Sporathe knowledge network
ES
Universidad Nacional de Colombia

Bogotá - Ciencias Agrarias - Maestría en Geomática · 2021

Evaluación del potencial de datos espectrales para el diagnóstico de Marchitez Letal (ML) en Palma de Aceite (Elaeis guineensis Jacq)

La Marchitez Letal (ML) es el problema fitosanitario más importantes para la palmicultura colombiana en zona Oriental, generando pérdidas económicas de más de 146 millones de dólares y la erradicación de más de 5.000 ha. Las técnicas tradicionales de diagnóstico y detección de la enfermedad no funcionan apropiadamente y son limitantes en grandes extensiones de tierra debido a la subjetividad, consumen mucho tiempo y requieren de un gran esfuerzo humano. El objetivo de este trabajo fue evaluar el potencial de las respuestas espectrales de sensores remotos (imágenes del sensor multiespectral Red-Edge M) y proximales (respuestas hiperespectrales del sensor FieldSpec4), para la discriminación de plantas sanas y enfermas en el cultivo de palma de aceite. El área de estudio se ubicó en el municipio de San Carlos de Guaroa (Meta-Colombia) en un cultivo comercial (cultivar IRHO), donde se tomaron datos en campo e imágenes con un vehículo aéreo no tripulado (UAV) a 60 m durante dos años. La metodología propuesta incluye, adquisición de imágenes, corrección radiométrica, generación de ortomosaicos e índices multiespectrales, extracción de datos y la clasificación supervisada mediante algoritmos de Machine Learning; los datos de referencia se obtuvieron a partir de variables fisiológicas, respuestas hiperespectrales y observaciones en campo de palmas sanas y enfermas. Se propone el uso de índices de vegetación como índice de clorofila terrestre MERIS (MTCI), longitud de onda del punto de inflexión (Lp), índice de Maccioni (MI), entre otros, como indicadores de palmas sanas y palmas enfermas en el cultivo; así mismo, se plantea el uso de índices de vegetación a partir de sensores multiespectrales como índice de diferencia normalizado del borde rojo (NDRE), NDVI modificado a 705 (mND705), índice de Vogelmann (VOG), entre otros, para clasificar palmas sanas y enfermas en imágenes de alta resolución. Los resultados mostraron que el algoritmo de Random Forest (RF) tuvo el mejor rendimiento en términos de métrica de Precision, Recall, F1, OA e índice Kappa, con valores superiores al 80%. El proyecto de investigación demostró que por medio de respuestas espectrales se pueden discriminar entre plantas con presencia o ausencia de síntomas de ML en el cultivo de palma de aceite. (Texto tomado de la fuente).

Full text 117 pages with text out of 142

Read the full thesis Record in the repository

Contents

Its library's thesaurus