Kerr, H y Sorooshian. (1994). A Modified Soil Adjusted Vegetation Index. Remote Sensing of Environment, 48 (2) 119-126. https://doi.org/10.1016/0034-4257(94)90134-1.
Chuvieco, E. 2002. Teledetección ambiental. 1a. ed. Barcelona. Editorial Ariel.
Correa, M., Bastiani, N., Barreto, J., Deibler, A y Bidese, L. (2019a). Avaliação de sensor multiespectral em mapeamentos da infestação de pastagens naturais pelo capim-annoni. Anais de XIX Simpósio Brasileiro de Sensoramiento Remoto. 14 a 17 de abril. Santo, Brasil.
Correa, M., Barreto, J., Bastiani, N y Deibler, A. (2019b). Aplicação do índice de cobertura verde em pastagem de azevém. Anais de XIX Simpósio Brasileiro de Sensoramiento Remoto. 14 a 17 de abril. Santo, Brasil.
Da Silva, H. (2018). Utilização de drone em mapeamentos florestais para classificação do uso e ocupação do solo. [Tesis de maestria, Universidade Federal do Paraná] Dspace. https://hdl.handle.net/1884/60786.
De Barros, C., Baierle, J., Correa, M y Bastiani, N. (2018). Uso de sensor multiespectral em aeronave remotamente pilotada para avaliação da infestação de pastagem nativa por Eragrostis Plana (Ness). VII Simpósio de Iniciação Científica da Embrapa Pecuária Sul.
Díaz, H y Sierra, J. (2004). Materiales de propagación y distancias de siembra en Brachiaria humidicola y Brachiaria dictyoneura. Pasturas Tropicales, 26, (2). http://www.tropicalgrasslands.info/index.php/tgft/pages/view/Pasturas.
Díaz, J.E, Fernández, R y González, A. (2011). Measuring Herbage Mass by Non-Destructive Methods: A Review. Journal of Agricultural Science and Technology, 1 (3), 303-314. https://www.researchgate.net/publication/274640623_Measuring_Herbage_Mass_by_Non-Destructive_Methods_A_Review.
Díaz, R.A., Moreno, H.W., Pérez, O., Rincón, A y Salcedo, J. (2019a). Uso de sistemas de información geográfica para identificar espacialmente la oferta de forraje verde de Brachiaria decumbens Stapf cv Basilisk en el Piedemonte Llanero. 42º Congreso Argentino de Producción Animal. Revista Argentina de Producción Animal, 39 (1), 99-167. http://ppct.caicyt.gov.ar/index.php/rapa/article/view/16419/45454575768681.
Díaz, R.A., Alvarez, M., Pérez, O., Gutiérrez, B y Villalobos, M. (2019b). Uso de sensores remotos en la determinación de la oferta de forraje del pasto Brachiaria humidicola subsp. dictyoneura bajo pastoreo en la Altillanura colombiana. 42º Congreso Argentino de Producción Animal. Revista Argentina de Producción Animal, 39 (1), 99-167. http://ppct.caicyt.gov.ar/index.php/rapa/article/view/16419/45454575768681.
Di Leo, N., Montico, S., Bonel, A., Denoia, A. (2007). Estimación de la APAR y la NPP mediante sensoramiento remoto en tres sectores de la Pampa Húmeda, Argentina. Ciencia, Docencia y Tecnología, 18, (35), 221-241.
Dorigo, W., Zurita, R., de Wit, A., Brazile, J., Singh, R. y Schaepman, M. (2007) A review on reflective remote sensing and data assimilation techniques for enhanced agroecosystem modeling. International Journal of Applied Earth Observation and Geoinformation 9 (2), 165–193. https://doi.org/10.1016/j.jag.2006.05.003.
Donohue, R., Hume, C., Roderick, M., McVicar, T., Beringer, J., Hutley, L....Arndt, S. (2014). Evaluation of the remote-sensing-based DIFFUSE model for estimating photosynthesis of vegetation. Remote Sensing of Environment, 155, 349-365. https://doi.org/10.1016/j.rse.2014.09.007.
Dusseux, P. (2014). Exploitation de séries temporelles d’images satellites à haute résolution spatiale pour le suivi des prairies en milieu agricole. [Tesis de doctorado, Universite Rennes 2 Haute-Bretagne] HAL theses. https://tel.archives-ouvertes.fr/tel-01131770/file/2014theseDusseuxP.pdf.
Edirisinghea, A., Clarkb, D. y Waughb D. (2012). Spatio-temporal modelling of biomass of intensively grazed perennial dairy pastures using multispectral remote sensing. International Journal of Applied Earth Observation and Geoinformation, 16, 5-16. https://doi.org/10.1016/j.jag.2011.11.006.
Edvan, R., Bezerra, L., Marques, C., Socorro, Carneiro, M., Oliveira, R y Ferreira, R. (2016). Methods for estimating forage mass in pastures in a tropical climate. Revista de Ciências Agrárias, 39 (1), 36-45. DOI: 10.19084/RCA14100.
Federación Colombiana de Ganaderos – FEDEGAN. (2006). Plan estratégico de la ganadería colombiana 2019, Sanmartín Obregón & Cía. http://hdl.handle.net/20.500.12324/13049.
Ferreira, C.C. (2018). Produtividade primária bruta para áreas de cana de-açúcar e cerrado na bacia hidrográfica do mogi guaçu – sp. [Tesis de maestria, Universidade Federal de Campina Grande] Repositorio Dspace. http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/1569.
Fletcher, J.E y Robinson, M.E. (1956). A capacitance meter for estimating forage weight. Journal of Range Management, 9 (2), 96-97. https://doi.org/10.2307/3894559.
Franke, J., Keck, V y Siegert, F. (2012). Assessment of grassland use intensity by remote sensing to support conservation Schemes. Journal for Nature Conservation, 20 (3), 125-134. https://doi.org/10.1016/j.jnc.2012.02.001.
Freitas, V., Butturi, W., Ottonelli de Bona, D., Oliveira, M., Barreto, L y Nunes, G. (2017). Uso de imagens obtidas com veículo aéreo não tripulado (VANT) para verificação do indicador de cobertura do solo no monitoramento da restauração florestal. XVII Simposio Brasilero de Sensoramiento Remoto. https://www.icv.org.br/drop/wp-content/uploads/2017/06/Artigo_Uso_do_VANT_monitoramento_restauracao_florestal_ICV_2017.pdf.
Gallego, F., Lezama, F., Pezzani, F., López-Mársico, L., Leoni, E., Mello, A y Costa B. (2017). Estimación de la productividad primaria neta aérea y capacidad de carga ganadera: un estudio de caso en Sierras del Este, Uruguay. Agrociencia Uruguay, 21 (1). 120-130. http://www.scielo.edu.uy/scielo.php?script=sci_arttext&pid=S2301-15482017000100120.
García, G. (2006). La escala y su importancia en el análisis espacial. Ecosistemas, 15 (3), 7-18. http://www.revistaecosistemas.net/articulo.asp?Id=432&Id_Categoria=1&tipo=portada.
García, R. (2008). Sistemas Complejos. Conceptos, Método y Fundamentación Epistemológica de la Investigación Interdisciplinaria., Gedisa. https://repositorio.esocite.la/id/eprint/364.
García, M., Évora, J y Pérez, M. (2012). Satélites de Teledetección para la gestión del territorio. Proyecto SATELMAC, Programa de Cooperación Transnacional Madeira – Azore. https://geoinnova.org/libro/satelites-teledeteccion-la-gestion-del-territorio/?gclid=Cj0KCQjwm6KUBhC3ARIsACIwxBjAI_DgJguIQ0eqY5Fac1i9vT0foMQMESbJEDmstZIn2aS9rglcpTAaAgNNEALw_wcB.
Gastó, J. (1979). Ecosistema, componentes y atributos relativos al desarrollo y medio ambiente. Estilos de desarrollo y medio ambiente en América Latina. http://hdl.handle.net/11362/20474.
Gebbers, R y Adamchuk, V.I. (2010). Precision Agriculture and food security. Science, 327(5967), 828-831. DOI:10.1126/science.1183899.
Giraldo, L., Ranilla, M., Tejido, M y Carro, M. (2007). Efecto de la sustitución de Brachiaria dictyoneura por acacia mangium sobre la fermentacion ruminal in vitro. Pasturas Tropicales. 29, 39-46. http://www.tropicalgrasslands.info/public/journals/4/Elements/DOCUMENTS/2007-vol29-rev1/Vol_29_rev1_07_pags_39-46.pdf.
Gichangi, E.M., Njarui, D.M y Gatheru, M. (2017). Plant shoots and roots biomass of brachiaria grasses and their effects on soil carbon in the semi-arid tropics of Kenya. Tropical and Subtropical Agroecosystems, 20, 65-74. http://www.revista.ccba.uady.mx/ojs/index.php/TSA/article/view/2244.
Glissman, S (2014). Agroecology: The Ecology of Sustainable Food Systems. California, Estados Unidos, CRC Press.
Gómez, D. (2008). Aspectos ecológicos de los pastos. En F, Fillat., R, García-González., D, Gómez., R, Reiné (Ed.), Pastos del Pirineo, cap. 7: 61- 73. Consejo Superior de Investigaciones Científicas, Premios Félix de Azara, Diputación de Huesca. Madrid.
Gómez, M., Jong, R., Della Peruta, R., Keller, A. y Schaepman, M. (2017). Determination of grassland use intensity based on multi-temporal remote sensing data and ecological indicators. Remote Sensing of Environment, 198, 126-139. https://doi.org/10.1016/j.rse.2017.06.003.
Gonçalves, L.M., Barbosa, G.A., Ferraz, S., Maciel, T y Santos, H.F. (2017). Variabilidade espacial e temporal do índice vegetação mpri aplicado às imagens de grama são carlos obtidas por aeronave remotamente pilotada. Brazilian Journal of Biosystems Engineering, 11 (4), 340-349. http://dx.doi.org/10.18011/bioeng2017v11n4p340-349.
Grigera, G. (2011). Seguimiento de la productividad forrajera mediante teledetección: desarrollo de una herramienta de manejo para sistemas de producción ganaderos [Tesis de doctorado, Universidad de Buenos Aires] Reositorio Institucional Cientifico y Académico de la Facultad de Agronomía – UBA. https://repositoriosdigitales.mincyt.gob.ar/vufind/Record/FAUBA_9560df82cfd98ba5186690e3789b95bf.
Guimarães, M.M.C., Matsumoto, S. N., Figueiredo, M. P., Cruz, P. G y Araújo, G. S. (2011). Estimativa da composição química do capim Braquiária cv. Marandú por meio de um clorofilômetro portátil. Revista Brasileira de Tecnologia Aplicada nas Ciências Agrárias, 4 (2), 85–91. https://doi.org/10.5777/paet.v4i2.1084.
Haydock, K.P y Shaw, N, H. (1975). The comparative yield method for estimating dry matter yield of pasture. Aust. J. Exp. Anim. Husb, 15 (76), 663-670. https://doi.org/10.1071/EA9750663.
Hernández, R. (2017). Metodología para discriminación de malezas basada en la respuesta espectral de la vegetación. [Tesis de maestria, Universidad Nacional de Colombia, sede Bogotá] Repositorio Institucional Biblioteca Digital – UN. https://repositorio.unal.edu.co/handle/unal/59816.
Hepp, C., Reyes, C., Soto., R., Cáceres, E., Barattini, P y Juárez, D. (2017). Métodos de medición de disponibilidad de biomasa (materia seca) en praderas bajo pastoreo. En C, Hepp y C, Reyes. Determinación de la disponibilidad de materia seca en praderas a pastoreo en la Patagonia húmeda (región de Aysén). Instituto de Investigaciones Agropecuarias (INIA). Boletín 351. http://biblioteca.inia.cl/medios/biblioteca/boletines/NR40661.pdf.
Hoffmann, I., From, T. y Boerma, D. (2014). Ecosystem services provided by livestock species and breeds, with special consideration to the contributions of small-scale livestock keepers and pastoralists. Background study paper, 66 (1). Disponible en: https://www.fao.org/publications/card/es/c/396d4e98-614e-47a4-83cb-57b8fc7508af/.
Holmes, C.W., Wilson, G.F., Mackenzie, D.D.S., Flux, D.S., Brookes, I.M y Davey, A.W.F. (Ed. D Swain (2007) 'Milk production from pasture.' (Massey University: Palmerston North, New Zealand
Hoyos Rojas, J., Posada Asprilla, W., y Cerón Muñoz, M. (2019). Fotografía multiespectral para el diagnóstico fitosanitario del pasto kikuyo (Cechrus clandestinus (Hochst ex Chiov) Morrone). Acta Agronómica, 68 (1), 61-67. https://doi.org/10.15446/acag.v68n1.75662.
Huete, A. (1988). A Soil-Adjusted Vegetation Index (SAVI). Remote Sensing of Environment, 25 (3), 295-309. https://doi.org/10.1016/0034-4257(88)90106-X.
Huete, A; Didan,K; Miura,T; Rodriguez, E,P; gao,X; Ferreira, L,G. (2002). Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote Sensing of Environment, 83 (2), 195-213. https://doi.org/10.1016/S0034-4257(02)00096-2.
Instituto Colombiano Agropecuario. (1987). Pasto Llanero. Boletín Tecnico (151). https://repository.agrosavia.co/bitstream/handle/20.500.12324/20476/78464_7324.pdf?sequence=1&isAllowed=y.
Insua, J.R, Utsumi, S.A y Basso, B. (2019). Estimation of spatial and temporal variability of pasture growth and digestibility in grazing rotations coupling unmanned aerial vehicle (UAV) with crop simulation models. PLoS ONE, 14 (3). https://doi.org/10.1371/journal.pone.0212773
Irisarri, J.G., Gundel, P.E., Clavijo, M.P., Durante, M y Sosa, P. (2013). Estimación de la PPNA y la capacidad de carga por ambientes mediante información satelital en un establecimiento ganadero en la Pampa Deprimida. Revista Argentina de Producción Animal, 33 (1), 11-37. http://ppct.caicyt.gov.ar/index.php/rapa/article/view/3562.
Jayasinghe, C., Badenhorst, P., Wang, J., Jacobs, J., Spangenberg, G y Smith, K. (2019). An Object-Based Image Analysis Approach to Assess Persistence of Perennial Ryegrass (Lolium perenne L.) in Pasture Breeding. Agronomy, 9 (9). https://doi.org/10.3390/agronomy9090501.
Jensen, J R. (2005). Remote Sensing and digital image processing. En Kaveney D E (Ed.), Introductory digital image processing: a remote sensing perspective. 3rd ed. Prentice Hall series in geographic information science. United States of America.
Jones, R.M y Hargreaves, J.N. (1979). Improvements to the weight-rank method for measuring botanical composition. Grass and Forage Science, 34, 181-189. DOI:10.1111/j.1365-2494.1979.tb01465.x.
Kaufman, Y y Tanré, D. 1992. Atmospherically resistant vegetation index (ARVI) for EOS-MODIS. IEEE Transaction on geoscience and remote sensing, 30 (2), 261-270. DOI: 10.1109/36.134076.
Kawamura, K., Betteridge, K., Sanches, D.I., Tuohy, M., Costall, D y Inoue, Y. (2009). Field radiometer with canopy pasture probe as a potential tool to estimate and map pasture biomass and mineral components: A case study in the Lake Taupo catchment, New Zealand. New Zealand Journal of Agricultural Research, 52 (4), 417-434. DOI:10.1080/00288230909510524.
Kelemu, S., Miles J., Bonilla, M y Badel, L. (1995). Sources of resistance in species of Brachiaria to foliar blight disease caused by Rhizoctonia solani. Tropical Grasslands, 29, 257-262. https://cgspace.cgiar.org/handle/10568/44119.
Lascano, C.E., Avila, P., Quintero, I.E y Toledo, J.M. (1991). Atributos de una pastura de Brachiaria dictyoneura - Desmodium ovalifolium y su relación con la producción animal. Tropical Grasslands, 13 (2). Disponible en: http://www.tropicalgrasslands.info/index.php/tgft/pages/view/Pasturas.
Lascano, C. E y Euclides, V.P.B. (1996). Nutritional Quality and Animal Production of Brachiaria Pastures. En J.W.Miles, B.L.Maas y C.B. Do Valle (Ed.) Brachiaria: Biology, Agronomy, and Imrovement. Centro Internacional de Aggricultura Tropical, Campo Grande, Brasil: Empresa Brasileira de Pesquisa Agropecuária, Centro Nacional de Pesquisa de Gado de Corte. Cali, Colombia.116.
Liang, S., Li, X y Wang, J. (2012). A Systematic View of Remote Sensing. En S. Liang., X, Li y J, Wang (Ed.), Advanced Remote Sensing, Terrestrial information Extraction and Applications. ELSEVIER.
Lima, V A., Oliveira, B y Ferri, B. (2015). Curso de capacitação para implantação de cadastro territorial multifinalitário nos municípios do sudoeste do Paraná. Módulo 3- sensoriamento remoto e geoprocessamento. Universidade Tecnológica Federal do Paraná. https://www.capacidades.gov.br/blog/detalhar/id/85/post/737/param/ativos.
Lora, C. (2016). Comparativa de sensores espaciales de diferente resolución espectral en la exploración minera [Tesis de maestria, Escola Politècnica Superior d’Enginyeria de Manresa] UPCommos. http://hdl.handle.net/2117/96828.
Lussem, U., Bolte, A., Gnyp, M., Jasper, J y Barath, G. (2018). Evaluation of RGB-based vegetation indices from UAV imagery to estimate forage yield in grassland. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol XLII-3. Mid-term Symposium “Developments, Technologies and Applications in Remote Sensing”, 7–10 May, Beijing, China. https://doi.org/10.5194/isprs-archives-XLII-3-1215-2018.
Lillesand, T.M., Kiefer, R. W y Chipman, J.W. (2004). Remote sensing and image interpretation: Jhon Wile y Sons Ltd.
Madugundu, R., Al-Gaadi, K., Tola, E., Kayad, A y Jha, C. (2017). Estimation of gross primary production of irrigated maize using Landsat-8 imagery and Eddy Covariance data. Saudi Journal of Biological Sciences, 24 (2), 410-420. https://doi.org/10.1016/j.sjbs.2016.10.003.
Maire, J., Gibson-Poole, S., Cowan, N., Reay, D.S., Richards, K.G., Skiba, U., Rees, R.M y Lanigan, G.J. (2018). Identifying Urine Patches on Intensively Managed Grassland Using Aerial Imagery Captured From Remotely Piloted Aircraft Systems. Front. Sustain. Food Syst, 2 (10). https://doi.org/10.3389/fsufs.2018.00010.
Marten, G. (1988). Productivity, Stability, Sustainability, Equitability and Autonomy as Properties for Agroecosystem Assessment. Agricultural Systems, 26 (4), 291-316. https://doi.org/10.1016/0308-521X(88)90046-7.
Mendoza, P y Lascano, C. (1985). Mediciones en la pastura en ensayos de pastoreo. En C. Lascano y E. Pizarro (Ed.), Evaluación de pasturas con animales. Memorias de una reunión de trabajo celebrada en Perú, 1-5 de octubre de 1984. Red Internacional de Evaluación de Pastos Tropicales (RIEPT), CIAT, Cali, Colombia.
Menezes, R P; Almeida, T (2012). Introdução ao Processamento de Imagens de Sensoriamento Remoto. Brasília. https://docplayer.com.br/951443-Introducao-ao-processamento-de-imagens-de-sensoriamento-remoto-paulo-roberto-meneses-tati-de-almeida-organizadores.html
Mitchell, J.E. (1972). An Analysis of the Beta-Attenuation Technique for Estimating Standing Crop of Prairie Range. Society for Range Management, 25 (4), 300-304 DOI:10.2307/3896918.
Michez, A., Lejeune, P., Bauwens, S. Herinaina, A.A.L., Blaise, Y., Castro Muñoz, E., Lebeau, F y Bindelle, J. (2019). Mapping and Monitoring of Biomass and Grazing in Pasture with an Unmanned Aerial System. Remote Sensing, 11 (5), 473. DOI:10.3390/rs11050473.
Mitsikostas, A. (2017). Monitorización y optimización de tierras con drones y fotogrametría aérea para aplicaciones de precisión en agricultura [Trabajo de maestria, Universidad Politecnica de Valencia] Riunet – UPV. https://riunet.upv.es/handle/10251/86353.
Nancy, J., Thiex, J y Van Erem, T. (2002). Determination of Water (Moisture) and Dry Matter in Animal Feed, Grain, and Forage (Plant Tissue) by Karl Fischer Titration: Collaborative Study. Thiex & Van Erem: Journal of AOAC international, 85 (2), 318-327. https://doi.org/10.1093/jaoac/85.2.318.
NASA. (1998). The remote sensing tutorial. http://rst.gsfc.nasa.gov/
Nguku, N., Njarui, D., Musimba, N., Amwata, D y Kaindi, E. (2016). Primary production variables of brachiaria grass cultivars in Kenya dry lands. Tropical and Subtropical Agroecosystems, 19 (1), 29-39. Disponible en: https://www.revista.ccba.uady.mx/ojs/index.php/TSA/article/view/2167.
Numata, I., Roberts, D., Chadwick, O., Schimel, J., Galvao, L y Soares, J. (2008). Evaluation of hyperspectral data for pasture estimate in the Brazilian Amazon using field and imaging spectrometers. Remote Sensing of Environmet, 112 (4), 1569-1583. https://doi.org/10.1016/j.rse.2007.08.014.
Pardo, O., Rincón, A y Hess. (1999). Gramíneas y leguminosas adaptadas a las condiciones de los llanos orientales. En C.A. Jaramillo (Ed.), Alternativas forrajeras para los llanos orientales de Colombia (pp. 7-23). Corporación Colombiana de Investigación Agropecuaria – Corpoica. http://hdl.handle.net/20.500.12324/35795.
Pardo, O y Pérez, O. (2010). Alternativas forrajeras para los llanos orientales de Colombia. En A. Rincón., C.A. Jaramillo (Ed.), Establecimiento, manejo y utilización de recursos forrajeros en sistemas ganaderos de suelos ácidos (pp. 27-70). Corporación Colombiana de Investigación Agropecuaria – Corpoica. http://hdl.handle.net/20.500.12324/12703.
Paruelo, J. (2008). La caracterización funcional de ecosistemas mediante sensores remotos. Ecosistemas, 17 (3), 4-22. https://www.revistaecosistemas.net/index.php/ecosistemas/article/view/83.
Paruelo, J., Oesterheld, M. y Grigera, G. (2011). El Seguimiento de los recursos forrajeros mediante sensores remotos: bases y aplicaciones. En: Bases Ecológicas y Tecnológicas para el manejo de pastizales. Montevideo, Eds. Instituto Nacional de Investigación Agropecuaria. https://wwfar.awsassets.panda.org/downloads/kit_pampas___manual_seguimiento_satelital_del_forraje.pdf.
Padilla, G.A. (2017). Estimación de la productividad primaria neta aérea (PPNA) del forraje de pastos para los sistemas de producción ganadera mediante sensores remotos [Tesis de pregrado, Universidad del Valle] Biblioteca digital. http://hdl.handle.net/10893/10315.
Peitz, J. L. (2019). UAV based hyperspectral grassland monitoring in an alpine shallow erosion area Lessons learnt from classifying vegetation indicating shallow erosion risk [Trabajo de maestria, Lund University] LUPP Student Papers. http://lup.lub.lu.se/student-papers/record/8978657.
Pérez R. A. y Lascano C. E. 1992. Potencial de producción animal de asociaciones de gramíneas y leguminosas promisorias en el Piedemonte de la Orinoquía Colombiana. En. Pizarro E.A (Ed.), Primera Reunión Sabanas de la Red Internacional de Evaluación de Pastos Tropicales (RIEPT), (p. 23-26). CPAC/EMBRAPA y CIAT.
Peñuelas, J., Bart, F y Filella, I. (1995). Semi-empirical índices to acssess carotenoids/chlorophyll a ratiofrom leaf spectral reflectance. Photosynthetica, 31 (2), 221-230. https://hal.inrae.fr/hal-02779352.
Pessi, D., José, J., Mioto, L y Silva, N. (2020). Aeronave remotamente pilotada de baixo custo no estudo de plantas invasoras em áreas de cerrado. Pesquisas Agrárias e Ambientais, 8 (1), 68-80. DOI: http://dx.doi.org/10.31413/nativa.v8i1.8433.
Peters, M., Franco, L., Schmidt, A y Hincapié, B. (2011). Especies forrajeras Multiproposito: Opciones para productores del trópico Americano. Centro Internacional de Agricultur Tropical-CIAT. Publicación CIAT (374). https://cgspace.cgiar.org/handle/10568/54681?show=full.
Pezzani, F., Lezama, F., Gallego, F., López-Márisco, L., Leoni, E., Costa, B., Parodi, G y Mello, A.L. (2017). El método de corte de biomasa genera mayores diferencias en la estimación de la productividad de pastizales que el tipo de pastizal. Revista Argentina de Producción Animal, 37 (1), 21-32. https://www.researchgate.net/publication/317549460_El_metodo_de_corte_de_biomasa_genera_mayores_diferencias_en_la_estimacion_de_la_productividad_de_pastizales_que_el_tipo_de_pastizal.
Pinter, P. J., Jr., Hatfield, J. L., Schepers, J. S., Barnes, E. M., Moran, M. S., Daughtry, C. S. T. (2003). Remote sensing for crop management. Photogrammetric Engineering and Remote Sensing, 69 (6), 647-664. Disponible en: https://digitalcommons.unl.edu/usdaarsfacpub/1372/.
Posada, A. W. (2018). Evaluación de praderas de pasto kikuyo (Cenchrus clandestinus (Hochst. Ex Chiov) Morrene) a través de imágenes multiespectrales [Tesis de maestria no publicada]. Universidad de Antioquia.
Posada, A. W.., Medina, M y Cerón, M. (2019). Estimación de la calidad y cantidad de pasto kikuyo (Cenchrus clandestinum (Hochst. ex Chiov.) Morrone) usando imágenes multiespectrales. Revista U.D.C.A Actualidad & Divulgación Científica, 22 (1). https://doi.org/10.31910/rudca.v22.n1.2019.1195.
Preston, B., King, A., Ernst, M., Absar, S, Nair, S. y Parish, E. (2015). Scale and the representation of human agency in the modeling of agroecosystems. Current Opinion in Enviromental Sustainability,14, 239-249. https://doi.org/10.1016/j.cosust.2015.05.010.
Phillips, R., Beri, O., Scholljegerde, E., Bjergaard, D y Hendrickson, J. (2009). Integration of geospatial and cattle nutrition information to estimate paddock grazing capacity in Northern US prairie. Agricultural Systems, 100 (1-3), -72-79. https://doi.org/10.1016/j.agsy.2009.01.002.
Pullanagari, R. R. (2011). Proximal sensing techniques to monitor pasture quality an quantity on dairy farms [Tesis de doctorado, Massey University] Theses and Dissertations. http://hdl.handle.net/10179/3695.
Pullanagari, R., Yule, I., Tuohy, M., Hedley, M., Dynes, R y King, W. (2013). Proximal sensing of the seasonal variability of pasture nutritive value using multispectral radiometry. Grass & Forage Science. 68 (1), 110-119. https://doi.org/10.1111/j.1365-2494.2012.00877.x.
Pullanagari, R., Dynes, R., King, W., Yule, I., Thulin, S., Knox, N y Ramoleo, A. (2016). Remote sensing of pasture quality. UKnowledge. https://uknowledge.uky.edu/cgi/viewcontent.cgi?article=1271&context=igc#:~:text=Remote%20sensing%20has%20potential%20to%20provide%20pasture%20quality%20information%2C%20however,issues%20need%20to%20be%20resolved.
Punalekar, S.M., Verhoef, A., Quaife, T.L., Humphries, D., Bermingham, L., Reynolds, C.K., (2018). Application of Sentinel-2A data for pasture biomass monitoring using a physically based radiative transfer model. Remote Sens. Environ, 218, 207–220. https://doi.org/10.1016/j.rse.2018.09.028.
Ramírez, A. (2013). Evaluación del crecimiento de pastos usando índices de vegetación calculados a partir de información satelital [Tesis de maestría, Universidad Nacional] Repositorio Institucional Biblioteca Digital. https://repositorio.unal.edu.co/handle/unal/75325.
Rebordosa, X. y López, J. (2010). Aplicación de la teledetección en el seguimiento temporal de actividades mineras a cielo abierto. Actualidad tecnológica, 6-11. https://es.scribd.com/document/353076822/4-Dialnet-AplicacionDeLaTeledeteccionEnElSeguimientoTemporal-3395277-pdf.
Rennie, G. M., King, W. M., Puha, M. R., Dalley, D. E, Dynes, R. A y Upsdell, M. P. (2009). Calibration of the C-DAX Rapid Pasturemeter and the rising platemeter for kikuyu-basedNorthland dairy pastures. Proc N Z Grassl Assoc, 71, 49–55. DOI: 10.33584/jnzg.2009.71.2779.
Rincón, A., Cuesta, P.A., Pérez, R., Lascano, C.E y Ferguson, J. (Eds). (1992). Maní forrajero perenne (Arachis pintoi) Krapowickas y Gregory. Una alternativa para ganaderos y agricultores. Instituto Colombiano Agropecuario (ICA). http://hdl.handle.net/20.500.12324/31579.
Rincón, A. (1995). Producción de semilla de Brachiaria dictyoneura y Brachiaria brizantha en las sabanas bien drenadas de los Llanos Orientales de Colombia. Pasturas tropicales, 17 (3). http://www.tropicalgrasslands.info/public/journals/4/Elements/DOCUMENTS/1995-vol17-rev1-2-3/Vol17_rev3_95_art9.pdf.
Rincón, A y Bueno, G. (Eds). (1997). Producción de semilla de pasto llanero (Brachiaria dictyoneura) en la Altillanura colombiana. Corporación Colombiana de Investigación Agropecuaria – CORPOICA. http://hdl.handle.net/20.500.12324/694.
Rincón, A. (2011). Efecto de alturas de corte sobre la producción de forraje de Brachiaria sp. en el piedemonte Llanero de Colombia. Revista Corpoica – Ciencia y Tecnología Agropecuaria, 12 (2), 107-112. https://dialnet.unirioja.es/servlet/articulo?codigo=5624828
Rincón, A., Flórez, H., Ballesteros, H y León, M. (2018). Efectos de la fertilización en la productividad de una pastura de Brachiaria humidicola cv. Llanero en el Piedemonte de los Llanos Orientales de Colombia. Tropical Grassland, 6 (1),158-168. http://dx.doi.org/10.17138/tgft(6)158-168.
Rincón, A., Álvarez, M., Pardo, O., Amaya, M. A y Díaz, R. A. (2019). Estimación de la concentración de clorofila y su relación con la concentración de proteína cruda en tres especies del pasto Urochloa en el Piedemonte Llanero, Colombia. Tropical Grasslands, 7 (5), 533-537. DOI: 10.17138/TGFT(7)533-537.
Rippstein, G., Sionneau, J., Escobar, G y Ramírez, G. (2001). Radiometría terrestre para el inventario y otros estudios de la vegetación de sabana. En G. Rippstein., J, Escobar., F, Motta (Ed.), Agroecología y biodiversidad de las sabanas en los llanos orientales de Colombia. CIRAD – CIAT. https://repositorio.unal.edu.co/handle/unal/9670.
Robel, R.J., Briggs, J.N., Dayton, A.D y Hulbert, L.C. (1970). Relationships Between Visual Obstruction Measurements and Weight of Grassland Vegetation. Journal of Range Management Archives, 23 (4). https://journals.uair.arizona.edu/index.php/jrm/article/view/5830/5440.
Rodrigues, S. S. (2017). Veículo aéreo nao tripulado de asa rotativa na atividade de mapeamento e colecta de imgem na agricultura de precisao e no monitoramento de animais [Tesis de maestria, Universidade de Sao Paulo] Tesis y disertaciones. https://teses.usp.br/teses/disponiveis/74/74134/tde-24042017-104340/es.php.
Rodrigues, P., Aires-Dias, J., Silva, A., Almeida, T., Lopes de silva, T y Silva, P. (2015). Imagens multiespectrais para estimar características produtivas de gramíneas tropicais. Instituto Federal de Tocantins, 6. https://propi.ifto.edu.br/ocs/index.php/jice/6jice/paper/viewFile/7127/3422.
Rossini, C., Pereyra, O., Graciosa, M., Machado, M y Figueiredo, C. (2015). Imagens multiespectrais para avaliação de índice de área foliar e massa seca do capim ‘Tifton 85’, sob adubação nitrogenada. Ciencia Rural, 45 (4), 697-703. http://dx.doi.org/10.1590/0103-8478cr20131424.
Running, S. W. (2004). Global land data sets for next‐generation biospheric monitoring. Wiley Online Library, 85 (2), 543-545. https://doi.org/10.1029/2004EO500006.
Sahoo, R.N., Ray, S.S., Manjunath, K.R., (2015). Hyperspectral remote sensing of agriculture. Current Science, 108 (5), 848-859. https://ncfc.gov.in/publications/p2.pdf.
Sánchez, G., Osorio, E., Alvarez, J.A, Marín, J, Sánchez, A y Gil, O.J. (1989). Adaptación y producción de gramíneas y leguminosas forrajeras en el departamento de Antioquia, Colombia. Pasturas Tropicales, 11 (3). http://www.tropicalgrasslands.info/index.php/tgft/pages/view/Pasturas.
Sánchez, J., Villareal, M y Soto, H. (2000). Caracterización nutricional de los componentes forrajeros de cuatro asociaciones gramíneas/Arachis pintoi. Nutrición Animal Tropical, 6 (1). https://www.academia.edu/27599445/Caracterizaci%C3%B3n_de_los_componentes_forrajeros_de_cuatro_asociaciones_gram%C3%ADneas_Arachis_pintoi.
Sánchez, J y Yánez, S. (2018). Análisis de la correlación entre el volumen y vigorosidad vegetal de pasto con las características del suelo mediante técnicas de UAV [Tesis de pregrado, Universidad de las Fuerzas Armadas] Repositorio Dspace. http://repositorio.espe.edu.ec/handle/21000/14011.
Sanches, D. I. (2009). Hyperspectral proximal sensin of the botanical composition and nutrient content of New Zealand pastures [Tesis de doctorado, Massey University] Theses and Dissertations. http://hdl.handle.net/10179/1194.
Sankey, T., Leonard, J y Moore, M. (2019). Unmanned Aerial Vehicle−Based Rangeland Monitoring: Examining a Century of Vegetation Changes. Rangeland Ecology & Management, 72 (5), 858-863. https://doi.org/10.1016/j.rama.2019.04.002.
Santillan, R.A, Ocumpaugh, W.R y Mott, G.O. (1979). Estimating Forage Yield with a Disk Meter. Agronomy Journal. 71, 71-74. DOI: 10.2134/agronj1979.00021962007100010017x.
Sarandón, S. y Flores, C. (Eds). (2016). Agroecología: bases teóricas para el diseño y manejo de Agroecosistemas sustentables.Universidad Nacional de La Plata. https://libros.unlp.edu.ar/index.php/unlp/catalog/view/72/54/181-1.
Silva, J., Ferreira, L., Rego, J y Arantes, A. (2015). Utilização de imagens aéreas de um Veículo Aéreo Não-Tripulado (VANT) para estimativa de cobertura verde das pastagens cultivadas em duas áreas experimentais no município de Uberlândia – MG. Anais XVII Simpósio Brasileiro de Sensoriamento Remoto – SBSR. https://www.academia.edu/18007262/Utiliza%C3%A7%C3%A3o_de_imagens_a%C3%A9reas_de_um_Ve%C3%ADculo_A%C3%A9reo_N%C3%A3o_Tripulado_VANT_para_estimativa_de_cobertura_verde_das_pastagens_cultivadas_em_duas_%C3%A1reas_experimentais_no_munic%C3%ADpio_de_Uberl%C3%A2ndia_MG.
Squella, F., Márques, C., Silva, M y Mansilla, A. (1990). Validación del método BOTANAL en una pastura de Phalaris aquatica y Trifolium Subterraneum. I. Evalución del método del rendimiento comparativo, en la estimación de la disponibilidad de fitomasa. Agricultura técnica, 50 (3), 200-207. http://www.chileanjar.cl/files/V50I3A03_es.pdf.
Sripada, R. P., Heiniger, R. W., White, J. G., Weisz, R. (2006). Aerial color infrared photography for determining late-season nitrogen requirements in corn. Agronomy Journal, 97 (5), 1443-1451. https://doi.org/10.2134/agronj2004.0314.
Slaton, M.R., Raymond Hunt, E., Jr., Smith, W.K. (2001). Estimating near-infrared leaf reflectance from leaf structural characteristics. Am. J. Bot, 88 (2), 278–284. https://pubmed.ncbi.nlm.nih.gov/11222250/.
Stenzel, S., Fassnacht, F., Mack, B y Schnidtlen, S. (2017). Identification of high nature value grassland with remote sensing and minimal field data. Ecological Indicator, 74, 28-38. https://doi.org/10.1016/j.ecolind.2016.11.005.
Tammadge, D., Álvarez, F. y Rodríguez, J. (2012). Evaluación del producto MODIS GPP en biomas no arbolados empleando datos de torres de flujo de Carbono. XV Congreso Nacional de Tecnologías de la Información Geográfica. http://www.congresos.cchs.csic.es/TIG2012/sites/default/files/Alvarez-Taboada%2CMF.pdf.
Toledo, J.M., Burns, J.C., Lucas, H.L., Jr, H.L y Angelone, A. (1981). Herbage measurements in situ by electronics. III. Calibration, characterization and field application of the earth-plate forage capacitance meter: a prototype. Grass and forage Sci, 35 (3), 189-196. https://doi.org/10.1111/j.1365-2494.1980.tb01511.x.
Toledo, J. (Eds) (1982). Manual para la evaluación agronómica. Red Internacional de Evaluación de Pastos Tropicales. Centro de Internacional de Agricultura Tropical- CIAT. https://cgspace.cgiar.org/handle/10568/54148.
Torres, J., Peña, J., Castro, A. y López, F. (2014). Multi-temporal mapping of the vegetation fraction in early-season wheat fields using images from UAV. Computers and Electronics in Agriculture, 103, 104–113. https://doi.org/10.1016/j.compag.2014.02.009.
Toro-Mújica, P., García A., Gómez-Castro, A., Acero, R., Perea, J. y Rodríguez-Estévez, V. (2011). Sustentabilidad de Agroecosistemas. Arch. Zootec, 59, 71-94. https://doi.org/10.21071/az.v59i232.4908.
Tothill, J.C., Hargreaves, J.N y Jones, R.N. (Eds). (1978). Botanal; a comprehensive sampling and computing procedure for estimating pasture yield and composition. I. Field sampling. Division of tropical crops and pasture, Tropical Agronomy, CSIRO. https://doi.org/10.4225/08/58712e506e989.
Trotter, M. G., Lamb, D. W., Donald, G. E y Schneider, D. A. (2010). Evaluating an active optical sensor for quantifying and mapping green herbage mass and growth in a perennial grass pasture. Crop & Pasture Science. 61(5, 389-398. https://doi.org/10.1071/CP10019.
Tucker ,C. J y Sellers . P. J. (1986). Satellite remote sensing of primary production. International Journal of Remote Sensing, 7 (11), 1395-1416, https://doi.org/10.1080/01431168608948944.
Turner, D. P., Ritts, W. D., Cohen, W. B., Maeirsperger, T. K., Gower, S. T., Kirschbaum, A. A., . Gamon, J. A. (2005). Site‐level evaluation of satellite‐based global terrestrial gross primary production and net primary production monitoring. Global Change Biology, 11. 667-684. https://www.fs.usda.gov/treesearch/pubs/24539.
Vela, W., Keller, G y Pinedo, L. (1990). Productividad animal en la asociacion de Brachiaria dictyoneura CIAT 6133 con Desmodium ovalifolium CIAT 350 en Pucallpa. En. G. Keller (Ed.), Red Internacional de Evaluación de Pastos Tropicales (RIEPT), 6-9 de Noviembre, Lima, Perú. Documento de trabajo, 75 (2). Centro Internacional de Agricultura Tropical – CIAT. https://agris.fao.org/agris-search/search.do?recordID=QT19970050898.
Vela, J.W y Flores, A. (1996). Productividad animal de la asociación Brachiaria dictyoneura CIAT 6133-Desmodium ovalifolium CIAT 350 en Pucallpa. Tropical Grasslands, 18 (1). http://www.tropicalgrasslands.info/index.php/tgft/pages/view/Pasturas.
Von Bennewitz, E. (2012). Uso de imágenes satelitales multiespectrales e índices de vegetación, como herramientas para estudiar el desarrollo fenológico y crecimiento del cerezo (prunus avium l.) en tres localidades de la provincia de curicó, región del maule-chile [Tesis de maesria, Universidad de Talca] Repositorio ANID. http://repositorio.conicyt.cl/handle/10533/184362#.
Von Bueren, S y Yule, I. (2013). Multispectral aerial imaging of pasture quality and biomass using unmanned aerial vehicles (UAV). Institute of Agriculture and Environment. http://tur-www1.massey.ac.nz/~flrc/workshops/13/Manuscripts/Paper_vonBueren_2013.pdf.
Watanabe, F., Alcatara, E., Rodrigues, T., Rotta, L., Bernardo, N. y Imai, N. (2017). Remote sensing of the chlorophyll-a based on OLI/Landsat-8 and MSI/Sentinel-2A, Barra Bonita reservoir, Brazil. Anais da Academia Brasileira de Ciências, 90 (2). http://www.scielo.br/scielo.php?pid=S0001-37652017005020119&script=sci_abstract.
Wilm, H. G., Costello, D.F y Klipple, G. (1944). Estimating Forage Yield by the Double-Sampling Method. Journal of the American Society of Agronomy, 36 (3), 194-203. https://doi.org/10.2134/agronj1944.00021962003600030003x.
Zimmerer, K. (2010). Biological Diversity in Agriculture and Global Change. The annual review of environment and resources, 35, 137-166. https://doi.org/10.1146/annurev-environ-040309-113840.
Baret, F y Guyot, G. (1991). Potentials and limits of vegetation indexes for LAI and APAR assessment. Remote Sensing of Environment, 35 (2-3), 161-173. DOI: https://doi.org/10.1016/0034-4257(91)90009-U.
Bayma-silva, G.; Santos, PM. (Eds). (2019). Protocolo de campo para investigação, calibração e validação de métodos para estimativade massa de forragem baseados em sensoriamento remoto orbital e proximal de forragem baseados em sensoriamentoremoto orbital e proximal; Embrapa Informarunatica https://www.infoteca.cnptia.embrapa.br/handle/doc/1117053.
Beeri, O., Phillips, R., Hendrickson, J., Frank, A. B y Kronberg, S. (2007). Estimating forage quantity and quality using aerial hyperspectral imagery for northern mixed-grass prairie. Remote Sensing of Environment, 110, 216–225. https://doi.org/10.1016/j.rse.2007.02.027.
Birth, G y G. McVey. (1968). Measuring the Color of Growing Turf with a Reflectance Spectrophotometer. Agronomy Journal, 60 (1), 640-643. https://doi.org/10.2134/agronj1968.00021962006000060016x.
Carulla, J.E., Lascano, C.E., Ward, J.K. (1991). Selectivity of resident and oeophageal fistulated steers grazing Arachis pintoi and Brachiaria dictyoneura in the Llanos of Colombia. Tropical Grasslands. 25, 317-324. Disponible en: https://cgspace.cgiar.org/handle/10568/44085.
Carneiro, F. M., Furlani, C., Zerbato, C., Menezes, P. C y Gírio, L. (2019). Correlations among vegetation indices and peanut traits during different crop development stages. Engenharia Agrícola, 39, 33-40. https://doi.org/10.1590/1809-4430-eng.agric.v39nep33-40/2019.
Carlson, T.N., Ripley, D.A. (1997). On the relation between NDVI, fractional vegetation cover, and leaf area index. Remote Sens Environ, 62 (3), 241–52. https://doi.org/10.1016/S0034-4257(97)00104-1.
Cisneros, A., Fiorio, P., Menezes, P., Pasqualotto, N., Wittenberghe, S., Bayma, G y Nogueira, S. (2020). Mapping Productivity and Essential Biophysical Parameters of Cultivated Tropical Grasslands from Sentinel-2 Imagery. Agronomy, 10 (5), 711. https://doi.org/10.3390/agronomy10050711.
Cook, B y Schultze-Kraft. (2015). Botanical name changes – nuisance or a quest for precision?. Tropical Grasslands, 3, 34-40. https://doi.org/10.17138/tgft(3)34-40.
Departamento Administrativo Nacional de Estadística (DANE). (2014) 3er Censo Nacional Agropecuario, La mayor operación estadística del campo colombiano en los últimos 45 años. Tomo 2, Resultados. https://www.dane.gov.co/files/images/foros/foro-de-entrega-de-resultados-y-cierre-3-censo-nacional-agropecuario/CNATomo2-Resultados.pdf.
Díaz, R.A., Alvarez, M., Pérez, O., Gutiérrez, B y Villalobos, M. (2019). Uso de sensores remotos en la determinación de la oferta de forraje del pasto Brachiaria humidicola subsp. dictyoneura bajo pastoreo en la Altillanura colombiana. 42º Congreso Argentino de Producción Animal. Revista Argentina de Producción Animal, 39 (1), 99-167. http://ppct.caicyt.gov.ar/index.php/rapa/article/view/16419/45454575768681.
Dingaan, M.N.V y Tsubo, M. (2019). Improved assessment of pasture availability in semi-arid grassland of South Africa. Environ Monit Assess, 191, 733. https://doi.org/10.1007/s10661-019-7918-x.
Epstein, H.E., Walker, D.A., Jia, G.J y Kelley, A.M. (2005). Climate, plant biomass, NDVI and LAI relationships along the full arctic bioclimate gradient. Am Geophys Union, 23, 1012-1024. https://ui.adsabs.harvard.edu/abs/2005AGUFM.B33E1092E/abstract.
Escribano, J. A; Hernández, C. G y Tarquis, A. (2015). Selección de índices de vegetación para la estimación de la producción herbácea en dehesas. Revista Pastos, 2 (44), 6-18. http://polired.upm.es/index.php/pastos.
Forsmoo, J., Anderson, K., Macleod, C. J. A., Wilkinson, M. E., Brazier, R. (2018). Drone-based structure-from-motion photogrammetry captures grassland sward height variability. Journal of Applied Ecology, 55 (6), 2587–2599. https://doi.org/10.1111/1365-2664.13148.
Gichangi, E.M., Njarui, D.M y Gatheru, M. (2017). Plant shoots and roots biomass of brachiaria grasses and their effects on soil carbon in the semi-arid tropics of Kenya. Tropical and Subtropical Agroecosystems, 20, 65-74. http://www.revista.ccba.uady.mx/ojs/index.php/TSA/article/view/2244.
Gitelson, A y M. Merzlyak. (1998). Remote Sensing of Chlorophyll Concentration in Higher Plant Leaves. Advances in Space Research, 22 (5), 689-692. https://doi.org/10.1016/S0273-1177(97)01133-2.
Gitelson, A.A., Kaufman, Y.J., Stark, R y Rundquist, D. (2002). Novel algorithms for remote estimation of vegetation fraction. Remote Sens Environ, 80 (1), 76-87. https://doi.org/10.1016/S0034-4257(01)00289-9.
Gitelson, A., Y. Gritz, y M. Merzlyak. (2003). Relationships Between Leaf Chlorophyll Content and Spectral Reflectance and Algorithms for Non-Destructive Chlorophyll Assessment in Higher Plant Leaves. Journal of Plant Physiology, 160 (3), 271-282. https://doi.org/10.1078/0176-1617-00887.
Huete, A. (1988). A Soil-Adjusted Vegetation Index (SAVI). Remote Sensing of Environment, 25 (3), 295-309. https://doi.org/10.1016/0034-4257(88)90106-X.
Huete, A., Jackson, R y Post, D. (1985). Spectral response of a plant canopy with different soil backgrounds. Remote Sensing of Environment, 17 (1), 37-53. https://doi.org/10.1016/0034-4257(85)90111-7.
Insua, J.R, Utsumi, S.A y Basso, B. (2019). Estimation of spatial and temporal variability of pasture growth and digestibility in grazing rotations coupling unmanned aerial vehicle (UAV) with crop simulation models. PLoS ONE, 14 (3). https://doi.org/10.1371/journal.pone.0212773.
Jiang, Z ., Huete, AR., Chen, J., Chen, Y., Li, J., Yan, G y Zhang, X. (2006). Analysis of NDVI and scaled difference vegetation index retrievals of vegetation fraction. Remote Sensing of Environment, 101 (3), 366-378. https://doi.org/10.1016/j.rse.2006.01.003.
Lu, B. (2017). Estimating Grassland Biophysical and Biochemical Properties Using Remote Sensing and Modelling [Tesis de doctorado, University of Toronto] ProQuest. https://www.proquest.com/openview/0424ddda1f876641bda478ddd8ecf3b6/1?pq-origsite=gscholar&cbl=18750.
Lu, B y He, Y. (2017). Species classification using Unmanned Aerial Vehicle (UAV)-acquired high spatial resolution imagery in a heterogeneous grassland. ISPRS Journal of Photogrammetry and Remote Sensing, 128, 73-85. http://dx.doi.org/10.1016/j.isprsjprs.2017.03.011.
Nakano, T., Bavuudorj, G., Urianhai, N. G y Shinoda, M. (2013). Monitoring aboveground biomass in semiarid grasslands using MODIS images. Journal of Agricultural Meteorology, 69 (1), 33–39. https://doi.org/10.2480/agrmet.69.1.1.
Myneni, R.B., Hall, F.G., Sellers, P.J y Marshak, A.L. (1995). The interpretation of spectral vegetation indexes. T Geos Remote Sens, 33 (2), 481-486. https://doi.org/10.1109/TGRS.1995.8746029.
Motta-Delgado, P. A., Ocaña Martínez, H. E., y Rojas-Vargas, E. P. (2019). Indicadores asociados a la sostenibilidad de pasturas: una revisión. Ciencia y Tecnología Agropecuaria, 20 (2), 387-430. https://doi.org/10.21930/rcta.vol20num2art:1464.
Peñuelas, J., Bart, F y Filella, I. (1995). Semi-empirical índices to acssess carotenoids/chlorophyll a ratiofrom leaf spectral reflectance. Photosynthetica, 31 (2), 221-230. https://hal.inrae.fr/hal-02779352.
Pardo, O., Rincón, A y Hess. (1999). Gramíneas y leguminosas adaptadas a las condiciones de los llanos orientales. En C.A. Jaramillo (Ed.), Alternativas forrajeras para los llanos orientales de Colombia (pp. 7-23). Corporación Colombiana de Investigación Agropecuaria – Corpoica. http://hdl.handle.net/20.500.12324/35795.
Posada, A. W. (2018). Evaluación de praderas de pasto kikuyo (Cenchrus clandestinus (Hochst. Ex Chiov) Morrene) a través de imágenes multiespectrales [Tesis de maestria no publicada]. Universidad de Antioquia.
Posada, A. W.., Medina, M y Cerón, M. (2019). Estimación de la calidad y cantidad de pasto kikuyo (Cenchrus clandestinum (Hochst. ex Chiov.) Morrone) usando imágenes multiespectrales. Revista U.D.C.A Actualidad & Divulgación Científica, 22 (1). https://doi.org/10.31910/rudca.v22.n1.2019.1195.
Raab, C., Riesch, F., Tonn, B., Barrett, B., Meißner, M., Balkenhol, N y Isselstein, J. (2020). Target-oriented habitat and wildlife management: estimating forage quantity and quality of semi-natural grasslands with Sentinel-1 and Sentinel-2 data. Remote Sensing in Ecology and Conservation, 6 (3), 381-398. https://doi.org/10.1002/rse2.149.
Rahetlah, V.B., Salgado, P., Andrianarisoa, B., Tillard, E., Razafindrazaka, H., Mézo, L y Ramalanjaona, V. L. (2014). Relationship between normalized difference vegetation index (NDVI) and forage biomass yield in the Vakinankaratra region, Madagascar. Livestock Research for Rural Development, 26 (5). https://lrrd.cipav.org.co/lrrd26/5/rahe26095.html.
Ren, S, Chen, X y An, S. (2017). Assessing plant senescence reflectance index-retrieved vegetation phenology and itsspatiotemporal response to climate change in the Inner Mongolian Grassland. Int. J. Biometeorol, 61 (4), 601–612. DOI: 10.1007 / s00484-016-1236-6.
Rincón, A. (2011). Efecto de alturas de corte sobre la producción de forraje de Brachiaria sp. en el piedemonte Llanero de Colombia. Revista Corpoica – Ciencia y Tecnología Agropecuaria, 12 (2), 107-112. https://dialnet.unirioja.es/servlet/articulo?codigo=5624828
Rincón, A., Flórez, H., Ballesteros, H y León, M. (2018). Efectos de la fertilización en la productividad de una pastura de Brachiaria humidicola cv. Llanero en el Piedemonte de los Llanos Orientales de Colombia. Tropical Grassland, 6 (1),158-168. http://dx.doi.org/10.17138/tgft(6)158-168.
Ripley, B.D., Venables, B., Bates, D., Hornik, K., Gebhardt, A y Firth, D. (2020). Package “MASS”. Version 7.3-57. https://cran.r-project.org/web/packages/MASS/MASS.pdf.
R Development Core Team. (2016). R: A Language and Environment for Statistical Computing. Version 4.0.0 2020-04-24, Arbor Day.
Rouse, J., R. Haas, J. Schell, y D. (1973). Deering. Monitoring Vegetation Systems in the Great Plains with ERTS. Third ERTS Symposium, NASA, 309-317. https://ntrs.nasa.gov/citations/19740022614.
Roujean, J y F. Breon. (1995). Estimating PAR Absorbed by Vegetation from Bidirectional Reflectance Measurements. Remote Sensing of Environment, 51 (3), 375-384. https://doi.org/10.1016/0034-4257(94)00114-3.
Rueda, V. P., Peña, J. M., Höglind, M., Bengochea, J. M., Andújar, D. (2019). Comparing UAV-basedtechnologies and RGB-Dreconstructionmethodsfor plant heightandbiomassmonitoringon grass ley. Sensors, 19 (3), 535. https://doi.org/10.3390/s19030535.
Sánchez, J y Yánez, S. (2018). Análisis de la correlación entre el volumen y vigorosidad vegetal de pasto con las características del suelo mediante técnicas de UAV [Tesis de pregrado, Universidad de las Fuerzas Armadas] Repositorio Dspace. http://repositorio.espe.edu.ec/handle/21000/14011.
Sánchez, G., Osorio, E., Alvarez, J.A, Marín, J, Sánchez, A y Gil, O.J. (1989). Adaptación y producción de gramíneas y leguminosas forrajeras en el departamento de Antioquia, Colombia. Pasturas Tropicales, 11 (3). http://www.tropicalgrasslands.info/index.php/tgft/pages/view/Pasturas.
Sinde, I., Yánez, D., Grefa, J., Arza, M y Gil, M. (2020). Estimación del rendimiento del pasto mediante NDVI con imágenes multiespectrales de vehículos aéreos no tripulados (UAV). Revista GEOESPACIAL, 17 (1), 25-38. https://journal.espe.edu.ec/ojs/index.php/revista-geoespacial/article/view/1640.
Tamás, J., Nagy, A y Farkané. (2019). Beyond NDVI-Spectral indexing of biomass. Journal of Agricultural Informatics, 10 (2). 28-36. https://doi.org/10.17700/jai.2019.10.2.553.
Unidad de Planificación Rural Agropecuaria – UPRA, (2019). Por primera vez en Colombia se identifican las áreas aptas para el cultivo de pastos. https://www.agronet.gov.co/Noticias/Paginas/Por-primera-vez-en-Colombia-se-identifican-las-%C3%A1reas-aptas-para-el-cultivo-de-pastos.aspx.
Vela, J.W y Flores, A. (1996). Productividad animal de la asociación Brachiaria dictyoneura CIAT 6133-Desmodium ovalifolium CIAT 350 en Pucallpa. Tropical Grasslands, 18 (1). http://www.tropicalgrasslands.info/index.php/tgft/pages/view/Pasturas.
Wood, S. (2019). Mixed GAM Computation Vehicle with Automatic Smoothness Estimation. Package “mgcv”. Version 1.8-31. https://cran.r-project.org/web/packages/mgcv/mgcv.pdf.
Zerbato, C., Rosalen, D.L., Furlani, C.E.A., Deghaid., J y Voltarelli, M.A. (2016). Agronomic characteristics associated with the normalized difference vegetation index (NDVI) in the peanut crop. Australian Journal of Crop Science, 10 (5), 758-764. DOI:http://dx.doi.org/10.21475/ajcs.2016.10.05.p7167 .
Zhang, Z., Liu, M., Liu, X y Zhou, G. A. (2018). New Vegetation Index Based on Multitemporal Sentinel-2 Images for Discriminating Heavy Metal Stress Levels in Rice. Sensors, 18 (7), 2172. https://doi.org/10.3390/s18072172.
Zhangyan, J., Huete, A., Chen, J., Chen, Y., Li, J., Yan, G y Zhang, X. (2006). Analysis of NDVI and scaled difference vegetation index retrievals of vegetation fraction. Remote Sensing of Environment, 63 (3), 366-378. https://doi.org/10.1016/j.rse.2006.01.003.
Alonso M., Rozados M., Ignacio M., Rozas V., Lamas S., Chapela D. y Fontúrbel M. (2008). Nitrógeno foliar como estimador de clorofila en una población en de Laurus nobilis del parque nacional de las islas atlánticas, Galicia (No España). Cuadernos de la Sociedad Española de ciencias forestales, 25, 61-66. https://dialnet.unirioja.es/servlet/articulo?codigo=4249059.
Álvarez, M y Rincón, A. (2010). Características agroecológicas de la Orinoquia colombiana. En A. Rincón., C.A. Jaramillo (Ed.), Establecimiento, manejo y utilización de recursos forrajeros en sistemas ganaderos de suelos ácidos (pp. 27-70). Corporación Colombiana de Investigación Agropecuaria – Corpoica. http://hdl.handle.net/20.500.12324/12703.
Andrade, B y Moncayo, L. (2017). Análisis de NDVI contrastando diferentes metodologías de toma de datos espectrales, en cultivos de pastos en etapa previa de pastoreo [Tesis de pregrado, Universidad de las fuerzas armadas] Repositorio Dspace. http://repositorio.espe.edu.ec/handle/21000/13158
Arantes, A. (2017). Caracterização Biofísica e Potencial à Intensificação Sustentável da Pecuária Brasileira em Pastagens [Tesis de doctorado, Universidad Federal de Goiás - UFG] Biblioteca Digital de Teses e Dissertações Biblioteca Digital Brasileña de Tesis y Disertaciones (BDTD). http://repositorio.bc.ufg.br/tede/handle/tede/8075
Ariza, C., Mayorga, O. L., Mojica, B., Parra, D., y Afanador-Tellez, G. (2018). Use of LOCAL algorithm with near infrared spectroscopy in forage resources for grazing systems in Colombia. Journal of Near Infrared Spectroscopy, (1), 44–52. https://doi.org/10.1177/0967033517746900.
Arruda, D.S., Weber, M., Jobin, C y Carvalho, P.C. (2011). Métodos de avaliação de massa de forragem em pastagens de capim-estrela submetidas a intensidades de pastejo. Ciência Rural, 41 (11), 2004-2009. http://www.scielo.br/scielo.php?pid=S010384782011001100025&script=sci_abstract&tlng=pt.
Beaulieu, N., Álvarez, M. y Rincón, M. (2006). Detección de la degradación en pasturas usando series temporales de imágenes multiespectrales en los llanos orientales de Colombia. http://hdl.handle.net/20.500.12324/1218.
Bernardi, A.C y Pérez, N. (2014). Agricultura de Precisão em Pastagens. Brazilian Precision Agriculture Research Network. https://www.embrapa.br/busca-de-publicacoes/-/publicacao/1003689/agricultura-de-precisao-em-pastagens.
Birth, G y G. McVey. (1968). Measuring the Color of Growing Turf with a Reflectance Spectrophotometer. Agronomy Journal, 60 (1), 640-643. https://doi.org/10.2134/agronj1968.00021962006000060016x.
Braga, G. J., Pedreira, C., Herling, V.R., Luz, P., Marchesin, W y Macedo, F. (2009). Quantifying herbage mass on rotationally stocked palisadegrass pastures using indirect methods. Scientia Agricola, 66 (1), 127-131. https://doi.org/10.1590/S0103-90162009000100018.
Canchila, E.R, Soca, Mildrey, Ojeda, F, & Machado, R. (2009). Evaluación de la composición bromatológica de 24 accesiones de Brachiaria spp. Pastos y Forrajes, 32 (4). http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0864-03942009000400002&lng=es&tlng=es.
Carulla, J.E., Lascano, C.E., Ward, J.K. (1991). Selectivity of resident and oeophageal fistulated steers grazing Arachis pintoi and Brachiaria dictyoneura in the Llanos of Colombia. Tropical Grasslands. 25, 317-324. Disponible en: https://cgspace.cgiar.org/handle/10568/44085.
Chehbouni, A., Huete, A., Kerr, H y Sorooshian. (1994). A Modified Soil Adjusted Vegetation Index. Remote Sensing of Environment, 48 (2) 119-126. https://doi.org/10.1016/0034-4257(94)90134-1.
Chuvieco, E. 2002. Teledetección ambiental. 1a. ed. Barcelona. Editorial Ariel.
Costa, N L., Rodrigues, A., Malgalhaes, J., Bendahan, A., Rodrigues, B y Santos, F. (2019). Morfogênese e composição química de Brachiaria humidicola cv. Llanero sob períodos de descanso. Res., Soc. Dev, 8 (10),. https://doi.org/10.33448/rsd-v8i10.1356.
Cook, B y Schultze-Kraft. (2015). Botanical name changes – nuisance or a quest for precision?. Tropical Grasslands, 3, 34-40. DOI:10.17138/TGFT(3)34-40.
Cristiano, P.M. (2010). Estimación de la productividad primaria mediante el modelo de eficiencias y sensores remotos. [Tesis de doctorado, Universidad de Buenos Aires]. DOI:10.13140/RG.2.2.32765.46562.
Fournel, S., Rousseau, A.N y Laberge, B. (2017). Rethinking environment control strategy of confined animal housing systems through precision livestock farming. Biosyst Eng. 155, 96–123. https://doi.org/10.1016/j.biosystemseng.2016.12.005.
Gargiulo, J., Clark, C., Lyons, N., de Veyrac, G., Beale, P y Garcia S. (2020). Spatial and Temporal Pasture Biomass Estimation Integrating Electronic Plate Meter, Planet CubeSats and Sentinel-2 Satellite Data. Remote Sensing. 12 (19), 3222. https://doi.org/10.3390/rs12193222.
Giraldo, L., Hincapie, A., Vásquez, M y Zapata, C. (1989). Evaluación de gramíneas y leguminosas forrajera en Amalfi, Colombia. Pasturas Tropicales, 11 (2). https://www.tropicalgrasslands.info/index.php/tgft/pages/view/Pasturas.
Giraldo, L., Ranilla, M., Tejido, M y Carro, M. (2007). Efecto de la sustitución de Brachiaria dictyoneura por acacia mangium sobre la fermentacion ruminal in vitro. Pasturas Tropicales. 29, 39-46. http://www.tropicalgrasslands.info/public/journals/4/Elements/DOCUMENTS/2007-vol29-rev1/Vol_29_rev1_07_pags_39-46.pdf.
Gitelson, A y M. Merzlyak. (1998). Remote Sensing of Chlorophyll Concentration in Higher Plant Leaves. Advances in Space Research, 22 (5), 689-692. https://doi.org/10.1016/S0273-1177(97)01133-2.
Gitelson, A., Y. Gritz, y M. Merzlyak. (2003). Relationships Between Leaf Chlorophyll Content and Spectral Reflectance and Algorithms for Non-Destructive Chlorophyll Assessment in Higher Plant Leaves. Journal of Plant Physiology, 160 (3), 271-282. https://doi.org/10.1078/0176-1617-00887.
Huete, A. (1988). A Soil-Adjusted Vegetation Index (SAVI). Remote Sensing of Environment, 25 (3), 295-309. https://doi.org/10.1016/0034-4257(88)90106-X.
Huete, A; Didan,K; Miura,T; Rodriguez, E,P; gao,X; Ferreira, L,G. (2002). Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote Sensing of Environment, 83 (2), 195-213. https://doi.org/10.1016/S0034-4257(02)00096-2.
Instituto Colombiano Agropecuario. (1987). Pasto Llanero. Boletín Tecnico (151). https://repository.agrosavia.co/bitstream/handle/20.500.12324/20476/78464_7324.pdf?sequence=1&isAllowed=y.
Insua, J.R, Utsumi, S.A y Basso, B. (2019). Estimation of spatial and temporal variability of pasture growth and digestibility in grazing rotations coupling unmanned aerial vehicle (UAV) with crop simulation models. PLoS ONE, 14 (3). https://doi.org/10.1371/journal.pone.0212773.
Kerkech, M, Hafiane, A y Canals, R. (2020). Vine disease detection in UAV multispectral images using optimized image registration and deep learning segmentation approach. Computers and Electronics in Agriculture, 174. https://doi.org/10.1016/j.compag.2020.105446.
Kharuf, S., Orozco, R., Aday, O y Pineda, E. (2018). Multispectral aerial image processing system for precision agriculture. Sistemas & Telemática, 16 (47), 45-58. https://doi.org/10.18046/syt.v16i47.3221.
Le, S., Josse, J y Husson, F. (2008). FactoMineR: An R Package for Multivariate Analysis. Journal of Statistical Software, 25 (1), 1-18. DOI: 10.18637/jss.v025.i01.
Maimaitijiang, M., Sagan, V., Sidike, P., Hartling, S y Esposito, F. (2020). Soybean yield prediction from UAV using multimodal data fusion and deep learning. Remote Sensing of Environment, 237. https://doi.org/10.1016/j.rse.2019.111599.
Mitsikostas, A. (2017). Monitorización y optimización de tierras con drones y fotogrametría aérea para aplicaciones de precisión en agricultura [Trabajo de maestría, Universidad Politécnica de Valencia] Riunet – UPV. https://riunet.upv.es/handle/10251/86353.
Mónaco, N., Santa, V., Rosa, M. y Autran, V. (2017). Evaluación De Métodos Indirectos Para Estimar Biomasa En Un Pastizal Natural Del Sur De Córdoba (Argentina Central). Revista científica europea. ESJ, 13 (36), 59. https://doi.org/10.19044/esj.2017.v13n36p59.
Nguku, S. (2015). An evaluation of Brachiaria grass cultivars productivity in semi arid Kenya [Tesis de maestria, Universidad del Sureste de Kenia] Digital Repository. http://repository.seku.ac.ke/handle/123456789/1380.
O'Mara, F. P. (2012). The role of grasslands in food security and climate change. Annals of Botany, 110 (6), 1263–1270. https://doi.org/10.1093/aob/mcs209.
Pardo, O y Pérez, O. (2010). Alternativas forrajeras para los llanos orientales de Colombia. En A. Rincón., C.A. Jaramillo (Ed.), Establecimiento, manejo y utilización de recursos forrajeros en sistemas ganaderos de suelos ácidos (pp. 27-70). Corporación Colombiana de Investigación Agropecuaria – Corpoica. http://hdl.handle.net/20.500.12324/12703.
Passoni, F., Rosemberg, M y Flores, A. (1992). Evaluación de gramíneas y leguminosas forrajeras en Satipo, Perú. Pasturas Tropicales, 14 (1). https://www.tropicalgrasslands.info/index.php/tgft/pages/view/Pasturas.
Peñuelas, J., Bart, F y Filella, I. (1995). Semi-empirical índices to acssess carotenoids/chlorophyll a ratiofrom leaf spectral reflectance. Photosynthetica, 31 (2), 221-230. https://hal.inrae.fr/hal-02779352.
Pérez, R y Cuesta, P. 1994. Especies forrajeras para el piedemonte llanero, su fertilización y manejo. En CORPOICA, SEAGRO (Ed.), Producción de pasto en el piedemonte llanero. https://repository.agrosavia.co/handle/20.500.12324/13485.
Pérez, O., Bueno, G., Baquero, J., Cassalett, E., Molina. … Fuentes, J. (Eds). (2019). Modelo productivo tecnologías integrales para sistemas de producción de bovinos de cría en la altillanura colombiana. Corporación Colombiana de Investigación Agropecuaria - Agrosavia. http://hdl.handle.net/20.500.12324/35060.
Posada, A. W.., Medina, M y Cerón, M. (2019). Estimación de la calidad y cantidad de pasto kikuyo (Cenchrus clandestinum (Hochst. ex Chiov.) Morrone) usando imágenes multiespectrales. Revista U.D.C.A Actualidad & Divulgación Científica, 22 (1). https://doi.org/10.31910/rudca.v22.n1.2019.1195.
Pullanagari, R.R., Yule, I.J., Hedley, M.J., Tuohyet, M. P., Dynes R. A y King, W. M. (2012). Multi-spectral radiometry to estimate pasture quality components. Precision Agric, 13, 442–456. https://doi.org/10.1007/s11119-012-9260-y
R Development Core Team. (2016). R: A Language and Environment for Statistical Computing. Version 4.0.0 2020-04-24, Arbor Day.
Ramírez, A. (2013). Evaluación del crecimiento de pastos usando índices de vegetación calculados a partir de información satelital [Tesis de maestría, Universidad Nacional] Repositorio Institucional Biblioteca Digital. https://repositorio.unal.edu.co/handle/unal/75325.
Rincón, A y Ligarreto, G. (2010). Relación entre nitrógeno foliar y el contenido de clorofila, en maíz asociado con pastos en el Piedemonte Llanero colombiano. Revista Corpoica. Ciencia y Tecnología Agorpecuaria, 11 (2), 122-128. http://revistacta.agrosavia.co/index.php/revista/article/view/202.
Rincón, A. (2011). Efecto de alturas de corte sobre la producción de forraje de Brachiaria sp. en el piedemonte Llanero de Colombia. Revista Corpoica – Ciencia y Tecnología Agropecuaria, 12 (2), 107-112. https://dialnet.unirioja.es/servlet/articulo?codigo=5624828.
Rincón, A., Flórez, H., Ballesteros, H y León, M. (2018). Efectos de la fertilización en la productividad de una pastura de Brachiaria humidicola cv. Llanero en el Piedemonte de los Llanos Orientales de Colombia. Tropical Grassland, 6 (1),158-168. http://dx.doi.org/10.17138/tgft(6)158-168.
Rincón, A., Álvarez, M., Pardo, O., Amaya, M. A y Díaz, R. A. (2019). Estimación de la concentración de clorofila y su relación con la concentración de proteína cruda en tres especies del pasto Urochloa en el Piedemonte Llanero, Colombia. Tropical Grasslands, 7 (5), 533-537. DOI: 10.17138/TGFT (7)533-537.
Ripley, B.D., Venables, B., Bates, D., Hornik, K., Gebhardt, A y Firth, D. (2020). Package “MASS”. Version 7.3-57. https://cran.r-project.org/web/packages/MASS/MASS.pdf.
Rippstein, G., Amézquita, E., Escobar, G y Grollier, C. (2001). Condiciones Naturales de la Sabana. En G. Rippstein., J, Escobar., F, Motta (Ed.), Agroecología y biodiversidad de las sabanas en los llanos orientales de Colombia. CIRAD – CIAT. https://repositorio.unal.edu.co/handle/unal/9670.
Rivas, L y Holmann, F. (2002). Sistemas de doble propósito y su viabilidad en el contexto de los pequeños y medianos productores en América latina tropical. In: Curso y Simposium Internacional. Actualización en el manejo de ganado bovino de doble propósito. UNAM. http://webapp.ciat.cgiar.org/tropileche/conferencias.pdf/holmann_paper.pdf.
Rouse, J., R. Haas, J. Schell, y D. (1973). Deering. Monitoring Vegetation Systems in the Great Plains with ERTS. Third ERTS Symposium, NASA, 309-317. https://ntrs.nasa.gov/citations/19740022614.
Roujean, J y F. Breon. (1995). Estimating PAR Absorbed by Vegetation from Bidirectional Reflectance Measurements. Remote Sensing of Environment, 51 (3), 375-384. https://doi.org/10.1016/0034-4257(94)00114-3.
Sánchez, G., Osorio, E., Alvarez, J.A, Marín, J, Sánchez, A y Gil, O.J. (1989). Adaptación y producción de gramíneas y leguminosas forrajeras en el departamento de Antioquia, Colombia. Pasturas Tropicales, 11 (3). http://www.tropicalgrasslands.info/index.php/tgft/pages/view/Pasturas.
Sánchez, J., Villareal, M y Soto, H. (2000). Caracterización nutricional de los componentes forrajeros de cuatro asociaciones gramíneas/Arachis pintoi. Nutrición Animal Tropical, 6 (1). https://www.academia.edu/27599445/Caracterizaci%C3%B3n_de_los_componentes_forrajeros_de_cuatro_asociaciones_gram%C3%ADneas_Arachis_pintoi.
Santillan, R.A, Ocumpaugh, W.R y Mott, G.O. (1979). Estimating Forage Yield with a Disk Meter. Agronomy Journal. 71, 71-74. DOI: 10.2134/agronj1979.00021962007100010017x.
Scarabotti, D. S., Feldman, S. R., Refi, R. (2011). Evaluación de distintos métodos para estimar la biomasa aérea en macollas de Spartina argentinensis parodi. Pastos, 32 (1), 69-79. http://polired.upm.es/index.php/pastos/article/view/1306
Shanahan, J.F., Schepers, J.S., Francis, D.D., Varvel, G.E., Wilhelm, W.W., Tringe, J.M., Major, D.J. (2001). Use of remote-sensing imagery to estimate corn grain yield. Agron J. 93 (3), 583-589. https://doi.org/10.2134/agronj2001.933583x.
Sinde, I., Yánez, D., Grefa, J., Arza, M y Gil, M. (2020). Estimación del rendimiento del pasto mediante NDVI con imágenes multiespectrales de vehículos aéreos no tripulados (UAV). Revista GEOESPACIAL, 17 (1), 25-38. https://journal.espe.edu.ec/ojs/index.php/revista-geoespacial/article/view/1640.
Starks, P.J., Zhao, D., Phillips, W.A y Coleman, S.W. (2006). Development of Canopy Reflectance Algorithms for Real-Time Prediction of Bermuda grass Pasture Biomass and Nutritive Values. Crop Science, 46 (2), 927-934. https://doi.org/10.2135/cropsci2005.0258.
Vela, J.W y Flores, A. (1996). Productividad animal de la asociación Brachiaria dictyoneura CIAT 6133-Desmodium ovalifolium CIAT 350 en Pucallpa. Tropical Grasslands, 18 (1). http://www.tropicalgrasslands.info/index.php/tgft/pages/view/Pasturas.
Wood, S. (2019). Mixed GAM Computation Vehicle with Automatic Smoothness Estimation. Package “mgcv”. Version 1.8-31. https://cran.r-project.org/web/packages/mgcv/mgcv.pdf.
Zerbato, C., Rosalen, D.L., Furlani, C.E.A., Deghaid., J y Voltarelli, M.A. (2016). Agronomic characteristics associated with the normalized difference vegetation index (NDVI) in the peanut crop. Australian Journal of Crop Science, 10 (5), 758-764. DOI:http://dx.doi.org/10.21475/ajcs.2016.10.05.p7167 .
dc.rights.spa.fl_str_mv Derechos reservado al autor, 2022
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.license.spa.fl_str_mv Atribución-CompartirIgual 4.0 Internacional
dc.rights.uri.spa.fl_str_mv http://creativecommons.org/licenses/by-sa/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv Atribución-CompartirIgual 4.0 Internacional
Derechos reservado al autor, 2022
http://creativecommons.org/licenses/by-sa/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.spa.fl_str_mv 119 páginas
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.publisher.spa.fl_str_mv Universidad Nacional de Colombia
dc.publisher.program.spa.fl_str_mv Bogotá - Medicina Veterinaria y de Zootecnia - Maestría en Salud y Producción Animal
dc.publisher.department.spa.fl_str_mv Departamento de Ciencias Para La Producción Animal
dc.publisher.faculty.spa.fl_str_mv Facultad de Medicina Veterinaria y de Zootecnia
dc.publisher.place.spa.fl_str_mv Bogotá, Colombia
dc.publisher.branch.spa.fl_str_mv Universidad Nacional de Colombia - Sede Bogotá
institution Universidad Nacional de Colombia
bitstream.url.fl_str_mv https://repositorio.unal.edu.co/bitstream/unal/82133/1/license.txt
https://repositorio.unal.edu.co/bitstream/unal/82133/3/tesis_de_maestr%c3%ada_en_produci%c3%b3n_animal.pdf
https://repositorio.unal.edu.co/bitstream/unal/82133/4/tesis_de_maestr%c3%ada_en_produci%c3%b3n_animal.pdf.jpg
bitstream.checksum.fl_str_mv 8a4605be74aa9ea9d79846c1fba20a33
cf8f56ba20fbd1d4b484412de6940f5a
7c97f825da6f51ac4c22f4744d6a1c94
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad Nacional de Colombia
repository.mail.fl_str_mv repositorio_nal@unal.edu.co
_version_ 1814090176497975296
spelling Atribución-CompartirIgual 4.0 InternacionalDerechos reservado al autor, 2022http://creativecommons.org/licenses/by-sa/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Rincón Castillo, Álvaroe7230de6007eb8f0606312e43b2d3e17Cárdena Rocha, Edgar743cd9564f69fb8c62e7dee13bd6c909Díaz Giraldo, Raúl Alejandro95ce5c51f89ee557e0b3352d8dc2fb18Pastos y Forrajes Tropicales2022-08-26T13:42:51Z2022-08-26T13:42:51Z2022-09-01https://repositorio.unal.edu.co/handle/unal/82133Universidad Nacional de ColombiaRepositorio Institucional Universidad Nacional de Colombiahttps://repositorio.unal.edu.co/ilustraciones, fotografías, gráficas, mapas, planos, tablasEs una obligación por parte de la ciencia y el conocimiento proporcionar alternativas y soluciones a problemas identificados como limitantes para el aumento de la eficiencia y productividad de los sistemas ganaderos. El objetivo de esta tesis es la aplicación de las técnicas de sensoramiento remoto para la estimación de la producción y calidad del forraje en pasturas de Urochloa humidicola cv Llanero, bajo pastoreo en el piedemonte del departamento del Meta. Para esta investigación se utilizaron herramientas e instrumentos de anális espacial como: los vehículos aéreos no tripulados (VANT), los sistemas de navegación por satélite (GNSS, por sus siglas en ingles), los sistemas de información geográfica (SIG) y los softwares especializados. Se realizó caracterización productiva de la pastura, donde se obtuvó una producción promedio de 1.054kg MS/ha, una altura de planta de 44 ± 3cm y valores promedios de proteína cruda (PC), fibra en detergente neutro (FDN), fibra en detergenta acida (FDA) y lignina (LIG) de 105, 676, 358 y 82 g/kg respectivamente; se probaron siete índices de vegetación (IV) (NDVI, GCI, SRPI, SR, GNDVI, SAVI y RDVI), y los datos obtenidos se analizaron a partir de modelos aditivo generalizado (GAM). Los resultados arrojaron que la altura de vuelo recomendable para la plataforma y sensor es de 70 metros; que el índice de vegetación con mayor correlación con la oferta de forraje es el NDVI (0.77); que respecto a la calidad nutrcional, el IV que mayor se relacionó con la PC es el GNDVI (R2 0.764); y que para FDN, FDA y LIG las relaciones encotradas no son concluyentes. Estos resultados obtenidos fueron específicos para las condiciones de la evaluación y se recomienda su validación en áreas mayores con la incorporación de series multitemporales de imágenes en ciclos hidrometeorológicos contrastantes.It is an obligation of science and knowledge to provide alternatives and solutions to problems identified as limiting for the increase of efficiency and productivity of livestock systems. The objective of this thesis is the application of remote sensing techniques for the estimation of forage production and quality in pastures of Urochloa humidicola cv Llanero, under grazing in the foothills of the department of Meta. Spatial analysis tools and instruments were used for this research, such as: unmanned aerial vehicles, satellite navigation systems (GNSS), geographic information systems (GIS) and specialized software. A productive characterization of the pasture was carried out, obtaining an average production of 1,054 kg DM/ha, a plant height of 44 ± 3 cm and average values of crude protein (CP), neutral detergent fiber (NDF), acid detergent fiber (ADF) and lignin (LIG) of 105, 676, 358 and 82 g/kg, respectively; seven vegetation indices (IV) were tested (NDVI, GCI, SRPI, SR, GNDVI, SAVI and RDVI), and the data obtained were analyzed from generalized additive models (GAM). The results showed that the recommended flight height for the platform and sensor is 70 meters; that the vegetation index with the highest correlation with forage supply is NDVI (0.77); that with respect to nutritional quality, the IV with the highest correlation with CP is GNDVI (R2 0.764); and that for FDN, FDA and LIG the relationships found are not conclusive. These results obtained were specific for the conditions of the evaluation and it is recommended to validate them in larger areas with the incorporation of multitemporal series of images in contrasting hydrometeorological cycles.MaestríaMagíster en Salud Animal o Magíster en Producción AnimalPastos y ForrajesNutrición Animal119 páginasapplication/pdfspaUniversidad Nacional de ColombiaBogotá - Medicina Veterinaria y de Zootecnia - Maestría en Salud y Producción AnimalDepartamento de Ciencias Para La Producción AnimalFacultad de Medicina Veterinaria y de ZootecniaBogotá, ColombiaUniversidad Nacional de Colombia - Sede Bogotá630 - Agricultura y tecnologías relacionadas::636 - Producción animalSistemas de información geográficaTecnología de producciónPastoreoProduction technologyGeographical Information SystemsGrazingganadería de precisiónimágenes multiespectralesNDVIpasturavehículo aéreo no tripuladoprecision livestockmultispectral imagespastureunmanned aerial vehicleAplicación de técnicas de sensoramiento remoto en la evaluación de una pastura de Urochloa humidicola cv Llanero, bajo pastoreo en el piedemonte del departamento del MetaApplication of remote sensing techniques in the evaluation of a pasture of Urochloa humidicola cv Llanero, under grazing in the foothills of the department of MetaTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMAndrade, B y Moncayo, L. (2017). Análisis de NDVI contrastando diferentes metodologías de toma de datos espectrales, en cultivos de pastos en etapa previa de pastoreo [Tesis de pregrado, Universidad de las fuerzas armadas] Repositorio Dspace. http://repositorio.espe.edu.ec/handle/21000/13158Arantes, A. (2017). Caracterização Biofísica e Potencial à Intensificação Sustentável da Pecuária Brasileira em Pastagens [Tesis de doctorado, Universidad Federal de Goiás - UFG] Biblioteca Digital de Teses e Dissertações Biblioteca Digital Brasileña de Tesis y Disertaciones (BDTD). http://repositorio.bc.ufg.br/tede/handle/tede/8075Alcaraz, D. (2006). Caracterización del funcionamiento de los ecosistemas ibéricos mediante teledetección. Ecosistemas, 15 (1), 113-117. https://www.revistaecosistemas.net/index.php/ecosistemas/article/view/524.Almeida, M. (2016). Uso de veículo aéreo não tripulado na determinação de índice de vegetação em área de pastagem em nova mutum-mt. [Tesis de maestría, Universidad Federal de Goiás] Biblioteca Digital Brasileña de Tesis y Disertaciones (BDTD). http://repositorio.bc.ufg.br/tede/handle/tede/5956.Arruda, D.S., Weber, M., Jobin, C y Carvalho, P.C. (2011). Métodos de avaliação de massa de forragem em pastagens de capim-estrela submetidas a intensidades de pastejo. Ciência Rural, 41 (11), 2004-2009. http://www.scielo.br/scielo.php?pid=S010384782011001100025&script=sci_abstract&tlng=pt.Altier, M. (1999). The ecological role of biodiversity in agroecosystems. Agriculture, Ecosystems & Environment, 74 (1), 19-31. https://doi.org/10.1016/S0167-8809(99)00028-6.Álvarez, M y Rincón, A. (2010). Características agroecológicas de la Orinoquia colombiana. En A. Rincón., C.A. Jaramillo (Ed.), Establecimiento, manejo y utilización de recursos forrajeros en sistemas ganaderos de suelos ácidos (pp. 27-70). Corporación Colombiana de Investigación Agropecuaria – Corpoica. http://hdl.handle.net/20.500.12324/12703.Alves de Aguilar, D. (2013). Séries temporais de imagens modis para avaliação de pastagens tropicais [Tesis de doctorado, Instituto Nacional de Pesquisas Espaciais – INPE] Biblioteca Digital Brasileña de Tesis y Disertaciones (BDTD). http://urlib.net/sid.inpe.br/mtc-m19/2013/08.30.14.33.Baars, J.A. (1981). Visual estimates of available herbage on hill country sheep pastures. N.Z. Journal of Experimental Agriculture, 9, 157-160. https://doi.org/10.1080/03015521.1981.10427821.Baeza, S., Paruelo, J y Ayala, W. (2011). Eficiencia en el uso de la radiación y productividad primaria en recursos forrajeros del este de Uruguay. Agrociencia Uruguay, 15 (2), 48-59. http://www.scielo.edu.uy/scielo.php?script=sci_arttext&pid=S2301-15482011000200006.Barcelos, C A. (2017). O uso de veículo aéreo não tripulado (vant) em monitoramentos de campo: Aplicabilidades e Viabilidades [Tesis de pregrado, Universidade Federal de Uberlândia] Repositório Institucional - Universidade Federal de Uberlândia. https://repositorio.ufu.br/handle/123456789/20639.Bareth, G y Schellber, J. (2018). Replacing Manual Rising Plate Meter Measurements with Low-cost UAV-Derived Sward Height Data in Grasslands for Spatial Monitoring. PFG – Journal of Photogrammetry, Remote Sensing and Geoinformation Science, 86,157-168. https://doi.org/10.1007/s41064-018-0055-2.Barrachina, M., Cristóbal, J., Tulla, A y Pons, X. (2009). Análisis de la producción de biomasa de los prados y pastos de la Vall Fosca (pirineo Axial-Nogueres. Teledetección: Agua y desarrollo sostenible. XIII Congreso de la Asociación Española de Teledetección. 225-228. http://www.aet.org.es/congresos/xiii/cal57.pdf.Barrachina, M., Cristóbal, J., Tulla, A. (2010). Los recursos ganaderos en los sistemas extensivos de la montaña pirenaica catalana: aproximación al cálculo de la producción de biomasa herbácea mediante el uso de la teledetección. Serie Geográfica. 16, 35-49. http://hdl.handle.net/10017/14221.Batista, G. (2003). Apostila introdutória de sensoriamento remoto e geoprocessamento. Universidade de Taubaté. http://www.clickgeo.com.br/apostila-introducao-ao-sensoriamento-remoto-geoprocessamento/.Beaulieu, N., Álvarez, M. y Rincón, M. (2006) Detección de la degradación en pasturas usando series temporales de imágenes multiespectrales en los llanos orientales de Colombia. http://hdl.handle.net/20.500.12324/1218.Bernardi, A.C y Pérez, N. (2014). Agricultura de Precisão em Pastagens. Brazilian Precision Agriculture Research Network. https://www.embrapa.br/busca-de-publicacoes/-/publicacao/1003689/agricultura-de-precisao-em-pastagens.Belalcazar, D., Durán, C y Lemus, L. (1994) Especies forrajeras tropicales de interés para pasturas en suelos ácidos de Colombia. En C. Escobar., J. Lotero y L. S (Ed.) Unidades de Aprendizaje para la Capacitación en Tecnología de Producción de Pastos. Centro Internacional de Agricultura Tropical- CIAT.Berrocal, L y Rodríguez, M. (2015). Aplicaciones de imágenes MODIS para la estimación de materia seca disponible en pastizales extensivos. Análisis espacial y representación geográfica: innovación y aplicación, 681-689. https://dialnet.unirioja.es/servlet/articulo?codigo=7386218.Blackburn, G. A. (2007). Hyperspectral remote sensing of plant pigments. Journal of Experimental Botany, 58 (4), 855-867. https://doi.org/10.1093/jxb/erl123Borra, I., De Swaef, T., Aper, J., Ghesquiere, A., Mertens, K., Nuyttens, D., Saeys, W., Somers, B., Vangeyte, J., Rolda´n-Ruiz, I y Lootens, P. (2018). Towards an objective evaluation of persistency of Lolium perenne swards using UAV imagery. Euphytica, 214 (142). https://doi.org/10.1007/s10681-018-2208-1.Brenner, C., Zeeman, M., Bernhardt, M y Schulz, K. (2018). Estimation of evapotranspiration of temperate grassland based on high-resolution thermal and visible range imagery from unmanned aerial systems. International Journal of Remote Sensing, 39, 5141-5174. https://doi.org/10.1080/01431161.2017.1280202.Campbell, J.B., & Wynne, R.H. (2011). Introduction to Remote Sensing: Guilford Press.Campbell, A.G., Phillips, D.S y Reilly, O. (1962). An electronic instrument for pasture yield estimation. J. Br. Grassld. Soc. 17, 89-99. DOI: 10.1111/j.1365-2494.1968.tb00577.x.Capolupo, A., Kooistra, L., Berendonk, C., Boccia, L y Suomalainen, J. (2015). Estimating Plant Traits of Grasslands from UAV-Acquired Hyperspectral Images: A Comparison of Statistical Approaches. ISPRS International Journal of Geo-Information, 4, 2792 – 2820. 10.3390/ijgi4042792.Cardozo, C.I., Sánchez, M y Ferguson, E.J. (1991). Efecto del método de cosecha en el rendimiento y calidad de las semillas de Brachiaria dictyoneura cv. Llanero. Tropical Grasslands, 13 (1). http://www.tropicalgrasslands.info/index.php/tgft/pages/view/Pasturas.Carulla, J.E., Lascano, C.E., Ward, J.K. (1991). Selectivity of resident and oeophageal fistulated steers grazing Arachis pintoi and Brachiaria dictyoneura in the Llanos of Colombia. Tropical Grasslands. 25, 317-324. Disponible en: https://cgspace.cgiar.org/handle/10568/44085.Casanova, L., Martínez, J., López, S., López, G. (2016). De von Bertalanffy, a Luhmann: Deconstrucción del concepto “agroecosistema” a través de las generaciones sistémicas. Revista Mad. Revista del Magíster en Análisis Sistémico Aplicado a la Sociedad, 35, 60-74. https://doi.org/10.5354/rmad.v0i35.42797.Castano, A., Riaño, N., Peña, A., Ramírez, V., Valencia., A, Figueroa, A y Vinasco, G. (2017). Energy, water vapor and carbon fluxes in Andean agroecosystems: conceptualization and methodological standardization. Biodiversity and Ecosystem Services, 66 (1), 27-34. https://doi.org/10.15446/acag.v66n1.52543.Castillo, D., Tapia, M., Brunett, L., Márquez, O., Terán, O. y Ayala, E. (2012). Evaluación de la sustentabilidad social, económica y productiva de dos agroecosistemas de producción de leche en pequeña escala en el municipio de Amecameca, México. Revista Científica UDO Agrícola, 12 (3), 690-704. https://dialnet.unirioja.es/servlet/articulo?codigo=4690130.Castro, M., Palma, M., Ochoa, V y Neto, C. (2015). Servicios ecosistémicos: evaluación y valoración económica del secuestro de CO2 en bosques y áreas protegidas del Área de Conservación Guanacaste -ACG, Costa Rica. https://www.iai.int/es/post/detail/servicios-ecosistemicos-una-evaluacion-y-valoracion-economica-del-secuestro-de-carbono-en-bosques-del-area-de-conservacion-guanacaste-costa-rica.Cook, B y Schultze-Kraft. (2015). Botanical name changes – nuisance or a quest for precision?. Tropical Grasslands, 3, 34-40. 10.17138/TGFT(3)34-40.Cristiano, P.M. (2010). Estimación de la productividad primaria mediante el modelo de eficiencias y sensores remotos. [Tesis de doctorado, Universidad de Buenos Aires]. DOI:10.13140/RG.2.2.32765.46562.Chen, Y., Guerschman, J.P., Cheng, Z y Guo, L. (2019). Remote sensing for vegetation monitoring in carbon capture storage regions: A review. Applied Energy, 249, 312-326. https://doi.org/10.1016/j.apenergy.2019.02.027.Croft, H., y Chen, J.M. (2018). Leaf pigment contenten. En S. Liang (Ed.), Comprehensive remote sensing. Oxford: Elsevier.Cruz, P., Hernández, A., Quiroz, J., Mendoza, S., Quero, A y Torres, B. (2011). Desempeño agronómico de genotipos de Brachiaria humidicola (Rendle) Schweickt en el trópico húmedo de México. Revista fitotecnia mexicana, 34 (2). http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0187-73802011000200011.Chehbouni, A., Huete, A., Kerr, H y Sorooshian. (1994). A Modified Soil Adjusted Vegetation Index. Remote Sensing of Environment, 48 (2) 119-126. https://doi.org/10.1016/0034-4257(94)90134-1.Chuvieco, E. 2002. Teledetección ambiental. 1a. ed. Barcelona. Editorial Ariel.Correa, M., Bastiani, N., Barreto, J., Deibler, A y Bidese, L. (2019a). Avaliação de sensor multiespectral em mapeamentos da infestação de pastagens naturais pelo capim-annoni. Anais de XIX Simpósio Brasileiro de Sensoramiento Remoto. 14 a 17 de abril. Santo, Brasil.Correa, M., Barreto, J., Bastiani, N y Deibler, A. (2019b). Aplicação do índice de cobertura verde em pastagem de azevém. Anais de XIX Simpósio Brasileiro de Sensoramiento Remoto. 14 a 17 de abril. Santo, Brasil.Da Silva, H. (2018). Utilização de drone em mapeamentos florestais para classificação do uso e ocupação do solo. [Tesis de maestria, Universidade Federal do Paraná] Dspace. https://hdl.handle.net/1884/60786.De Barros, C., Baierle, J., Correa, M y Bastiani, N. (2018). Uso de sensor multiespectral em aeronave remotamente pilotada para avaliação da infestação de pastagem nativa por Eragrostis Plana (Ness). VII Simpósio de Iniciação Científica da Embrapa Pecuária Sul.Díaz, H y Sierra, J. (2004). Materiales de propagación y distancias de siembra en Brachiaria humidicola y Brachiaria dictyoneura. Pasturas Tropicales, 26, (2). http://www.tropicalgrasslands.info/index.php/tgft/pages/view/Pasturas.Díaz, J.E, Fernández, R y González, A. (2011). Measuring Herbage Mass by Non-Destructive Methods: A Review. Journal of Agricultural Science and Technology, 1 (3), 303-314. https://www.researchgate.net/publication/274640623_Measuring_Herbage_Mass_by_Non-Destructive_Methods_A_Review.Díaz, R.A., Moreno, H.W., Pérez, O., Rincón, A y Salcedo, J. (2019a). Uso de sistemas de información geográfica para identificar espacialmente la oferta de forraje verde de Brachiaria decumbens Stapf cv Basilisk en el Piedemonte Llanero. 42º Congreso Argentino de Producción Animal. Revista Argentina de Producción Animal, 39 (1), 99-167. http://ppct.caicyt.gov.ar/index.php/rapa/article/view/16419/45454575768681.Díaz, R.A., Alvarez, M., Pérez, O., Gutiérrez, B y Villalobos, M. (2019b). Uso de sensores remotos en la determinación de la oferta de forraje del pasto Brachiaria humidicola subsp. dictyoneura bajo pastoreo en la Altillanura colombiana. 42º Congreso Argentino de Producción Animal. Revista Argentina de Producción Animal, 39 (1), 99-167. http://ppct.caicyt.gov.ar/index.php/rapa/article/view/16419/45454575768681.Di Leo, N., Montico, S., Bonel, A., Denoia, A. (2007). Estimación de la APAR y la NPP mediante sensoramiento remoto en tres sectores de la Pampa Húmeda, Argentina. Ciencia, Docencia y Tecnología, 18, (35), 221-241.Dorigo, W., Zurita, R., de Wit, A., Brazile, J., Singh, R. y Schaepman, M. (2007) A review on reflective remote sensing and data assimilation techniques for enhanced agroecosystem modeling. International Journal of Applied Earth Observation and Geoinformation 9 (2), 165–193. https://doi.org/10.1016/j.jag.2006.05.003.Donohue, R., Hume, C., Roderick, M., McVicar, T., Beringer, J., Hutley, L....Arndt, S. (2014). Evaluation of the remote-sensing-based DIFFUSE model for estimating photosynthesis of vegetation. Remote Sensing of Environment, 155, 349-365. https://doi.org/10.1016/j.rse.2014.09.007.Dusseux, P. (2014). Exploitation de séries temporelles d’images satellites à haute résolution spatiale pour le suivi des prairies en milieu agricole. [Tesis de doctorado, Universite Rennes 2 Haute-Bretagne] HAL theses. https://tel.archives-ouvertes.fr/tel-01131770/file/2014theseDusseuxP.pdf.Edirisinghea, A., Clarkb, D. y Waughb D. (2012). Spatio-temporal modelling of biomass of intensively grazed perennial dairy pastures using multispectral remote sensing. International Journal of Applied Earth Observation and Geoinformation, 16, 5-16. https://doi.org/10.1016/j.jag.2011.11.006.Edvan, R., Bezerra, L., Marques, C., Socorro, Carneiro, M., Oliveira, R y Ferreira, R. (2016). Methods for estimating forage mass in pastures in a tropical climate. Revista de Ciências Agrárias, 39 (1), 36-45. DOI: 10.19084/RCA14100.Federación Colombiana de Ganaderos – FEDEGAN. (2006). Plan estratégico de la ganadería colombiana 2019, Sanmartín Obregón & Cía. http://hdl.handle.net/20.500.12324/13049.Ferreira, C.C. (2018). Produtividade primária bruta para áreas de cana de-açúcar e cerrado na bacia hidrográfica do mogi guaçu – sp. [Tesis de maestria, Universidade Federal de Campina Grande] Repositorio Dspace. http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/1569.Fletcher, J.E y Robinson, M.E. (1956). A capacitance meter for estimating forage weight. Journal of Range Management, 9 (2), 96-97. https://doi.org/10.2307/3894559.Franke, J., Keck, V y Siegert, F. (2012). Assessment of grassland use intensity by remote sensing to support conservation Schemes. Journal for Nature Conservation, 20 (3), 125-134. https://doi.org/10.1016/j.jnc.2012.02.001.Freitas, V., Butturi, W., Ottonelli de Bona, D., Oliveira, M., Barreto, L y Nunes, G. (2017). Uso de imagens obtidas com veículo aéreo não tripulado (VANT) para verificação do indicador de cobertura do solo no monitoramento da restauração florestal. XVII Simposio Brasilero de Sensoramiento Remoto. https://www.icv.org.br/drop/wp-content/uploads/2017/06/Artigo_Uso_do_VANT_monitoramento_restauracao_florestal_ICV_2017.pdf.Gallego, F., Lezama, F., Pezzani, F., López-Mársico, L., Leoni, E., Mello, A y Costa B. (2017). Estimación de la productividad primaria neta aérea y capacidad de carga ganadera: un estudio de caso en Sierras del Este, Uruguay. Agrociencia Uruguay, 21 (1). 120-130. http://www.scielo.edu.uy/scielo.php?script=sci_arttext&pid=S2301-15482017000100120.García, G. (2006). La escala y su importancia en el análisis espacial. Ecosistemas, 15 (3), 7-18. http://www.revistaecosistemas.net/articulo.asp?Id=432&Id_Categoria=1&tipo=portada.García, R. (2008). Sistemas Complejos. Conceptos, Método y Fundamentación Epistemológica de la Investigación Interdisciplinaria., Gedisa. https://repositorio.esocite.la/id/eprint/364.García, M., Évora, J y Pérez, M. (2012). Satélites de Teledetección para la gestión del territorio. Proyecto SATELMAC, Programa de Cooperación Transnacional Madeira – Azore. https://geoinnova.org/libro/satelites-teledeteccion-la-gestion-del-territorio/?gclid=Cj0KCQjwm6KUBhC3ARIsACIwxBjAI_DgJguIQ0eqY5Fac1i9vT0foMQMESbJEDmstZIn2aS9rglcpTAaAgNNEALw_wcB.Gastó, J. (1979). Ecosistema, componentes y atributos relativos al desarrollo y medio ambiente. Estilos de desarrollo y medio ambiente en América Latina. http://hdl.handle.net/11362/20474.Gebbers, R y Adamchuk, V.I. (2010). Precision Agriculture and food security. Science, 327(5967), 828-831. DOI:10.1126/science.1183899.Giraldo, L., Ranilla, M., Tejido, M y Carro, M. (2007). Efecto de la sustitución de Brachiaria dictyoneura por acacia mangium sobre la fermentacion ruminal in vitro. Pasturas Tropicales. 29, 39-46. http://www.tropicalgrasslands.info/public/journals/4/Elements/DOCUMENTS/2007-vol29-rev1/Vol_29_rev1_07_pags_39-46.pdf.Gichangi, E.M., Njarui, D.M y Gatheru, M. (2017). Plant shoots and roots biomass of brachiaria grasses and their effects on soil carbon in the semi-arid tropics of Kenya. Tropical and Subtropical Agroecosystems, 20, 65-74. http://www.revista.ccba.uady.mx/ojs/index.php/TSA/article/view/2244.Glissman, S (2014). Agroecology: The Ecology of Sustainable Food Systems. California, Estados Unidos, CRC Press.Gómez, D. (2008). Aspectos ecológicos de los pastos. En F, Fillat., R, García-González., D, Gómez., R, Reiné (Ed.), Pastos del Pirineo, cap. 7: 61- 73. Consejo Superior de Investigaciones Científicas, Premios Félix de Azara, Diputación de Huesca. Madrid.Gómez, M., Jong, R., Della Peruta, R., Keller, A. y Schaepman, M. (2017). Determination of grassland use intensity based on multi-temporal remote sensing data and ecological indicators. Remote Sensing of Environment, 198, 126-139. https://doi.org/10.1016/j.rse.2017.06.003.Gonçalves, L.M., Barbosa, G.A., Ferraz, S., Maciel, T y Santos, H.F. (2017). Variabilidade espacial e temporal do índice vegetação mpri aplicado às imagens de grama são carlos obtidas por aeronave remotamente pilotada. Brazilian Journal of Biosystems Engineering, 11 (4), 340-349. http://dx.doi.org/10.18011/bioeng2017v11n4p340-349.Grigera, G. (2011). Seguimiento de la productividad forrajera mediante teledetección: desarrollo de una herramienta de manejo para sistemas de producción ganaderos [Tesis de doctorado, Universidad de Buenos Aires] Reositorio Institucional Cientifico y Académico de la Facultad de Agronomía – UBA. https://repositoriosdigitales.mincyt.gob.ar/vufind/Record/FAUBA_9560df82cfd98ba5186690e3789b95bf.Guimarães, M.M.C., Matsumoto, S. N., Figueiredo, M. P., Cruz, P. G y Araújo, G. S. (2011). Estimativa da composição química do capim Braquiária cv. Marandú por meio de um clorofilômetro portátil. Revista Brasileira de Tecnologia Aplicada nas Ciências Agrárias, 4 (2), 85–91. https://doi.org/10.5777/paet.v4i2.1084.Haydock, K.P y Shaw, N, H. (1975). The comparative yield method for estimating dry matter yield of pasture. Aust. J. Exp. Anim. Husb, 15 (76), 663-670. https://doi.org/10.1071/EA9750663.Hernández, R. (2017). Metodología para discriminación de malezas basada en la respuesta espectral de la vegetación. [Tesis de maestria, Universidad Nacional de Colombia, sede Bogotá] Repositorio Institucional Biblioteca Digital – UN. https://repositorio.unal.edu.co/handle/unal/59816.Hepp, C., Reyes, C., Soto., R., Cáceres, E., Barattini, P y Juárez, D. (2017). Métodos de medición de disponibilidad de biomasa (materia seca) en praderas bajo pastoreo. En C, Hepp y C, Reyes. Determinación de la disponibilidad de materia seca en praderas a pastoreo en la Patagonia húmeda (región de Aysén). Instituto de Investigaciones Agropecuarias (INIA). Boletín 351. http://biblioteca.inia.cl/medios/biblioteca/boletines/NR40661.pdf.Hoffmann, I., From, T. y Boerma, D. (2014). Ecosystem services provided by livestock species and breeds, with special consideration to the contributions of small-scale livestock keepers and pastoralists. Background study paper, 66 (1). Disponible en: https://www.fao.org/publications/card/es/c/396d4e98-614e-47a4-83cb-57b8fc7508af/.Holmes, C.W., Wilson, G.F., Mackenzie, D.D.S., Flux, D.S., Brookes, I.M y Davey, A.W.F. (Ed. D Swain (2007) 'Milk production from pasture.' (Massey University: Palmerston North, New ZealandHoyos Rojas, J., Posada Asprilla, W., y Cerón Muñoz, M. (2019). Fotografía multiespectral para el diagnóstico fitosanitario del pasto kikuyo (Cechrus clandestinus (Hochst ex Chiov) Morrone). Acta Agronómica, 68 (1), 61-67. https://doi.org/10.15446/acag.v68n1.75662.Huete, A. (1988). A Soil-Adjusted Vegetation Index (SAVI). Remote Sensing of Environment, 25 (3), 295-309. https://doi.org/10.1016/0034-4257(88)90106-X.Huete, A; Didan,K; Miura,T; Rodriguez, E,P; gao,X; Ferreira, L,G. (2002). Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote Sensing of Environment, 83 (2), 195-213. https://doi.org/10.1016/S0034-4257(02)00096-2.Instituto Colombiano Agropecuario. (1987). Pasto Llanero. Boletín Tecnico (151). https://repository.agrosavia.co/bitstream/handle/20.500.12324/20476/78464_7324.pdf?sequence=1&isAllowed=y.Insua, J.R, Utsumi, S.A y Basso, B. (2019). Estimation of spatial and temporal variability of pasture growth and digestibility in grazing rotations coupling unmanned aerial vehicle (UAV) with crop simulation models. PLoS ONE, 14 (3). https://doi.org/10.1371/journal.pone.0212773Irisarri, J.G., Gundel, P.E., Clavijo, M.P., Durante, M y Sosa, P. (2013). Estimación de la PPNA y la capacidad de carga por ambientes mediante información satelital en un establecimiento ganadero en la Pampa Deprimida. Revista Argentina de Producción Animal, 33 (1), 11-37. http://ppct.caicyt.gov.ar/index.php/rapa/article/view/3562.Jayasinghe, C., Badenhorst, P., Wang, J., Jacobs, J., Spangenberg, G y Smith, K. (2019). An Object-Based Image Analysis Approach to Assess Persistence of Perennial Ryegrass (Lolium perenne L.) in Pasture Breeding. Agronomy, 9 (9). https://doi.org/10.3390/agronomy9090501.Jensen, J R. (2005). Remote Sensing and digital image processing. En Kaveney D E (Ed.), Introductory digital image processing: a remote sensing perspective. 3rd ed. Prentice Hall series in geographic information science. United States of America.Jones, R.M y Hargreaves, J.N. (1979). Improvements to the weight-rank method for measuring botanical composition. Grass and Forage Science, 34, 181-189. DOI:10.1111/j.1365-2494.1979.tb01465.x.Kaufman, Y y Tanré, D. 1992. Atmospherically resistant vegetation index (ARVI) for EOS-MODIS. IEEE Transaction on geoscience and remote sensing, 30 (2), 261-270. DOI: 10.1109/36.134076.Kawamura, K., Betteridge, K., Sanches, D.I., Tuohy, M., Costall, D y Inoue, Y. (2009). Field radiometer with canopy pasture probe as a potential tool to estimate and map pasture biomass and mineral components: A case study in the Lake Taupo catchment, New Zealand. New Zealand Journal of Agricultural Research, 52 (4), 417-434. DOI:10.1080/00288230909510524.Kelemu, S., Miles J., Bonilla, M y Badel, L. (1995). Sources of resistance in species of Brachiaria to foliar blight disease caused by Rhizoctonia solani. Tropical Grasslands, 29, 257-262. https://cgspace.cgiar.org/handle/10568/44119.Lascano, C.E., Avila, P., Quintero, I.E y Toledo, J.M. (1991). Atributos de una pastura de Brachiaria dictyoneura - Desmodium ovalifolium y su relación con la producción animal. Tropical Grasslands, 13 (2). Disponible en: http://www.tropicalgrasslands.info/index.php/tgft/pages/view/Pasturas.Lascano, C. E y Euclides, V.P.B. (1996). Nutritional Quality and Animal Production of Brachiaria Pastures. En J.W.Miles, B.L.Maas y C.B. Do Valle (Ed.) Brachiaria: Biology, Agronomy, and Imrovement. Centro Internacional de Aggricultura Tropical, Campo Grande, Brasil: Empresa Brasileira de Pesquisa Agropecuária, Centro Nacional de Pesquisa de Gado de Corte. Cali, Colombia.116.Liang, S., Li, X y Wang, J. (2012). A Systematic View of Remote Sensing. En S. Liang., X, Li y J, Wang (Ed.), Advanced Remote Sensing, Terrestrial information Extraction and Applications. ELSEVIER.Lima, V A., Oliveira, B y Ferri, B. (2015). Curso de capacitação para implantação de cadastro territorial multifinalitário nos municípios do sudoeste do Paraná. Módulo 3- sensoriamento remoto e geoprocessamento. Universidade Tecnológica Federal do Paraná. https://www.capacidades.gov.br/blog/detalhar/id/85/post/737/param/ativos.Lora, C. (2016). Comparativa de sensores espaciales de diferente resolución espectral en la exploración minera [Tesis de maestria, Escola Politècnica Superior d’Enginyeria de Manresa] UPCommos. http://hdl.handle.net/2117/96828.Lussem, U., Bolte, A., Gnyp, M., Jasper, J y Barath, G. (2018). Evaluation of RGB-based vegetation indices from UAV imagery to estimate forage yield in grassland. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol XLII-3. Mid-term Symposium “Developments, Technologies and Applications in Remote Sensing”, 7–10 May, Beijing, China. https://doi.org/10.5194/isprs-archives-XLII-3-1215-2018.Lillesand, T.M., Kiefer, R. W y Chipman, J.W. (2004). Remote sensing and image interpretation: Jhon Wile y Sons Ltd.Madugundu, R., Al-Gaadi, K., Tola, E., Kayad, A y Jha, C. (2017). Estimation of gross primary production of irrigated maize using Landsat-8 imagery and Eddy Covariance data. Saudi Journal of Biological Sciences, 24 (2), 410-420. https://doi.org/10.1016/j.sjbs.2016.10.003.Maire, J., Gibson-Poole, S., Cowan, N., Reay, D.S., Richards, K.G., Skiba, U., Rees, R.M y Lanigan, G.J. (2018). Identifying Urine Patches on Intensively Managed Grassland Using Aerial Imagery Captured From Remotely Piloted Aircraft Systems. Front. Sustain. Food Syst, 2 (10). https://doi.org/10.3389/fsufs.2018.00010.Marten, G. (1988). Productivity, Stability, Sustainability, Equitability and Autonomy as Properties for Agroecosystem Assessment. Agricultural Systems, 26 (4), 291-316. https://doi.org/10.1016/0308-521X(88)90046-7.Mendoza, P y Lascano, C. (1985). Mediciones en la pastura en ensayos de pastoreo. En C. Lascano y E. Pizarro (Ed.), Evaluación de pasturas con animales. Memorias de una reunión de trabajo celebrada en Perú, 1-5 de octubre de 1984. Red Internacional de Evaluación de Pastos Tropicales (RIEPT), CIAT, Cali, Colombia.Menezes, R P; Almeida, T (2012). Introdução ao Processamento de Imagens de Sensoriamento Remoto. Brasília. https://docplayer.com.br/951443-Introducao-ao-processamento-de-imagens-de-sensoriamento-remoto-paulo-roberto-meneses-tati-de-almeida-organizadores.htmlMitchell, J.E. (1972). An Analysis of the Beta-Attenuation Technique for Estimating Standing Crop of Prairie Range. Society for Range Management, 25 (4), 300-304 DOI:10.2307/3896918.Michez, A., Lejeune, P., Bauwens, S. Herinaina, A.A.L., Blaise, Y., Castro Muñoz, E., Lebeau, F y Bindelle, J. (2019). Mapping and Monitoring of Biomass and Grazing in Pasture with an Unmanned Aerial System. Remote Sensing, 11 (5), 473. DOI:10.3390/rs11050473.Mitsikostas, A. (2017). Monitorización y optimización de tierras con drones y fotogrametría aérea para aplicaciones de precisión en agricultura [Trabajo de maestria, Universidad Politecnica de Valencia] Riunet – UPV. https://riunet.upv.es/handle/10251/86353.Nancy, J., Thiex, J y Van Erem, T. (2002). Determination of Water (Moisture) and Dry Matter in Animal Feed, Grain, and Forage (Plant Tissue) by Karl Fischer Titration: Collaborative Study. Thiex & Van Erem: Journal of AOAC international, 85 (2), 318-327. https://doi.org/10.1093/jaoac/85.2.318.NASA. (1998). The remote sensing tutorial. http://rst.gsfc.nasa.gov/Nguku, N., Njarui, D., Musimba, N., Amwata, D y Kaindi, E. (2016). Primary production variables of brachiaria grass cultivars in Kenya dry lands. Tropical and Subtropical Agroecosystems, 19 (1), 29-39. Disponible en: https://www.revista.ccba.uady.mx/ojs/index.php/TSA/article/view/2167.Numata, I., Roberts, D., Chadwick, O., Schimel, J., Galvao, L y Soares, J. (2008). Evaluation of hyperspectral data for pasture estimate in the Brazilian Amazon using field and imaging spectrometers. Remote Sensing of Environmet, 112 (4), 1569-1583. https://doi.org/10.1016/j.rse.2007.08.014.Pardo, O., Rincón, A y Hess. (1999). Gramíneas y leguminosas adaptadas a las condiciones de los llanos orientales. En C.A. Jaramillo (Ed.), Alternativas forrajeras para los llanos orientales de Colombia (pp. 7-23). Corporación Colombiana de Investigación Agropecuaria – Corpoica. http://hdl.handle.net/20.500.12324/35795.Pardo, O y Pérez, O. (2010). Alternativas forrajeras para los llanos orientales de Colombia. En A. Rincón., C.A. Jaramillo (Ed.), Establecimiento, manejo y utilización de recursos forrajeros en sistemas ganaderos de suelos ácidos (pp. 27-70). Corporación Colombiana de Investigación Agropecuaria – Corpoica. http://hdl.handle.net/20.500.12324/12703.Paruelo, J. (2008). La caracterización funcional de ecosistemas mediante sensores remotos. Ecosistemas, 17 (3), 4-22. https://www.revistaecosistemas.net/index.php/ecosistemas/article/view/83.Paruelo, J., Oesterheld, M. y Grigera, G. (2011). El Seguimiento de los recursos forrajeros mediante sensores remotos: bases y aplicaciones. En: Bases Ecológicas y Tecnológicas para el manejo de pastizales. Montevideo, Eds. Instituto Nacional de Investigación Agropecuaria. https://wwfar.awsassets.panda.org/downloads/kit_pampas___manual_seguimiento_satelital_del_forraje.pdf.Padilla, G.A. (2017). Estimación de la productividad primaria neta aérea (PPNA) del forraje de pastos para los sistemas de producción ganadera mediante sensores remotos [Tesis de pregrado, Universidad del Valle] Biblioteca digital. http://hdl.handle.net/10893/10315.Peitz, J. L. (2019). UAV based hyperspectral grassland monitoring in an alpine shallow erosion area Lessons learnt from classifying vegetation indicating shallow erosion risk [Trabajo de maestria, Lund University] LUPP Student Papers. http://lup.lub.lu.se/student-papers/record/8978657.Pérez R. A. y Lascano C. E. 1992. Potencial de producción animal de asociaciones de gramíneas y leguminosas promisorias en el Piedemonte de la Orinoquía Colombiana. En. Pizarro E.A (Ed.), Primera Reunión Sabanas de la Red Internacional de Evaluación de Pastos Tropicales (RIEPT), (p. 23-26). CPAC/EMBRAPA y CIAT.Peñuelas, J., Bart, F y Filella, I. (1995). Semi-empirical índices to acssess carotenoids/chlorophyll a ratiofrom leaf spectral reflectance. Photosynthetica, 31 (2), 221-230. https://hal.inrae.fr/hal-02779352.Pessi, D., José, J., Mioto, L y Silva, N. (2020). Aeronave remotamente pilotada de baixo custo no estudo de plantas invasoras em áreas de cerrado. Pesquisas Agrárias e Ambientais, 8 (1), 68-80. DOI: http://dx.doi.org/10.31413/nativa.v8i1.8433.Peters, M., Franco, L., Schmidt, A y Hincapié, B. (2011). Especies forrajeras Multiproposito: Opciones para productores del trópico Americano. Centro Internacional de Agricultur Tropical-CIAT. Publicación CIAT (374). https://cgspace.cgiar.org/handle/10568/54681?show=full.Pezzani, F., Lezama, F., Gallego, F., López-Márisco, L., Leoni, E., Costa, B., Parodi, G y Mello, A.L. (2017). El método de corte de biomasa genera mayores diferencias en la estimación de la productividad de pastizales que el tipo de pastizal. Revista Argentina de Producción Animal, 37 (1), 21-32. https://www.researchgate.net/publication/317549460_El_metodo_de_corte_de_biomasa_genera_mayores_diferencias_en_la_estimacion_de_la_productividad_de_pastizales_que_el_tipo_de_pastizal.Pinter, P. J., Jr., Hatfield, J. L., Schepers, J. S., Barnes, E. M., Moran, M. S., Daughtry, C. S. T. (2003). Remote sensing for crop management. Photogrammetric Engineering and Remote Sensing, 69 (6), 647-664. Disponible en: https://digitalcommons.unl.edu/usdaarsfacpub/1372/.Posada, A. W. (2018). Evaluación de praderas de pasto kikuyo (Cenchrus clandestinus (Hochst. Ex Chiov) Morrene) a través de imágenes multiespectrales [Tesis de maestria no publicada]. Universidad de Antioquia.Posada, A. W.., Medina, M y Cerón, M. (2019). Estimación de la calidad y cantidad de pasto kikuyo (Cenchrus clandestinum (Hochst. ex Chiov.) Morrone) usando imágenes multiespectrales. Revista U.D.C.A Actualidad & Divulgación Científica, 22 (1). https://doi.org/10.31910/rudca.v22.n1.2019.1195.Preston, B., King, A., Ernst, M., Absar, S, Nair, S. y Parish, E. (2015). Scale and the representation of human agency in the modeling of agroecosystems. Current Opinion in Enviromental Sustainability,14, 239-249. https://doi.org/10.1016/j.cosust.2015.05.010.Phillips, R., Beri, O., Scholljegerde, E., Bjergaard, D y Hendrickson, J. (2009). Integration of geospatial and cattle nutrition information to estimate paddock grazing capacity in Northern US prairie. Agricultural Systems, 100 (1-3), -72-79. https://doi.org/10.1016/j.agsy.2009.01.002.Pullanagari, R. R. (2011). Proximal sensing techniques to monitor pasture quality an quantity on dairy farms [Tesis de doctorado, Massey University] Theses and Dissertations. http://hdl.handle.net/10179/3695.Pullanagari, R., Yule, I., Tuohy, M., Hedley, M., Dynes, R y King, W. (2013). Proximal sensing of the seasonal variability of pasture nutritive value using multispectral radiometry. Grass & Forage Science. 68 (1), 110-119. https://doi.org/10.1111/j.1365-2494.2012.00877.x.Pullanagari, R., Dynes, R., King, W., Yule, I., Thulin, S., Knox, N y Ramoleo, A. (2016). Remote sensing of pasture quality. UKnowledge. https://uknowledge.uky.edu/cgi/viewcontent.cgi?article=1271&context=igc#:~:text=Remote%20sensing%20has%20potential%20to%20provide%20pasture%20quality%20information%2C%20however,issues%20need%20to%20be%20resolved.Punalekar, S.M., Verhoef, A., Quaife, T.L., Humphries, D., Bermingham, L., Reynolds, C.K., (2018). Application of Sentinel-2A data for pasture biomass monitoring using a physically based radiative transfer model. Remote Sens. Environ, 218, 207–220. https://doi.org/10.1016/j.rse.2018.09.028.Ramírez, A. (2013). Evaluación del crecimiento de pastos usando índices de vegetación calculados a partir de información satelital [Tesis de maestría, Universidad Nacional] Repositorio Institucional Biblioteca Digital. https://repositorio.unal.edu.co/handle/unal/75325.Rebordosa, X. y López, J. (2010). Aplicación de la teledetección en el seguimiento temporal de actividades mineras a cielo abierto. Actualidad tecnológica, 6-11. https://es.scribd.com/document/353076822/4-Dialnet-AplicacionDeLaTeledeteccionEnElSeguimientoTemporal-3395277-pdf.Rennie, G. M., King, W. M., Puha, M. R., Dalley, D. E, Dynes, R. A y Upsdell, M. P. (2009). Calibration of the C-DAX Rapid Pasturemeter and the rising platemeter for kikuyu-basedNorthland dairy pastures. Proc N Z Grassl Assoc, 71, 49–55. DOI: 10.33584/jnzg.2009.71.2779.Rincón, A., Cuesta, P.A., Pérez, R., Lascano, C.E y Ferguson, J. (Eds). (1992). Maní forrajero perenne (Arachis pintoi) Krapowickas y Gregory. Una alternativa para ganaderos y agricultores. Instituto Colombiano Agropecuario (ICA). http://hdl.handle.net/20.500.12324/31579.Rincón, A. (1995). Producción de semilla de Brachiaria dictyoneura y Brachiaria brizantha en las sabanas bien drenadas de los Llanos Orientales de Colombia. Pasturas tropicales, 17 (3). http://www.tropicalgrasslands.info/public/journals/4/Elements/DOCUMENTS/1995-vol17-rev1-2-3/Vol17_rev3_95_art9.pdf.Rincón, A y Bueno, G. (Eds). (1997). Producción de semilla de pasto llanero (Brachiaria dictyoneura) en la Altillanura colombiana. Corporación Colombiana de Investigación Agropecuaria – CORPOICA. http://hdl.handle.net/20.500.12324/694.Rincón, A. (2011). Efecto de alturas de corte sobre la producción de forraje de Brachiaria sp. en el piedemonte Llanero de Colombia. Revista Corpoica – Ciencia y Tecnología Agropecuaria, 12 (2), 107-112. https://dialnet.unirioja.es/servlet/articulo?codigo=5624828Rincón, A., Flórez, H., Ballesteros, H y León, M. (2018). Efectos de la fertilización en la productividad de una pastura de Brachiaria humidicola cv. Llanero en el Piedemonte de los Llanos Orientales de Colombia. Tropical Grassland, 6 (1),158-168. http://dx.doi.org/10.17138/tgft(6)158-168.Rincón, A., Álvarez, M., Pardo, O., Amaya, M. A y Díaz, R. A. (2019). Estimación de la concentración de clorofila y su relación con la concentración de proteína cruda en tres especies del pasto Urochloa en el Piedemonte Llanero, Colombia. Tropical Grasslands, 7 (5), 533-537. DOI: 10.17138/TGFT(7)533-537.Rippstein, G., Sionneau, J., Escobar, G y Ramírez, G. (2001). Radiometría terrestre para el inventario y otros estudios de la vegetación de sabana. En G. Rippstein., J, Escobar., F, Motta (Ed.), Agroecología y biodiversidad de las sabanas en los llanos orientales de Colombia. CIRAD – CIAT. https://repositorio.unal.edu.co/handle/unal/9670.Robel, R.J., Briggs, J.N., Dayton, A.D y Hulbert, L.C. (1970). Relationships Between Visual Obstruction Measurements and Weight of Grassland Vegetation. Journal of Range Management Archives, 23 (4). https://journals.uair.arizona.edu/index.php/jrm/article/view/5830/5440.Rodrigues, S. S. (2017). Veículo aéreo nao tripulado de asa rotativa na atividade de mapeamento e colecta de imgem na agricultura de precisao e no monitoramento de animais [Tesis de maestria, Universidade de Sao Paulo] Tesis y disertaciones. https://teses.usp.br/teses/disponiveis/74/74134/tde-24042017-104340/es.php.Rodrigues, P., Aires-Dias, J., Silva, A., Almeida, T., Lopes de silva, T y Silva, P. (2015). Imagens multiespectrais para estimar características produtivas de gramíneas tropicais. Instituto Federal de Tocantins, 6. https://propi.ifto.edu.br/ocs/index.php/jice/6jice/paper/viewFile/7127/3422.Rossini, C., Pereyra, O., Graciosa, M., Machado, M y Figueiredo, C. (2015). Imagens multiespectrais para avaliação de índice de área foliar e massa seca do capim ‘Tifton 85’, sob adubação nitrogenada. Ciencia Rural, 45 (4), 697-703. http://dx.doi.org/10.1590/0103-8478cr20131424.Running, S. W. (2004). Global land data sets for next‐generation biospheric monitoring. Wiley Online Library, 85 (2), 543-545. https://doi.org/10.1029/2004EO500006.Sahoo, R.N., Ray, S.S., Manjunath, K.R., (2015). Hyperspectral remote sensing of agriculture. Current Science, 108 (5), 848-859. https://ncfc.gov.in/publications/p2.pdf.Sánchez, G., Osorio, E., Alvarez, J.A, Marín, J, Sánchez, A y Gil, O.J. (1989). Adaptación y producción de gramíneas y leguminosas forrajeras en el departamento de Antioquia, Colombia. Pasturas Tropicales, 11 (3). http://www.tropicalgrasslands.info/index.php/tgft/pages/view/Pasturas.Sánchez, J., Villareal, M y Soto, H. (2000). Caracterización nutricional de los componentes forrajeros de cuatro asociaciones gramíneas/Arachis pintoi. Nutrición Animal Tropical, 6 (1). https://www.academia.edu/27599445/Caracterizaci%C3%B3n_de_los_componentes_forrajeros_de_cuatro_asociaciones_gram%C3%ADneas_Arachis_pintoi.Sánchez, J y Yánez, S. (2018). Análisis de la correlación entre el volumen y vigorosidad vegetal de pasto con las características del suelo mediante técnicas de UAV [Tesis de pregrado, Universidad de las Fuerzas Armadas] Repositorio Dspace. http://repositorio.espe.edu.ec/handle/21000/14011.Sanches, D. I. (2009). Hyperspectral proximal sensin of the botanical composition and nutrient content of New Zealand pastures [Tesis de doctorado, Massey University] Theses and Dissertations. http://hdl.handle.net/10179/1194.Sankey, T., Leonard, J y Moore, M. (2019). Unmanned Aerial Vehicle−Based Rangeland Monitoring: Examining a Century of Vegetation Changes. Rangeland Ecology & Management, 72 (5), 858-863. https://doi.org/10.1016/j.rama.2019.04.002.Santillan, R.A, Ocumpaugh, W.R y Mott, G.O. (1979). Estimating Forage Yield with a Disk Meter. Agronomy Journal. 71, 71-74. DOI: 10.2134/agronj1979.00021962007100010017x.Sarandón, S. y Flores, C. (Eds). (2016). Agroecología: bases teóricas para el diseño y manejo de Agroecosistemas sustentables.Universidad Nacional de La Plata. https://libros.unlp.edu.ar/index.php/unlp/catalog/view/72/54/181-1.Silva, J., Ferreira, L., Rego, J y Arantes, A. (2015). Utilização de imagens aéreas de um Veículo Aéreo Não-Tripulado (VANT) para estimativa de cobertura verde das pastagens cultivadas em duas áreas experimentais no município de Uberlândia – MG. Anais XVII Simpósio Brasileiro de Sensoriamento Remoto – SBSR. https://www.academia.edu/18007262/Utiliza%C3%A7%C3%A3o_de_imagens_a%C3%A9reas_de_um_Ve%C3%ADculo_A%C3%A9reo_N%C3%A3o_Tripulado_VANT_para_estimativa_de_cobertura_verde_das_pastagens_cultivadas_em_duas_%C3%A1reas_experimentais_no_munic%C3%ADpio_de_Uberl%C3%A2ndia_MG.Squella, F., Márques, C., Silva, M y Mansilla, A. (1990). Validación del método BOTANAL en una pastura de Phalaris aquatica y Trifolium Subterraneum. I. Evalución del método del rendimiento comparativo, en la estimación de la disponibilidad de fitomasa. Agricultura técnica, 50 (3), 200-207. http://www.chileanjar.cl/files/V50I3A03_es.pdf.Sripada, R. P., Heiniger, R. W., White, J. G., Weisz, R. (2006). Aerial color infrared photography for determining late-season nitrogen requirements in corn. Agronomy Journal, 97 (5), 1443-1451. https://doi.org/10.2134/agronj2004.0314.Slaton, M.R., Raymond Hunt, E., Jr., Smith, W.K. (2001). Estimating near-infrared leaf reflectance from leaf structural characteristics. Am. J. Bot, 88 (2), 278–284. https://pubmed.ncbi.nlm.nih.gov/11222250/.Stenzel, S., Fassnacht, F., Mack, B y Schnidtlen, S. (2017). Identification of high nature value grassland with remote sensing and minimal field data. Ecological Indicator, 74, 28-38. https://doi.org/10.1016/j.ecolind.2016.11.005.Tammadge, D., Álvarez, F. y Rodríguez, J. (2012). Evaluación del producto MODIS GPP en biomas no arbolados empleando datos de torres de flujo de Carbono. XV Congreso Nacional de Tecnologías de la Información Geográfica. http://www.congresos.cchs.csic.es/TIG2012/sites/default/files/Alvarez-Taboada%2CMF.pdf.Toledo, J.M., Burns, J.C., Lucas, H.L., Jr, H.L y Angelone, A. (1981). Herbage measurements in situ by electronics. III. Calibration, characterization and field application of the earth-plate forage capacitance meter: a prototype. Grass and forage Sci, 35 (3), 189-196. https://doi.org/10.1111/j.1365-2494.1980.tb01511.x.Toledo, J. (Eds) (1982). Manual para la evaluación agronómica. Red Internacional de Evaluación de Pastos Tropicales. Centro de Internacional de Agricultura Tropical- CIAT. https://cgspace.cgiar.org/handle/10568/54148.Torres, J., Peña, J., Castro, A. y López, F. (2014). Multi-temporal mapping of the vegetation fraction in early-season wheat fields using images from UAV. Computers and Electronics in Agriculture, 103, 104–113. https://doi.org/10.1016/j.compag.2014.02.009.Toro-Mújica, P., García A., Gómez-Castro, A., Acero, R., Perea, J. y Rodríguez-Estévez, V. (2011). Sustentabilidad de Agroecosistemas. Arch. Zootec, 59, 71-94. https://doi.org/10.21071/az.v59i232.4908.Tothill, J.C., Hargreaves, J.N y Jones, R.N. (Eds). (1978). Botanal; a comprehensive sampling and computing procedure for estimating pasture yield and composition. I. Field sampling. Division of tropical crops and pasture, Tropical Agronomy, CSIRO. https://doi.org/10.4225/08/58712e506e989.Trotter, M. G., Lamb, D. W., Donald, G. E y Schneider, D. A. (2010). Evaluating an active optical sensor for quantifying and mapping green herbage mass and growth in a perennial grass pasture. Crop & Pasture Science. 61(5, 389-398. https://doi.org/10.1071/CP10019.Tucker ,C. J y Sellers . P. J. (1986). Satellite remote sensing of primary production. International Journal of Remote Sensing, 7 (11), 1395-1416, https://doi.org/10.1080/01431168608948944.Turner, D. P., Ritts, W. D., Cohen, W. B., Maeirsperger, T. K., Gower, S. T., Kirschbaum, A. A., . Gamon, J. A. (2005). Site‐level evaluation of satellite‐based global terrestrial gross primary production and net primary production monitoring. Global Change Biology, 11. 667-684. https://www.fs.usda.gov/treesearch/pubs/24539.Vela, W., Keller, G y Pinedo, L. (1990). Productividad animal en la asociacion de Brachiaria dictyoneura CIAT 6133 con Desmodium ovalifolium CIAT 350 en Pucallpa. En. G. Keller (Ed.), Red Internacional de Evaluación de Pastos Tropicales (RIEPT), 6-9 de Noviembre, Lima, Perú. Documento de trabajo, 75 (2). Centro Internacional de Agricultura Tropical – CIAT. https://agris.fao.org/agris-search/search.do?recordID=QT19970050898.Vela, J.W y Flores, A. (1996). Productividad animal de la asociación Brachiaria dictyoneura CIAT 6133-Desmodium ovalifolium CIAT 350 en Pucallpa. Tropical Grasslands, 18 (1). http://www.tropicalgrasslands.info/index.php/tgft/pages/view/Pasturas.Von Bennewitz, E. (2012). Uso de imágenes satelitales multiespectrales e índices de vegetación, como herramientas para estudiar el desarrollo fenológico y crecimiento del cerezo (prunus avium l.) en tres localidades de la provincia de curicó, región del maule-chile [Tesis de maesria, Universidad de Talca] Repositorio ANID. http://repositorio.conicyt.cl/handle/10533/184362#.Von Bueren, S y Yule, I. (2013). Multispectral aerial imaging of pasture quality and biomass using unmanned aerial vehicles (UAV). Institute of Agriculture and Environment. http://tur-www1.massey.ac.nz/~flrc/workshops/13/Manuscripts/Paper_vonBueren_2013.pdf.Watanabe, F., Alcatara, E., Rodrigues, T., Rotta, L., Bernardo, N. y Imai, N. (2017). Remote sensing of the chlorophyll-a based on OLI/Landsat-8 and MSI/Sentinel-2A, Barra Bonita reservoir, Brazil. Anais da Academia Brasileira de Ciências, 90 (2). http://www.scielo.br/scielo.php?pid=S0001-37652017005020119&script=sci_abstract.Wilm, H. G., Costello, D.F y Klipple, G. (1944). Estimating Forage Yield by the Double-Sampling Method. Journal of the American Society of Agronomy, 36 (3), 194-203. https://doi.org/10.2134/agronj1944.00021962003600030003x.Zimmerer, K. (2010). Biological Diversity in Agriculture and Global Change. The annual review of environment and resources, 35, 137-166. https://doi.org/10.1146/annurev-environ-040309-113840.Baret, F y Guyot, G. (1991). Potentials and limits of vegetation indexes for LAI and APAR assessment. Remote Sensing of Environment, 35 (2-3), 161-173. DOI: https://doi.org/10.1016/0034-4257(91)90009-U.Bayma-silva, G.; Santos, PM. (Eds). (2019). Protocolo de campo para investigação, calibração e validação de métodos para estimativade massa de forragem baseados em sensoriamento remoto orbital e proximal de forragem baseados em sensoriamentoremoto orbital e proximal; Embrapa Informarunatica https://www.infoteca.cnptia.embrapa.br/handle/doc/1117053.Beeri, O., Phillips, R., Hendrickson, J., Frank, A. B y Kronberg, S. (2007). Estimating forage quantity and quality using aerial hyperspectral imagery for northern mixed-grass prairie. Remote Sensing of Environment, 110, 216–225. https://doi.org/10.1016/j.rse.2007.02.027.Birth, G y G. McVey. (1968). Measuring the Color of Growing Turf with a Reflectance Spectrophotometer. Agronomy Journal, 60 (1), 640-643. https://doi.org/10.2134/agronj1968.00021962006000060016x.Carulla, J.E., Lascano, C.E., Ward, J.K. (1991). Selectivity of resident and oeophageal fistulated steers grazing Arachis pintoi and Brachiaria dictyoneura in the Llanos of Colombia. Tropical Grasslands. 25, 317-324. Disponible en: https://cgspace.cgiar.org/handle/10568/44085.Carneiro, F. M., Furlani, C., Zerbato, C., Menezes, P. C y Gírio, L. (2019). Correlations among vegetation indices and peanut traits during different crop development stages. Engenharia Agrícola, 39, 33-40. https://doi.org/10.1590/1809-4430-eng.agric.v39nep33-40/2019.Carlson, T.N., Ripley, D.A. (1997). On the relation between NDVI, fractional vegetation cover, and leaf area index. Remote Sens Environ, 62 (3), 241–52. https://doi.org/10.1016/S0034-4257(97)00104-1.Cisneros, A., Fiorio, P., Menezes, P., Pasqualotto, N., Wittenberghe, S., Bayma, G y Nogueira, S. (2020). Mapping Productivity and Essential Biophysical Parameters of Cultivated Tropical Grasslands from Sentinel-2 Imagery. Agronomy, 10 (5), 711. https://doi.org/10.3390/agronomy10050711.Cook, B y Schultze-Kraft. (2015). Botanical name changes – nuisance or a quest for precision?. Tropical Grasslands, 3, 34-40. https://doi.org/10.17138/tgft(3)34-40.Departamento Administrativo Nacional de Estadística (DANE). (2014) 3er Censo Nacional Agropecuario, La mayor operación estadística del campo colombiano en los últimos 45 años. Tomo 2, Resultados. https://www.dane.gov.co/files/images/foros/foro-de-entrega-de-resultados-y-cierre-3-censo-nacional-agropecuario/CNATomo2-Resultados.pdf.Díaz, R.A., Alvarez, M., Pérez, O., Gutiérrez, B y Villalobos, M. (2019). Uso de sensores remotos en la determinación de la oferta de forraje del pasto Brachiaria humidicola subsp. dictyoneura bajo pastoreo en la Altillanura colombiana. 42º Congreso Argentino de Producción Animal. Revista Argentina de Producción Animal, 39 (1), 99-167. http://ppct.caicyt.gov.ar/index.php/rapa/article/view/16419/45454575768681.Dingaan, M.N.V y Tsubo, M. (2019). Improved assessment of pasture availability in semi-arid grassland of South Africa. Environ Monit Assess, 191, 733. https://doi.org/10.1007/s10661-019-7918-x.Epstein, H.E., Walker, D.A., Jia, G.J y Kelley, A.M. (2005). Climate, plant biomass, NDVI and LAI relationships along the full arctic bioclimate gradient. Am Geophys Union, 23, 1012-1024. https://ui.adsabs.harvard.edu/abs/2005AGUFM.B33E1092E/abstract.Escribano, J. A; Hernández, C. G y Tarquis, A. (2015). Selección de índices de vegetación para la estimación de la producción herbácea en dehesas. Revista Pastos, 2 (44), 6-18. http://polired.upm.es/index.php/pastos.Forsmoo, J., Anderson, K., Macleod, C. J. A., Wilkinson, M. E., Brazier, R. (2018). Drone-based structure-from-motion photogrammetry captures grassland sward height variability. Journal of Applied Ecology, 55 (6), 2587–2599. https://doi.org/10.1111/1365-2664.13148.Gichangi, E.M., Njarui, D.M y Gatheru, M. (2017). Plant shoots and roots biomass of brachiaria grasses and their effects on soil carbon in the semi-arid tropics of Kenya. Tropical and Subtropical Agroecosystems, 20, 65-74. http://www.revista.ccba.uady.mx/ojs/index.php/TSA/article/view/2244.Gitelson, A y M. Merzlyak. (1998). Remote Sensing of Chlorophyll Concentration in Higher Plant Leaves. Advances in Space Research, 22 (5), 689-692. https://doi.org/10.1016/S0273-1177(97)01133-2.Gitelson, A.A., Kaufman, Y.J., Stark, R y Rundquist, D. (2002). Novel algorithms for remote estimation of vegetation fraction. Remote Sens Environ, 80 (1), 76-87. https://doi.org/10.1016/S0034-4257(01)00289-9.Gitelson, A., Y. Gritz, y M. Merzlyak. (2003). Relationships Between Leaf Chlorophyll Content and Spectral Reflectance and Algorithms for Non-Destructive Chlorophyll Assessment in Higher Plant Leaves. Journal of Plant Physiology, 160 (3), 271-282. https://doi.org/10.1078/0176-1617-00887.Huete, A. (1988). A Soil-Adjusted Vegetation Index (SAVI). Remote Sensing of Environment, 25 (3), 295-309. https://doi.org/10.1016/0034-4257(88)90106-X.Huete, A., Jackson, R y Post, D. (1985). Spectral response of a plant canopy with different soil backgrounds. Remote Sensing of Environment, 17 (1), 37-53. https://doi.org/10.1016/0034-4257(85)90111-7.Insua, J.R, Utsumi, S.A y Basso, B. (2019). Estimation of spatial and temporal variability of pasture growth and digestibility in grazing rotations coupling unmanned aerial vehicle (UAV) with crop simulation models. PLoS ONE, 14 (3). https://doi.org/10.1371/journal.pone.0212773.Jiang, Z ., Huete, AR., Chen, J., Chen, Y., Li, J., Yan, G y Zhang, X. (2006). Analysis of NDVI and scaled difference vegetation index retrievals of vegetation fraction. Remote Sensing of Environment, 101 (3), 366-378. https://doi.org/10.1016/j.rse.2006.01.003.Lu, B. (2017). Estimating Grassland Biophysical and Biochemical Properties Using Remote Sensing and Modelling [Tesis de doctorado, University of Toronto] ProQuest. https://www.proquest.com/openview/0424ddda1f876641bda478ddd8ecf3b6/1?pq-origsite=gscholar&cbl=18750.Lu, B y He, Y. (2017). Species classification using Unmanned Aerial Vehicle (UAV)-acquired high spatial resolution imagery in a heterogeneous grassland. ISPRS Journal of Photogrammetry and Remote Sensing, 128, 73-85. http://dx.doi.org/10.1016/j.isprsjprs.2017.03.011.Nakano, T., Bavuudorj, G., Urianhai, N. G y Shinoda, M. (2013). Monitoring aboveground biomass in semiarid grasslands using MODIS images. Journal of Agricultural Meteorology, 69 (1), 33–39. https://doi.org/10.2480/agrmet.69.1.1.Myneni, R.B., Hall, F.G., Sellers, P.J y Marshak, A.L. (1995). The interpretation of spectral vegetation indexes. T Geos Remote Sens, 33 (2), 481-486. https://doi.org/10.1109/TGRS.1995.8746029.Motta-Delgado, P. A., Ocaña Martínez, H. E., y Rojas-Vargas, E. P. (2019). Indicadores asociados a la sostenibilidad de pasturas: una revisión. Ciencia y Tecnología Agropecuaria, 20 (2), 387-430. https://doi.org/10.21930/rcta.vol20num2art:1464.Peñuelas, J., Bart, F y Filella, I. (1995). Semi-empirical índices to acssess carotenoids/chlorophyll a ratiofrom leaf spectral reflectance. Photosynthetica, 31 (2), 221-230. https://hal.inrae.fr/hal-02779352.Pardo, O., Rincón, A y Hess. (1999). Gramíneas y leguminosas adaptadas a las condiciones de los llanos orientales. En C.A. Jaramillo (Ed.), Alternativas forrajeras para los llanos orientales de Colombia (pp. 7-23). Corporación Colombiana de Investigación Agropecuaria – Corpoica. http://hdl.handle.net/20.500.12324/35795.Posada, A. W. (2018). Evaluación de praderas de pasto kikuyo (Cenchrus clandestinus (Hochst. Ex Chiov) Morrene) a través de imágenes multiespectrales [Tesis de maestria no publicada]. Universidad de Antioquia.Posada, A. W.., Medina, M y Cerón, M. (2019). Estimación de la calidad y cantidad de pasto kikuyo (Cenchrus clandestinum (Hochst. ex Chiov.) Morrone) usando imágenes multiespectrales. Revista U.D.C.A Actualidad & Divulgación Científica, 22 (1). https://doi.org/10.31910/rudca.v22.n1.2019.1195.Raab, C., Riesch, F., Tonn, B., Barrett, B., Meißner, M., Balkenhol, N y Isselstein, J. (2020). Target-oriented habitat and wildlife management: estimating forage quantity and quality of semi-natural grasslands with Sentinel-1 and Sentinel-2 data. Remote Sensing in Ecology and Conservation, 6 (3), 381-398. https://doi.org/10.1002/rse2.149.Rahetlah, V.B., Salgado, P., Andrianarisoa, B., Tillard, E., Razafindrazaka, H., Mézo, L y Ramalanjaona, V. L. (2014). Relationship between normalized difference vegetation index (NDVI) and forage biomass yield in the Vakinankaratra region, Madagascar. Livestock Research for Rural Development, 26 (5). https://lrrd.cipav.org.co/lrrd26/5/rahe26095.html.Ren, S, Chen, X y An, S. (2017). Assessing plant senescence reflectance index-retrieved vegetation phenology and itsspatiotemporal response to climate change in the Inner Mongolian Grassland. Int. J. Biometeorol, 61 (4), 601–612. DOI: 10.1007 / s00484-016-1236-6.Rincón, A. (2011). Efecto de alturas de corte sobre la producción de forraje de Brachiaria sp. en el piedemonte Llanero de Colombia. Revista Corpoica – Ciencia y Tecnología Agropecuaria, 12 (2), 107-112. https://dialnet.unirioja.es/servlet/articulo?codigo=5624828Rincón, A., Flórez, H., Ballesteros, H y León, M. (2018). Efectos de la fertilización en la productividad de una pastura de Brachiaria humidicola cv. Llanero en el Piedemonte de los Llanos Orientales de Colombia. Tropical Grassland, 6 (1),158-168. http://dx.doi.org/10.17138/tgft(6)158-168.Ripley, B.D., Venables, B., Bates, D., Hornik, K., Gebhardt, A y Firth, D. (2020). Package “MASS”. Version 7.3-57. https://cran.r-project.org/web/packages/MASS/MASS.pdf.R Development Core Team. (2016). R: A Language and Environment for Statistical Computing. Version 4.0.0 2020-04-24, Arbor Day.Rouse, J., R. Haas, J. Schell, y D. (1973). Deering. Monitoring Vegetation Systems in the Great Plains with ERTS. Third ERTS Symposium, NASA, 309-317. https://ntrs.nasa.gov/citations/19740022614.Roujean, J y F. Breon. (1995). Estimating PAR Absorbed by Vegetation from Bidirectional Reflectance Measurements. Remote Sensing of Environment, 51 (3), 375-384. https://doi.org/10.1016/0034-4257(94)00114-3.Rueda, V. P., Peña, J. M., Höglind, M., Bengochea, J. M., Andújar, D. (2019). Comparing UAV-basedtechnologies and RGB-Dreconstructionmethodsfor plant heightandbiomassmonitoringon grass ley. Sensors, 19 (3), 535. https://doi.org/10.3390/s19030535.Sánchez, J y Yánez, S. (2018). Análisis de la correlación entre el volumen y vigorosidad vegetal de pasto con las características del suelo mediante técnicas de UAV [Tesis de pregrado, Universidad de las Fuerzas Armadas] Repositorio Dspace. http://repositorio.espe.edu.ec/handle/21000/14011.Sánchez, G., Osorio, E., Alvarez, J.A, Marín, J, Sánchez, A y Gil, O.J. (1989). Adaptación y producción de gramíneas y leguminosas forrajeras en el departamento de Antioquia, Colombia. Pasturas Tropicales, 11 (3). http://www.tropicalgrasslands.info/index.php/tgft/pages/view/Pasturas.Sinde, I., Yánez, D., Grefa, J., Arza, M y Gil, M. (2020). Estimación del rendimiento del pasto mediante NDVI con imágenes multiespectrales de vehículos aéreos no tripulados (UAV). Revista GEOESPACIAL, 17 (1), 25-38. https://journal.espe.edu.ec/ojs/index.php/revista-geoespacial/article/view/1640.Tamás, J., Nagy, A y Farkané. (2019). Beyond NDVI-Spectral indexing of biomass. Journal of Agricultural Informatics, 10 (2). 28-36. https://doi.org/10.17700/jai.2019.10.2.553.Unidad de Planificación Rural Agropecuaria – UPRA, (2019). Por primera vez en Colombia se identifican las áreas aptas para el cultivo de pastos. https://www.agronet.gov.co/Noticias/Paginas/Por-primera-vez-en-Colombia-se-identifican-las-%C3%A1reas-aptas-para-el-cultivo-de-pastos.aspx.Vela, J.W y Flores, A. (1996). Productividad animal de la asociación Brachiaria dictyoneura CIAT 6133-Desmodium ovalifolium CIAT 350 en Pucallpa. Tropical Grasslands, 18 (1). http://www.tropicalgrasslands.info/index.php/tgft/pages/view/Pasturas.Wood, S. (2019). Mixed GAM Computation Vehicle with Automatic Smoothness Estimation. Package “mgcv”. Version 1.8-31. https://cran.r-project.org/web/packages/mgcv/mgcv.pdf.Zerbato, C., Rosalen, D.L., Furlani, C.E.A., Deghaid., J y Voltarelli, M.A. (2016). Agronomic characteristics associated with the normalized difference vegetation index (NDVI) in the peanut crop. Australian Journal of Crop Science, 10 (5), 758-764. DOI:http://dx.doi.org/10.21475/ajcs.2016.10.05.p7167 .Zhang, Z., Liu, M., Liu, X y Zhou, G. A. (2018). New Vegetation Index Based on Multitemporal Sentinel-2 Images for Discriminating Heavy Metal Stress Levels in Rice. Sensors, 18 (7), 2172. https://doi.org/10.3390/s18072172.Zhangyan, J., Huete, A., Chen, J., Chen, Y., Li, J., Yan, G y Zhang, X. (2006). Analysis of NDVI and scaled difference vegetation index retrievals of vegetation fraction. Remote Sensing of Environment, 63 (3), 366-378. https://doi.org/10.1016/j.rse.2006.01.003.Alonso M., Rozados M., Ignacio M., Rozas V., Lamas S., Chapela D. y Fontúrbel M. (2008). Nitrógeno foliar como estimador de clorofila en una población en de Laurus nobilis del parque nacional de las islas atlánticas, Galicia (No España). Cuadernos de la Sociedad Española de ciencias forestales, 25, 61-66. https://dialnet.unirioja.es/servlet/articulo?codigo=4249059.Álvarez, M y Rincón, A. (2010). Características agroecológicas de la Orinoquia colombiana. En A. Rincón., C.A. Jaramillo (Ed.), Establecimiento, manejo y utilización de recursos forrajeros en sistemas ganaderos de suelos ácidos (pp. 27-70). Corporación Colombiana de Investigación Agropecuaria – Corpoica. http://hdl.handle.net/20.500.12324/12703.Andrade, B y Moncayo, L. (2017). Análisis de NDVI contrastando diferentes metodologías de toma de datos espectrales, en cultivos de pastos en etapa previa de pastoreo [Tesis de pregrado, Universidad de las fuerzas armadas] Repositorio Dspace. http://repositorio.espe.edu.ec/handle/21000/13158Arantes, A. (2017). Caracterização Biofísica e Potencial à Intensificação Sustentável da Pecuária Brasileira em Pastagens [Tesis de doctorado, Universidad Federal de Goiás - UFG] Biblioteca Digital de Teses e Dissertações Biblioteca Digital Brasileña de Tesis y Disertaciones (BDTD). http://repositorio.bc.ufg.br/tede/handle/tede/8075Ariza, C., Mayorga, O. L., Mojica, B., Parra, D., y Afanador-Tellez, G. (2018). Use of LOCAL algorithm with near infrared spectroscopy in forage resources for grazing systems in Colombia. Journal of Near Infrared Spectroscopy, (1), 44–52. https://doi.org/10.1177/0967033517746900.Arruda, D.S., Weber, M., Jobin, C y Carvalho, P.C. (2011). Métodos de avaliação de massa de forragem em pastagens de capim-estrela submetidas a intensidades de pastejo. Ciência Rural, 41 (11), 2004-2009. http://www.scielo.br/scielo.php?pid=S010384782011001100025&script=sci_abstract&tlng=pt.Beaulieu, N., Álvarez, M. y Rincón, M. (2006). Detección de la degradación en pasturas usando series temporales de imágenes multiespectrales en los llanos orientales de Colombia. http://hdl.handle.net/20.500.12324/1218.Bernardi, A.C y Pérez, N. (2014). Agricultura de Precisão em Pastagens. Brazilian Precision Agriculture Research Network. https://www.embrapa.br/busca-de-publicacoes/-/publicacao/1003689/agricultura-de-precisao-em-pastagens.Birth, G y G. McVey. (1968). Measuring the Color of Growing Turf with a Reflectance Spectrophotometer. Agronomy Journal, 60 (1), 640-643. https://doi.org/10.2134/agronj1968.00021962006000060016x.Braga, G. J., Pedreira, C., Herling, V.R., Luz, P., Marchesin, W y Macedo, F. (2009). Quantifying herbage mass on rotationally stocked palisadegrass pastures using indirect methods. Scientia Agricola, 66 (1), 127-131. https://doi.org/10.1590/S0103-90162009000100018.Canchila, E.R, Soca, Mildrey, Ojeda, F, & Machado, R. (2009). Evaluación de la composición bromatológica de 24 accesiones de Brachiaria spp. Pastos y Forrajes, 32 (4). http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0864-03942009000400002&lng=es&tlng=es.Carulla, J.E., Lascano, C.E., Ward, J.K. (1991). Selectivity of resident and oeophageal fistulated steers grazing Arachis pintoi and Brachiaria dictyoneura in the Llanos of Colombia. Tropical Grasslands. 25, 317-324. Disponible en: https://cgspace.cgiar.org/handle/10568/44085.Chehbouni, A., Huete, A., Kerr, H y Sorooshian. (1994). A Modified Soil Adjusted Vegetation Index. Remote Sensing of Environment, 48 (2) 119-126. https://doi.org/10.1016/0034-4257(94)90134-1.Chuvieco, E. 2002. Teledetección ambiental. 1a. ed. Barcelona. Editorial Ariel.Costa, N L., Rodrigues, A., Malgalhaes, J., Bendahan, A., Rodrigues, B y Santos, F. (2019). Morfogênese e composição química de Brachiaria humidicola cv. Llanero sob períodos de descanso. Res., Soc. Dev, 8 (10),. https://doi.org/10.33448/rsd-v8i10.1356.Cook, B y Schultze-Kraft. (2015). Botanical name changes – nuisance or a quest for precision?. Tropical Grasslands, 3, 34-40. DOI:10.17138/TGFT(3)34-40.Cristiano, P.M. (2010). Estimación de la productividad primaria mediante el modelo de eficiencias y sensores remotos. [Tesis de doctorado, Universidad de Buenos Aires]. DOI:10.13140/RG.2.2.32765.46562.Fournel, S., Rousseau, A.N y Laberge, B. (2017). Rethinking environment control strategy of confined animal housing systems through precision livestock farming. Biosyst Eng. 155, 96–123. https://doi.org/10.1016/j.biosystemseng.2016.12.005.Gargiulo, J., Clark, C., Lyons, N., de Veyrac, G., Beale, P y Garcia S. (2020). Spatial and Temporal Pasture Biomass Estimation Integrating Electronic Plate Meter, Planet CubeSats and Sentinel-2 Satellite Data. Remote Sensing. 12 (19), 3222. https://doi.org/10.3390/rs12193222.Giraldo, L., Hincapie, A., Vásquez, M y Zapata, C. (1989). Evaluación de gramíneas y leguminosas forrajera en Amalfi, Colombia. Pasturas Tropicales, 11 (2). https://www.tropicalgrasslands.info/index.php/tgft/pages/view/Pasturas.Giraldo, L., Ranilla, M., Tejido, M y Carro, M. (2007). Efecto de la sustitución de Brachiaria dictyoneura por acacia mangium sobre la fermentacion ruminal in vitro. Pasturas Tropicales. 29, 39-46. http://www.tropicalgrasslands.info/public/journals/4/Elements/DOCUMENTS/2007-vol29-rev1/Vol_29_rev1_07_pags_39-46.pdf.Gitelson, A y M. Merzlyak. (1998). Remote Sensing of Chlorophyll Concentration in Higher Plant Leaves. Advances in Space Research, 22 (5), 689-692. https://doi.org/10.1016/S0273-1177(97)01133-2.Gitelson, A., Y. Gritz, y M. Merzlyak. (2003). Relationships Between Leaf Chlorophyll Content and Spectral Reflectance and Algorithms for Non-Destructive Chlorophyll Assessment in Higher Plant Leaves. Journal of Plant Physiology, 160 (3), 271-282. https://doi.org/10.1078/0176-1617-00887.Huete, A. (1988). A Soil-Adjusted Vegetation Index (SAVI). Remote Sensing of Environment, 25 (3), 295-309. https://doi.org/10.1016/0034-4257(88)90106-X.Huete, A; Didan,K; Miura,T; Rodriguez, E,P; gao,X; Ferreira, L,G. (2002). Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote Sensing of Environment, 83 (2), 195-213. https://doi.org/10.1016/S0034-4257(02)00096-2.Instituto Colombiano Agropecuario. (1987). Pasto Llanero. Boletín Tecnico (151). https://repository.agrosavia.co/bitstream/handle/20.500.12324/20476/78464_7324.pdf?sequence=1&isAllowed=y.Insua, J.R, Utsumi, S.A y Basso, B. (2019). Estimation of spatial and temporal variability of pasture growth and digestibility in grazing rotations coupling unmanned aerial vehicle (UAV) with crop simulation models. PLoS ONE, 14 (3). https://doi.org/10.1371/journal.pone.0212773.Kerkech, M, Hafiane, A y Canals, R. (2020). Vine disease detection in UAV multispectral images using optimized image registration and deep learning segmentation approach. Computers and Electronics in Agriculture, 174. https://doi.org/10.1016/j.compag.2020.105446.Kharuf, S., Orozco, R., Aday, O y Pineda, E. (2018). Multispectral aerial image processing system for precision agriculture. Sistemas & Telemática, 16 (47), 45-58. https://doi.org/10.18046/syt.v16i47.3221.Le, S., Josse, J y Husson, F. (2008). FactoMineR: An R Package for Multivariate Analysis. Journal of Statistical Software, 25 (1), 1-18. DOI: 10.18637/jss.v025.i01.Maimaitijiang, M., Sagan, V., Sidike, P., Hartling, S y Esposito, F. (2020). Soybean yield prediction from UAV using multimodal data fusion and deep learning. Remote Sensing of Environment, 237. https://doi.org/10.1016/j.rse.2019.111599.Mitsikostas, A. (2017). Monitorización y optimización de tierras con drones y fotogrametría aérea para aplicaciones de precisión en agricultura [Trabajo de maestría, Universidad Politécnica de Valencia] Riunet – UPV. https://riunet.upv.es/handle/10251/86353.Mónaco, N., Santa, V., Rosa, M. y Autran, V. (2017). Evaluación De Métodos Indirectos Para Estimar Biomasa En Un Pastizal Natural Del Sur De Córdoba (Argentina Central). Revista científica europea. ESJ, 13 (36), 59. https://doi.org/10.19044/esj.2017.v13n36p59.Nguku, S. (2015). An evaluation of Brachiaria grass cultivars productivity in semi arid Kenya [Tesis de maestria, Universidad del Sureste de Kenia] Digital Repository. http://repository.seku.ac.ke/handle/123456789/1380.O'Mara, F. P. (2012). The role of grasslands in food security and climate change. Annals of Botany, 110 (6), 1263–1270. https://doi.org/10.1093/aob/mcs209.Pardo, O y Pérez, O. (2010). Alternativas forrajeras para los llanos orientales de Colombia. En A. Rincón., C.A. Jaramillo (Ed.), Establecimiento, manejo y utilización de recursos forrajeros en sistemas ganaderos de suelos ácidos (pp. 27-70). Corporación Colombiana de Investigación Agropecuaria – Corpoica. http://hdl.handle.net/20.500.12324/12703.Passoni, F., Rosemberg, M y Flores, A. (1992). Evaluación de gramíneas y leguminosas forrajeras en Satipo, Perú. Pasturas Tropicales, 14 (1). https://www.tropicalgrasslands.info/index.php/tgft/pages/view/Pasturas.Peñuelas, J., Bart, F y Filella, I. (1995). Semi-empirical índices to acssess carotenoids/chlorophyll a ratiofrom leaf spectral reflectance. Photosynthetica, 31 (2), 221-230. https://hal.inrae.fr/hal-02779352.Pérez, R y Cuesta, P. 1994. Especies forrajeras para el piedemonte llanero, su fertilización y manejo. En CORPOICA, SEAGRO (Ed.), Producción de pasto en el piedemonte llanero. https://repository.agrosavia.co/handle/20.500.12324/13485.Pérez, O., Bueno, G., Baquero, J., Cassalett, E., Molina. … Fuentes, J. (Eds). (2019). Modelo productivo tecnologías integrales para sistemas de producción de bovinos de cría en la altillanura colombiana. Corporación Colombiana de Investigación Agropecuaria - Agrosavia. http://hdl.handle.net/20.500.12324/35060.Posada, A. W.., Medina, M y Cerón, M. (2019). Estimación de la calidad y cantidad de pasto kikuyo (Cenchrus clandestinum (Hochst. ex Chiov.) Morrone) usando imágenes multiespectrales. Revista U.D.C.A Actualidad & Divulgación Científica, 22 (1). https://doi.org/10.31910/rudca.v22.n1.2019.1195.Pullanagari, R.R., Yule, I.J., Hedley, M.J., Tuohyet, M. P., Dynes R. A y King, W. M. (2012). Multi-spectral radiometry to estimate pasture quality components. Precision Agric, 13, 442–456. https://doi.org/10.1007/s11119-012-9260-yR Development Core Team. (2016). R: A Language and Environment for Statistical Computing. Version 4.0.0 2020-04-24, Arbor Day.Ramírez, A. (2013). Evaluación del crecimiento de pastos usando índices de vegetación calculados a partir de información satelital [Tesis de maestría, Universidad Nacional] Repositorio Institucional Biblioteca Digital. https://repositorio.unal.edu.co/handle/unal/75325.Rincón, A y Ligarreto, G. (2010). Relación entre nitrógeno foliar y el contenido de clorofila, en maíz asociado con pastos en el Piedemonte Llanero colombiano. Revista Corpoica. Ciencia y Tecnología Agorpecuaria, 11 (2), 122-128. http://revistacta.agrosavia.co/index.php/revista/article/view/202.Rincón, A. (2011). Efecto de alturas de corte sobre la producción de forraje de Brachiaria sp. en el piedemonte Llanero de Colombia. Revista Corpoica – Ciencia y Tecnología Agropecuaria, 12 (2), 107-112. https://dialnet.unirioja.es/servlet/articulo?codigo=5624828.Rincón, A., Flórez, H., Ballesteros, H y León, M. (2018). Efectos de la fertilización en la productividad de una pastura de Brachiaria humidicola cv. Llanero en el Piedemonte de los Llanos Orientales de Colombia. Tropical Grassland, 6 (1),158-168. http://dx.doi.org/10.17138/tgft(6)158-168.Rincón, A., Álvarez, M., Pardo, O., Amaya, M. A y Díaz, R. A. (2019). Estimación de la concentración de clorofila y su relación con la concentración de proteína cruda en tres especies del pasto Urochloa en el Piedemonte Llanero, Colombia. Tropical Grasslands, 7 (5), 533-537. DOI: 10.17138/TGFT (7)533-537.Ripley, B.D., Venables, B., Bates, D., Hornik, K., Gebhardt, A y Firth, D. (2020). Package “MASS”. Version 7.3-57. https://cran.r-project.org/web/packages/MASS/MASS.pdf.Rippstein, G., Amézquita, E., Escobar, G y Grollier, C. (2001). Condiciones Naturales de la Sabana. En G. Rippstein., J, Escobar., F, Motta (Ed.), Agroecología y biodiversidad de las sabanas en los llanos orientales de Colombia. CIRAD – CIAT. https://repositorio.unal.edu.co/handle/unal/9670.Rivas, L y Holmann, F. (2002). Sistemas de doble propósito y su viabilidad en el contexto de los pequeños y medianos productores en América latina tropical. In: Curso y Simposium Internacional. Actualización en el manejo de ganado bovino de doble propósito. UNAM. http://webapp.ciat.cgiar.org/tropileche/conferencias.pdf/holmann_paper.pdf.Rouse, J., R. Haas, J. Schell, y D. (1973). Deering. Monitoring Vegetation Systems in the Great Plains with ERTS. Third ERTS Symposium, NASA, 309-317. https://ntrs.nasa.gov/citations/19740022614.Roujean, J y F. Breon. (1995). Estimating PAR Absorbed by Vegetation from Bidirectional Reflectance Measurements. Remote Sensing of Environment, 51 (3), 375-384. https://doi.org/10.1016/0034-4257(94)00114-3.Sánchez, G., Osorio, E., Alvarez, J.A, Marín, J, Sánchez, A y Gil, O.J. (1989). Adaptación y producción de gramíneas y leguminosas forrajeras en el departamento de Antioquia, Colombia. Pasturas Tropicales, 11 (3). http://www.tropicalgrasslands.info/index.php/tgft/pages/view/Pasturas.Sánchez, J., Villareal, M y Soto, H. (2000). Caracterización nutricional de los componentes forrajeros de cuatro asociaciones gramíneas/Arachis pintoi. Nutrición Animal Tropical, 6 (1). https://www.academia.edu/27599445/Caracterizaci%C3%B3n_de_los_componentes_forrajeros_de_cuatro_asociaciones_gram%C3%ADneas_Arachis_pintoi.Santillan, R.A, Ocumpaugh, W.R y Mott, G.O. (1979). Estimating Forage Yield with a Disk Meter. Agronomy Journal. 71, 71-74. DOI: 10.2134/agronj1979.00021962007100010017x.Scarabotti, D. S., Feldman, S. R., Refi, R. (2011). Evaluación de distintos métodos para estimar la biomasa aérea en macollas de Spartina argentinensis parodi. Pastos, 32 (1), 69-79. http://polired.upm.es/index.php/pastos/article/view/1306Shanahan, J.F., Schepers, J.S., Francis, D.D., Varvel, G.E., Wilhelm, W.W., Tringe, J.M., Major, D.J. (2001). Use of remote-sensing imagery to estimate corn grain yield. Agron J. 93 (3), 583-589. https://doi.org/10.2134/agronj2001.933583x.Sinde, I., Yánez, D., Grefa, J., Arza, M y Gil, M. (2020). Estimación del rendimiento del pasto mediante NDVI con imágenes multiespectrales de vehículos aéreos no tripulados (UAV). Revista GEOESPACIAL, 17 (1), 25-38. https://journal.espe.edu.ec/ojs/index.php/revista-geoespacial/article/view/1640.Starks, P.J., Zhao, D., Phillips, W.A y Coleman, S.W. (2006). Development of Canopy Reflectance Algorithms for Real-Time Prediction of Bermuda grass Pasture Biomass and Nutritive Values. Crop Science, 46 (2), 927-934. https://doi.org/10.2135/cropsci2005.0258.Vela, J.W y Flores, A. (1996). Productividad animal de la asociación Brachiaria dictyoneura CIAT 6133-Desmodium ovalifolium CIAT 350 en Pucallpa. Tropical Grasslands, 18 (1). http://www.tropicalgrasslands.info/index.php/tgft/pages/view/Pasturas.Wood, S. (2019). Mixed GAM Computation Vehicle with Automatic Smoothness Estimation. Package “mgcv”. Version 1.8-31. https://cran.r-project.org/web/packages/mgcv/mgcv.pdf.Zerbato, C., Rosalen, D.L., Furlani, C.E.A., Deghaid., J y Voltarelli, M.A. (2016). Agronomic characteristics associated with the normalized difference vegetation index (NDVI) in the peanut crop. Australian Journal of Crop Science, 10 (5), 758-764. DOI:http://dx.doi.org/10.21475/ajcs.2016.10.05.p7167 .Estrategias ecoeficientes para optimizar el establecimiento y manejo de pastos y forrajes en sistemas de producciónCorporación Colombiana de Investigación Agropecuaria - AgrosaviaEstudiantesInvestigadoresMaestrosPúblico generalLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.unal.edu.co/bitstream/unal/82133/1/license.txt8a4605be74aa9ea9d79846c1fba20a33MD51ORIGINALtesis_de_maestría_en_produción_animal.pdftesis_de_maestría_en_produción_animal.pdfTesis de Maestría en Producción Animalapplication/pdf3757026https://repositorio.unal.edu.co/bitstream/unal/82133/3/tesis_de_maestr%c3%ada_en_produci%c3%b3n_animal.pdfcf8f56ba20fbd1d4b484412de6940f5aMD53THUMBNAILtesis_de_maestría_en_produción_animal.pdf.jpgtesis_de_maestría_en_produción_animal.pdf.jpgGenerated Thumbnailimage/jpeg4653https://repositorio.unal.edu.co/bitstream/unal/82133/4/tesis_de_maestr%c3%ada_en_produci%c3%b3n_animal.pdf.jpg7c97f825da6f51ac4c22f4744d6a1c94MD54unal/82133oai:repositorio.unal.edu.co:unal/821332023-08-08 23:03:54.452Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.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

Publicaciones similares