Estimación de Precisión del Aporte de Fertilizante Nitrogenado en Arroz Según el Índice de Nutrición Nitrogenada Utilizando Sensores Remotos Multiespectrales de UAV: Un Estudio de Caso en el Suroeste de China
Autores: Wang, Lijuan; Ling, Qihan; Liu, Zhan; Dai, Mingzhu; Zhou, Yu; Shi, Xiaojun; Wang, Jie
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Estimación de Precisión del Aporte de Fertilizante Nitrogenado en Arroz Según el Índice de Nutrición Nitrogenada Utilizando Sensores Remotos Multiespectrales de UAV: Un Estudio de Caso en el Suroeste de China
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Botánica
Palabras clave
Estimación de precisión
Aplicación de fertilizante N
índice de nutrición de nitrógeno
Vehículo aéreo no tripulado
Mediciones multiespectrales
Cultivares de arroz
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 6
Citaciones: Sin citaciones
La estimación de la precisión de la aplicación de fertilizante N según el índice de nutrición de nitrógeno (NNI) utilizando mediciones multiespectrales de vehículos aéreos no tripulados (UAV) aún debe ser probada en diferentes cultivares de arroz y áreas de cultivo. Por lo tanto, se llevaron a cabo dos experimentos de campo utilizando diferentes tasas de N (0, 60, 120, 160 y 200 kg N ha) en dos cultivares de arroz, Yunjing37 (YJ-37, el Instituto de Cultivos Alimentarios de la Academia Yunnan de Ciencias Agrícolas, Kunming, China) y Jiyou6135 (JY-6135, Hunan Longping Gaoke Nongping Seed Industry Co., Ltd., Changsha, China), en el suroeste de China. Las imágenes espectrales del dosel de arroz fueron medidas por el sensor remoto multiespectral del UAV en tres etapas de crecimiento. El NNI se calculó en función de la curva de dilución de N crítico (Nc). Un modelo de bosque aleatorio que integra múltiples índices de vegetación estableció la inversión del NNI, facilitando la fertilización precisa de N a través de una plataforma lineal de NNI-Rendimiento Relativo y los enfoques de balance de N basados en NNI de teledetección. La curva de dilución de Nc calibrada con materia seca aérea demostró la mayor precisión (R = 0.93, 0.97 para componentes de brote en los cultivares YJ-37 y JY-6135), superando a los modelos basados en tallo (R = 0.70, 0.76) y hoja (R = 0.80, 0.89). Se encontró que el RF combinado con seis combinaciones de índices de vegetación era el mejor predictor de NNI en cada período de crecimiento (YJ-37: R es 0.70-0.97, RMSE es 0.02~0.04; JY-6135: R es 0.71-0.92, RMSE es 0.04~0.05). El RF superó a BPNN/PLSR en un 6.14-10.10% en R y un 13.71-33.65% en reducción de error a través de las etapas críticas de crecimiento del arroz. Las cantidades de fertilización de YJ-37 y JY-6135 fueron de 111-124 kg ha y 80-133 kg ha, con errores bajos de 2.50~8.73 kg ha para YJ-37 y 2.52~5.53 kg ha para JY-6135 en las etapas de unión (JT) y espigado (HD). Estos resultados son prometedores para la fertilización precisa del arroz utilizando un método de balance de N basado en NNI de teledetección. La combinación de la imagen multiespectral del UAV con el método de balance de nitrógeno NNI se probó por primera vez en el suroeste de China, demostrando su viabilidad y ofreciendo un enfoque regional para la fertilización precisa del arroz.
Descripción
La estimación de la precisión de la aplicación de fertilizante N según el índice de nutrición de nitrógeno (NNI) utilizando mediciones multiespectrales de vehículos aéreos no tripulados (UAV) aún debe ser probada en diferentes cultivares de arroz y áreas de cultivo. Por lo tanto, se llevaron a cabo dos experimentos de campo utilizando diferentes tasas de N (0, 60, 120, 160 y 200 kg N ha) en dos cultivares de arroz, Yunjing37 (YJ-37, el Instituto de Cultivos Alimentarios de la Academia Yunnan de Ciencias Agrícolas, Kunming, China) y Jiyou6135 (JY-6135, Hunan Longping Gaoke Nongping Seed Industry Co., Ltd., Changsha, China), en el suroeste de China. Las imágenes espectrales del dosel de arroz fueron medidas por el sensor remoto multiespectral del UAV en tres etapas de crecimiento. El NNI se calculó en función de la curva de dilución de N crítico (Nc). Un modelo de bosque aleatorio que integra múltiples índices de vegetación estableció la inversión del NNI, facilitando la fertilización precisa de N a través de una plataforma lineal de NNI-Rendimiento Relativo y los enfoques de balance de N basados en NNI de teledetección. La curva de dilución de Nc calibrada con materia seca aérea demostró la mayor precisión (R = 0.93, 0.97 para componentes de brote en los cultivares YJ-37 y JY-6135), superando a los modelos basados en tallo (R = 0.70, 0.76) y hoja (R = 0.80, 0.89). Se encontró que el RF combinado con seis combinaciones de índices de vegetación era el mejor predictor de NNI en cada período de crecimiento (YJ-37: R es 0.70-0.97, RMSE es 0.02~0.04; JY-6135: R es 0.71-0.92, RMSE es 0.04~0.05). El RF superó a BPNN/PLSR en un 6.14-10.10% en R y un 13.71-33.65% en reducción de error a través de las etapas críticas de crecimiento del arroz. Las cantidades de fertilización de YJ-37 y JY-6135 fueron de 111-124 kg ha y 80-133 kg ha, con errores bajos de 2.50~8.73 kg ha para YJ-37 y 2.52~5.53 kg ha para JY-6135 en las etapas de unión (JT) y espigado (HD). Estos resultados son prometedores para la fertilización precisa del arroz utilizando un método de balance de N basado en NNI de teledetección. La combinación de la imagen multiespectral del UAV con el método de balance de nitrógeno NNI se probó por primera vez en el suroeste de China, demostrando su viabilidad y ofreciendo un enfoque regional para la fertilización precisa del arroz.