Método para la identificación temprana de la Pudrición del Cogollo en palma de aceite a partir de sensores remotos no tripulados

La pudrición del cogollo (PC) es una de las enfermedades más limitantes para las plantaciones de palma de aceite, ya que disminuye la producción y aumenta los costos de producción y el impacto ambiental del cultivo. La identificación temprana de los síntomas de la enfermedad mediante el monitoreo pe...

Full description

Autores:
Alvarez Perdomo, Nicolas
Tipo de recurso:
Fecha de publicación:
2019
Institución:
Universidad Nacional de Colombia
Repositorio:
Universidad Nacional de Colombia
Idioma:
spa
OAI Identifier:
oai:repositorio.unal.edu.co:unal/77083
Acceso en línea:
https://repositorio.unal.edu.co/handle/unal/77083
http://bdigital.unal.edu.co/74446/
Palabra clave:
RPAS
Elaeis guineensis Jacq
Pudrición del cogollo
Indices de vegetación
Clasificación orientada a objetos
Bud rot
Vegetation index
Object oriented classification
Rights
openAccess
License
Atribución-NoComercial 4.0 Internacional
Description
Summary:La pudrición del cogollo (PC) es una de las enfermedades más limitantes para las plantaciones de palma de aceite, ya que disminuye la producción y aumenta los costos de producción y el impacto ambiental del cultivo. La identificación temprana de los síntomas de la enfermedad mediante el monitoreo periódico, es necesaria para realizar un control oportuno de la enfermedad. Los sensores remotos no tripulados se han convertido en herramientas útiles para la observación y análisis de la superficie terrestre. En la última década, esta tecnología se ha implementado cada vez más en esquemas de manejo agrícola como alternativa a los trabajos en campo tradicionales o el uso de otros tipos de sensores remotos. En este trabajo se propuso un método de identificación de la PC mediante la utilización de RPAS, un sensor multiespectral y análisis de imágenes. La metodología consistió en la toma de imágenes en un lote de siembra 2008 a diferentes alturas (30, 60 y 100 m), construcción de ortofotomosaicos, generación de índices de vegetación y clasificación orientada a objetos, con el fin de identificar las palmas con síntomas de PC previamente evaluadas en campo. Se encontró que las bandas del ROJO y NIR fueron las más útiles para discriminar los síntomas así como el índice NGRDI. Los umbrales utilizados y los demás atributos de la clasificación orientada a objetos, identificaron las palmas con síntomas de la enfermedad en sus distintos grados de afectación.