Uso de índices espectrales en la agricultura de precisión: caso de estudio campus de la Facultad Técnica de Machala

Resumen

El desarrollo de la agricultura a nivel mundial empieza a girar de rumbo en la manera de realizar sus actividades diarias, con el aporte de internet de las cosas, se logró involucrar otros dispositivos que tributan información, dando vida a la Agricultura de Precisión, de tal manera que la incidencia de la tecnología es muy significativo y le permite al agricultor hacer uso de sensores, GPS, imágenes satelitales, big data y dispositivos que emiten información de la superficie terrestre para evaluar correctamente las condiciones atmosféricas a fin de tomar decisiones asociadas al cultivo de la zona de estudio.

Los sensores en las plataformas en órbita, permiten capturar el comportamiento de la superficie terrestre, por ende el cálculo del Índice de Vegetación de Diferencia Normalizada NDVI, permitió obtener como resultado una imagen final cuyos patrones determinaron como en el área de estudio se requiere tomar decisiones que permitan mejorar la superficie terrestre a fin de distribuir adecuadamente los recursos asignados para los cultivos, minimizando gastos, logrando controlar y optimizar los ciclos de producción para desarrollar una agricultura sostenible.

Palabras clave

Agricultura de Precisión, NDVI, sensores, toma de decisiones, optimización.

Biografía del autor/a

Harry Alexander Vite Cevallos

Títulos Acádemicos

Magister en Administración y Dirección de Empresas

Ingeniero en Sistemas

Experiencia profesional:

Encargado del área de Contratación Pública de la Dirección Provincial del IESS El Oro

Encargado del área de TICS de la Dirección Provincial del IESS El Oro

Jefe de la Unidad de Apoyo a la Gestión Estratégica de la Dirección Provincial del IESS El Oro

Luis Angel Vargas Collaguazo

Títulos Acádemicos

Magister en Medio Ambiente

Especialista en Sistemas de Información Geográfica

Ingeniero Ambiental

Experiencia profesional:

Analista Técnico del Ministerio del Ambiente
Consultor en Medio Ambiente

Johanna Del Rosario Vargas Collaguazo

Títulos Acádemicos

Magister en Administración y Dirección de Empresas
Ingeniero en Gestión Empresarial

Experiencia profesional:

Encargada del área de Custodia de la Corporación Financiera Nacional
Encargada del área de Talento Humano del Banco Nacional de Fomento en El Oro
Encargada del área de Talento Humano del Ministerio del Interior en El Oro

Citas

1. Camacho-Velasco, A., Vargas-García, C. A., Rojas-Morales, F. A., Castillo-Castelblanco, S. F., & Arguello-Fuentes, H. (2015). Aplicaciones y retos del sensado remoto hiperespectral en la geología colombiana. Revista Facultad de Ingeniería (Fac. Ing.), 24(40), 17-29.
2. FAO. (2013). FAO Statistical Yearbook 2013: World food and agriculture. FAO Statistical Yearbook 2013: World food and agriculture. https://doi.org/10.1017/CBO9781107415324.004
3. Figuerola, N. (2014). Internet de las cosas. PMQuality, 1-27. https://doi.org/10.1016/j.cirp.2011.03.145
4. Jiang, Z., Huete, A. R., Chen, J., Chen, Y., Li, J., Yan, G., & Zhang, X. (2006). Analysis of NDVI and scaled difference vegetation index retrievals of vegetation fraction. Remote Sensing of Environment, 101(3), 366-378. https://doi.org/10.1016/j.rse.2006.01.003
5. Lago González, C., Sepúlveda Peña, J. C., Barroso Abreu, R., Fernández Peña, F. Ó., Maciá Pérez, F., & Lorenzo, J. (2011). Sistema para la generación automática de mapas de rendimiento. Aplicación en la agricultura de precisión. Idesia (Arica), 29(1), 59-69. https://doi.org/10.4067/S0718-34292011000100009
6. Marote, M. L. (2010). Agricultura de Precisión. Ciencia y Tecnología, 10, 143-166.
7. Martinez, O., Lapo Calderón, B., Pérez Rodriguez, J., Zambrano Cabrera, C., & Maza Valle, F. (2015). Mecanismo de gelatinización del almidón nativo de banano exportable del Ecuador. Revista Colombiana de Química, 44(2), 16-21. https://doi.org/10.15446/rev.colomb.quim.v44n2.55215
8. Meneses-Tovar, C. L. (2011). El índice normalizado diferencial de la vegetación. Unasylva, 62(238), 39-46.
9. Orozco, Ó. A., & Llano Ramírez, G. (2016). Sistemas de Información enfocados en tecnologías de agricultura de precisión y aplicables a la caña de azúcar, una revisión. Revista Ingenierías Universidad de Medellín, 15(28), 103-124. https://doi.org/10.22395/rium.v15n28a6
10. Radoux, J., Chomé, G., Jacques, D., Waldner, F., Bellemans, N., Matton, N., … Defourny, P. (2016). Sentinel-2’s Potential for Sub-Pixel Landscape Feature Detection. Remote Sensing, 8(6), 488. https://doi.org/10.3390/rs8060488
11. Reyes González, A., Martínez Rodríguez, J. G., Palomo Rodríguez, M., Salgado, A. A., & Rivera González, M. (2013). USO DE SENSORES REMOTOS PARA ESTIMAR LA EVAPOTRANSPIRACIÓN DE CULTIVOS EN LA COMARCA LAGUNERA Use of Remote Sensing to Estimate Crop Evapotranspiration in the Region Lagunera. Agrofaz, 13(1), 23-31.
12. Roman-gonzalez, A., Vargas-cuentas, N. I., Roman-gonzalez, A., & An, N. I. V. (2013). Analisis de imagenes hiperespectrales. Revista Ingenieria & Desarrollo, 35, 14-17.
13. Sá, I. B., Antonio, R., & Almorox, J. a. (1999). Aplicación de sensores remotos en la detección y evaluación de plagas y enfermedades en la vegetación. Teledetección. Avances y Aplicaciones., 64-67.
14. Vásquez, R. (2010). El impacto del comercio del Banano en el desarrollo del Ecuador. AFESE Temas Internacionales, 53(53), 167-182. https://doi.org/http://www.revistaafese.org/ojsAfese/index.php/afese/article/view/451
15. Werff, H., & Meer, F. (2015). Sentinel-2 for Mapping Iron Absorption Feature Parameters. Remote Sensing, 7(10), 12635-12653. https://doi.org/10.3390/rs71012635

Cómo citar

Descargar cita

• Endnote/Zotero/Mendeley (RIS)
• BibTeX

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.