Validación de un enfoque rápido y económico para la delimitación de la gestión de zonas basado en algoritmos de aprendizaje automático
Autores: Denora, Michele; Fiorentini, Marco; Zenobi, Stefano; Deligios, Paola A.; Orsini, Roberto; Ledda, Luigi; Perniola, Michele
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Validación de un enfoque rápido y económico para la delimitación de la gestión de zonas basado en algoritmos de aprendizaje automático
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Agronomía y Ciencia de los Cultivos
Palabras clave
Sensores de suelo
Zonas de manejo
Inducción electromagnética
Validado agronómicamente
Vehículo aéreo no tripulado
Imágenes multiespectrales
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 21
Citaciones: Sin citaciones
Los sensores de suelo proximales están recibiendo una fuerte atención de varios campos disciplinarios, lo que ha llevado a un aumento en su disponibilidad en el mercado en las últimas dos décadas. El objetivo de este trabajo fue validar agronómicamente un procedimiento de delimitación de zonas de manejo a partir de mapas de inducción electromagnética (EMI) aplicados a dos campos de trigo duro de secano diferentes. Se aplicó el algoritmo k-means basado en el índice de estadísticas de brecha para la identificación del número óptimo de zonas de manejo y sus posiciones. Se realizó un análisis estadístico tradicional para detectar diferencias significativas en las características del suelo y la respuesta del cultivo de cada zona de manejo. El procedimiento mostró la presencia de dos zonas de manejo en ambos sitios analizados, y fue validado agronómicamente por la diferencia significativa en la textura del suelo (+24.17%), densidad aparente (+6.46%), materia orgánica (+39.29%), carbono orgánico (+39.4%), carbonatos totales (+25.34%), nitrógeno total (+30.14%), proteína (+1.50%) y datos de rendimiento (+1.07 t/ha). Además, se realizaron seis misiones de vuelo de vehículos aéreos no tripulados (UAV) para investigar la relación entre cinco índices de vegetación y los mapas de EMI. Los resultados sugieren realizar la adquisición de imágenes multiespectrales durante las etapas fenológicas de floración para atribuir la variabilidad espacial del cultivo a diferentes propiedades del suelo.
Descripción
Los sensores de suelo proximales están recibiendo una fuerte atención de varios campos disciplinarios, lo que ha llevado a un aumento en su disponibilidad en el mercado en las últimas dos décadas. El objetivo de este trabajo fue validar agronómicamente un procedimiento de delimitación de zonas de manejo a partir de mapas de inducción electromagnética (EMI) aplicados a dos campos de trigo duro de secano diferentes. Se aplicó el algoritmo k-means basado en el índice de estadísticas de brecha para la identificación del número óptimo de zonas de manejo y sus posiciones. Se realizó un análisis estadístico tradicional para detectar diferencias significativas en las características del suelo y la respuesta del cultivo de cada zona de manejo. El procedimiento mostró la presencia de dos zonas de manejo en ambos sitios analizados, y fue validado agronómicamente por la diferencia significativa en la textura del suelo (+24.17%), densidad aparente (+6.46%), materia orgánica (+39.29%), carbono orgánico (+39.4%), carbonatos totales (+25.34%), nitrógeno total (+30.14%), proteína (+1.50%) y datos de rendimiento (+1.07 t/ha). Además, se realizaron seis misiones de vuelo de vehículos aéreos no tripulados (UAV) para investigar la relación entre cinco índices de vegetación y los mapas de EMI. Los resultados sugieren realizar la adquisición de imágenes multiespectrales durante las etapas fenológicas de floración para atribuir la variabilidad espacial del cultivo a diferentes propiedades del suelo.