• Repositorio Institucional Universidad de Pamplona
  • Tesis de maestría y doctorado
  • Facultad de Ingenierías y Arquitectura
  • Maestría en Ingeniería Ambiental
  • Por favor, use este identificador para citar o enlazar este ítem: http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/4603
    Registro completo de metadatos
    Campo DC Valor Lengua/Idioma
    dc.contributor.authorGarcia Cardenas, Diego Alejandro.-
    dc.date.accessioned2022-11-18T22:12:53Z-
    dc.date.available2019-01-08-
    dc.date.available2022-11-18T22:12:53Z-
    dc.date.issued2019-
    dc.identifier.citationGarcia Cardenas, D. A. (2018). Dinámica de los índices de vegetación NDVI, GNDVI Y GVI en un cultivo de arroz a partir de imágenes aéreas multiespectrales tomadas por drones [Trabajo de Grado Maestría, Universidad de Pamplona]. Repositorio Hulago Universidad de Pamplona. http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/4603es_CO
    dc.identifier.urihttp://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/4603-
    dc.descriptionEn este trabajo se analiza la dinámica de los índices de vegetación; el índice vegetativo diferencial normalizado (NDVI), la variante del NDVI que utiliza la banda del verde (GNDVI) y el índice de vegetación verde (GVI) en un cultivo de arroz de la variedad fedearroz 2000 durante su desarrollo fenológico. Estos índices se calcularon a través del geoprocesamiento de imágenes aéreas multiespectrales tomadas desde drones o UAV’s, con el fin de identificar que zonas del cultivo se encuentran estresadas o poco desarrolladas, saludables y densas, y para demostrar la utilidad de la cámara canon S100. El cultivo de arroz tenía un área de aproximadamente 4,1 hectáreas y su ubicación corresponde a la finca El Faro en la vereda Campo Hermoso del municipio de San José de Cúcuta - Norte de Santander. Para este estudio se realizaron 12 vuelos, estos se ejecutaron durante las fases de crecimiento y desarrollo del cultivo de arroz, el primer vuelo se efectuó al inicio de la fase vegetativa (17 de julio de 2016) y el ultimo en la fase de maduración (07 de noviembre de 2016). Como resultados se muestra un análisis cualitativo espacio temporal de los mosaicos NDVI, en el que se identificó que el cultivo fue atacado por Pycularia grisasea; la caracterización del comportamiento del NDVI a través de un análisis multitemporal; la correlación entre NDVI y GNDVI arrojó valores mayores a 0,90 lo que indica que hay una relación positiva y fuerte, la correlación entre el NDVI y GVI mostró una correlación negativa e indirecta perfecta y finalmente se estableció un protocolo sobre el análisis de cultivos agrícolas con el uso de drones como aporte de nuevas tecnologías en agricultura de precisión a la comunidad académica, empresas o entidades agrícolas y productores de arroz.es_CO
    dc.description.abstractIn this study, the of the dynamic of the vegetation indexes, the normalized differential vegetative index (NDVI), the variant of the NDVI that uses the green band (GNDVI) and the green vegetation index (GVI) in a rice crop of the variety Fedearroz 2000 during its phonological development are analyzed. These indexes were calculated through the geoprocessing of multispectral aerial images taken from drones or UAVs, aiming at identifying which zones of the crop were under stress or underdeveloped, healthy and dense, and demonstrating the utility of the Canon S100 camera. The rice crop had an area of approximately 4.1 hectares and its location corresponds to the farm El Faro in the footpath Campo Hermoso in the district of San Jose de Cucuta – Norte de Santander. For this project, 12 flight were undertaken; these ones were executed during the growth and development phases of the rice crop, the first flight was carried out at the beginning of the vegetative phase (July 17th 2016) and the last one was during the maturation phase (November 07th 2016). As a result, a space-time qualitative analysis of the NDVI mosaic is shown, in which it was identified that the crop was attacked by Pycularia grisasea; the characterization of the NDVI’s behavior through a multitemporal analysis; the correlation between the NDVI and the GNDVI led to values above 0.90, which indicates that there is a strong and positive relation, the correlation between the NDVI and the GVI showed a negative and perfect indirect correlation , and finally, a protocol about the analysis of agricultural crops with the use of drones as a contribution of new technologies in precision farming to the academic community, enterprises or farming entities and rice producers was established.es_CO
    dc.format.extent135es_CO
    dc.format.mimetypeapplication/pdfes_CO
    dc.language.isoeses_CO
    dc.publisherUniversidad de Pamplona – Facultad de Ingenierías y Arquitectura.es_CO
    dc.subjectAgricultura de precisión,es_CO
    dc.subjectDrones,es_CO
    dc.subjectGeoprocesamiento,es_CO
    dc.subjectImágenes multiespectrales.es_CO
    dc.titleDinámica de los índices de vegetación NDVI, GNDVI Y GVI en un cultivo de arroz a partir de imágenes aéreas multiespectrales tomadas por drones.es_CO
    dc.typehttp://purl.org/coar/resource_type/c_bdcces_CO
    dc.date.accepted2018-10-08-
    dc.relation.referencesAddati, G., y Pérez, G. (2014). Introducción a los UAV’s, drones o VANTS de uso civil. Universidad del CEMA. Buenos Aires, Argentina.es_CO
    dc.relation.referencesAeronáutica civil (2012). Circular reglamentaria N° 002. Recuperado de: http://www.aerocivil.gov.co/autoridad-de-la-aviacion-civil/certificacion-y licenciamiento/Documents/PROYECTO%20BORRADOR%20CIRCULAR%20RPAS.pdfes_CO
    dc.relation.referencesAraque, L., y Jiménez, A. (2009). Caracterización de firma espectral a partir de sensores remotos para el manejo de sanidad vegetal en el cultivo de palma de aceite. Palmas.30(3), 63- 79.es_CO
    dc.relation.referencesAlmeida, A. (2015). Procesamiento digital de imágenes multiespectrales landsat 8, para aplicaciones agronómicas en la subcuenca del río guayllabamba. Quito, Ecuador: Universidad Central del Ecuador.es_CO
    dc.relation.referencesBendig, Juliane , Andreas Bolten, Simon Bennertz, Janis Broscheit, Silas Eichfuss, y Georg Bareth. «Estimating Biomass of Barley Using Crop Surface Models (CSMs) Derived from UAV-Based RGB Imaging.» Remote Sensing 6 (2014): 10395-10412.es_CO
    dc.relation.referencesBerni, J., Zarco-Tejada, P., Suárez, L., & Fereres, E. (2009). Thermal and Narrowband Multispectral Remote Sensing for Vegetation Monitoring From an Unmanned Aerial Vehicle. IEEE Transactions on Geoscience and Remote Sensing, 47, 722-738.es_CO
    dc.relation.referencesBerrio, V. (2015). Uso de drones como herramienta de planificación en agricultura de precisión para la detección temprana de problemas en cultivos de papa (solanum tuberosum). Pamplona, Colombia.es_CO
    dc.relation.referencesBerrio, V., Mosquera, J., & Alzate, D. (2015). Uso de drones para el analisis de imágenes multiespectrales en agricultura de precisión. Ciencia y Tecnología Alimentaria, 13(1), 28-40.es_CO
    dc.relation.referencesCanal, R., Arnaude, O., Ortiz, A., Valverde, B., & Fuentes, C. (2009). Caracterización morofológica de poblaciones de arroz maleza, en el distrito de riego del río Zulia, Norte de Santander, Colombia. Agronomía Tropical, 59(4), 387-400.es_CO
    dc.relation.referencesCandiago, S., Remondino, F., De Giglio, M., Dubbini, M., & Gattelli, M. (2015). Evaluating Multispectral Images and Vegetation Indices for Precision Farming Applications from UAV Images. Remote Sensing, 7, 4026-4047.es_CO
    dc.relation.referencesChuvieco, E. (2010). Teledetección Ambiental - La Observacion de la Tierra desde el Espacio. (B. P. Digital, Ed.) Barcelona, España: Ariel S.A.es_CO
    dc.relation.referencesCuevas, A. (2012). El clima y el cultivo del arroz en Norte de Santander. (Fedearroz, Ed.) Revista arroz, 60(497), 4-8.es_CO
    dc.relation.referencesDegiovanni, V., Berrío, L., & Charry, R. (2010). Origen, taxonomía, anatomía y morfología de la planta de arroz. En V. Degiovanni, C. Martínez, & F. Motta, Producción eco-eficiente del arroz en América Latina (págs. 35-58). Cali: Centro Internacional de Agricultura Tropical (CIAT).es_CO
    dc.relation.referencesDegiovanni, V., Gómez, J., & Sierra, J. (2004). Analisis de crecimiento y etapas de desarrollo de tres variedades de arroz (Oryza sativa L.) en Monteria, Cordoba. Temas Agrarios, 9(1), 21-29.es_CO
    dc.relation.referencesDíaz, C.A. (2013). Adquisición de imágenes de bajo costo aplicadas a la agricultura de precisión usando vehículos aéreos no tripulados (tesis de maestría).Universidad San Francisco De Quito, Quito, Ecuador.es_CO
    dc.relation.referencesDíaz, J. (2015). Estudio de índices de vegetación a partir de imágenes aéreas tomadas desde uas/rpas y aplicaciones de estos a la agricultura de precisión (tesis de Máster). Universidad Complutense de Madrid, Madrid, España.es_CO
    dc.relation.referencesDubbini, M., Pezzuolo, A., De Giglio, M., Gattelli, M., Curzio, L., Covi, D., . . . Marinello, F. (2017). Last generation instrument for agriculture multispectral data collection. Agricultural Engineering International : The CIGR e-journal, 87-93.es_CO
    dc.relation.referencesEchevarría, N. (2010). Evaluación del índice vegetativo normalizado (NDVI) para la definición de unidades de manejo diferenciado del viñedo en la roja alaviesa (tesis de pregrado). Universidad pública de Navarra, España.es_CO
    dc.relation.referencesEsri (1995-2017). Función NDVI. Recuperado de https://pro.arcgis.com/es/pro app/help/data/imagery/ndvi-function.htes_CO
    dc.relation.referencesFajardo , J. C. (2014). Apoyo a la agricultura de precisión en colombia a partir de imágenes adquiridas desde vehículos aéreos no tripulados (UAV’S). Bogotá, D.C.es_CO
    dc.relation.referencesFajardo , J. C. (2014). Guía de fotografía aérea desde UAV’s. en J. C. Fajardo, apoyo a la agricultura de precisión en colombia a partir de imágenes adquiridas desde vehículos aéreos no tripulados (UAV’s) (pág. 21). bogotá, d.c.es_CO
    dc.relation.referencesFedearroz (2008). “Pyricularia” una enfermedad que ataca el arroz. Recuperado de: http://www.fedearroz.com.co/noticias/noticiasd2.php?id=155es_CO
    dc.relation.referencesLebourgeois, V., Bégué, A., Labbé, S., y Roux, B. (2007). An airborne imaging system for mapping spatial variability in sugarcane. Proc. Int. Soc. Sugar Cane Technol. 26. 1835- 1841.es_CO
    dc.relation.referencesPuerta R., Trigozo R., Bravo J. (2011). Arcgis Basico 10. Universidad Nacional Agraria de la Selva.Tingo Maria, Perú.es_CO
    dc.relation.referencesFonnegra, D. (2014). Identificación de cambios en la respuesta espectral del maíz a partir de variaciones en prácticas agronómicas. Buenos Aires: Instituto de Altos Estudios Espaciales "Mario Gulich".es_CO
    dc.relation.referencesGomez, S., & Roquet, J. (2012). Metodología de la investigación.es_CO
    dc.relation.referencesMendoza, G. (2012). Analisis de series de tiempo de indice de vegetacion evi 2006-2011 para caracterizar el cultivo del arroz a partir de imágenes modis. Bogota D.C.es_CO
    dc.relation.referencesMoquete, C. (2010). Guia tecnica el cultivo de arroz. Santo Domingo, Republica Dominicana.es_CO
    dc.relation.referencesOliveros, A. (2015). Análisis del comportamiento temporal de la cobertura vegetal en el area protegida de recursos manejados peninsula de Zapata. La Habana.es_CO
    dc.relation.referencesOrtega, C. (2015). Respuesta espectral del cultivo de arroz (Oryza sativa l.) en dos fases fenológicas durante el periodo invernal 2014. Quito, Ecuador: Universidad Central del Ecuador.es_CO
    dc.relation.referencesPosada, H., Ramirez, H., & Espejo, N. (2012). Manual de prácticas de percepcion remota con el programa Erdas Imagine 2011. (C. d. Geográfica, Ed.) Bogota D.C., Colombia: Instituto Geografico Agustín Codazzi (IGAC).es_CO
    dc.relation.referencesRives, Narovis, Acebo, Yanelis, Almaguer, M, García, J.C, & Hernández, Annia. (2009). Actividad antagónica frente a Pyricularia grisea (Sacc.) y fitoestimulación en el cultivo del arroz de cepas autóctonas de Pseudomonas putida (Trev.). Revista de Protección Vegetal, 24(2), 106-116. Recuperado en 02 de octubre de 2018, de http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1010- 27522009000200006&lng=es&tlng=es.es_CO
    dc.relation.referencesSatoque, L. P., & Gutierrez, E. F. (2016). Espacialización del estrés biotico en los frailejones debido alcambio climatico en el parque natural chingaza mediante uav´s. Bogotá D.C.es_CO
    dc.relation.referencesSecretaria de agricultura y ganaderia;. (2003). Manual tecnico del cultivo de arroz (Oryza sativa) . Obtenido de Manual tecnico del cultivo de arroz (Oryza sativa) : https://curlacavunah.files.wordpress.com/2010/04/el-cultivo-del-arroz.pdfes_CO
    dc.relation.referencesSerrano , J., Fábrega, J., Quirós, E., Sánchez, J., & Jiménez, J. (2018). Análisis prospectivo de la detección hiperespectral de cultivos de arroz (Oryza sativa L.). En K. E (Ed.), 6th Engineering, Science and Technology Conferenc. 2018, págs. 69–79. Panamá: Knowledge E.es_CO
    dc.relation.referencesTeoh, C., Mohd Nadzim, N., Mohd Shahmihaizan, M., Mohd Khairil Izani, I., Faizal, K., & Mohd Shukry, H. (2016). Rice Yield Estimation using Below Cloud Remote Sensing Images Acquired by Unmanned Airborne Vehicle System. Internationla Journal on Advanced Science Engineering Information Technology, 6(4), 516-519.es_CO
    dc.relation.referencesZhou, X., Zheng, H. B., Xu, X. Q., He, J. Y., Ge, X. K., Yao, X., . . . Tian, Y. C. (2017). Predicting grain yield in rice using multi-temporal vegetation indices from UAV-based multispectral and digital imagery. Photogrammetry and Remote Sensing, 246–255.es_CO
    dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2es_CO
    dc.type.coarversionhttp://purl.org/coar/resource_type/c_2df8fbb1es_CO
    Aparece en las colecciones: Maestría en Ingeniería Ambiental

    Ficheros en este ítem:
    Fichero Descripción Tamaño Formato  
    Garcia_2018_TG.pdfGarcia_2018_TG.pdf6,12 MBAdobe PDFVisualizar/Abrir


    Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.