Evaluación de la concentración de nitrógeno en hojas de arroz mediante imágenes RGB: estudio comparativo a escala de...

Área de la Ciencia:

• Ciencias Agrícolas
• Detección remota
• Fisiología vegetal

Sus antecedentes:

• La concentración de nitrógeno en las hojas (LNC) es vital para la salud de los cultivos y la gestión del nitrógeno.
• Los métodos tradicionales multispectrales/hiperespectrales para la estimación del LNC son costosos y complejos.
• Las imágenes RGB presentan una alternativa práctica y asequible para la evaluación del CNL.

Objetivo del estudio:

• Evaluar las imágenes RGB para estimar el LNC del arroz a escala de hojas, dosel y parcela.
• Para comparar la precisión de las imágenes RGB con los métodos tradicionales.
• Evaluar el impacto de la segmentación de la vegetación y la resolución espacial en la estimación del LNC.

Principales métodos:

• Los experimentos de campo se llevaron a cabo utilizando imágenes RGB en tres resoluciones espaciales.
• La segmentación de la vegetación se realizó utilizando índices de banda verde menos rojo (GMR) y umbrales.
• Se desarrollaron modelos de regresión lineal múltiple paso a paso (SMLR) con 13 índices de color.

Principales resultados:

• Los modelos a escala de hoja alcanzaron una alta precisión (R2 = 0,84-0,87).
• Los modelos a escala de dosel mostraron un mejor rendimiento con la segmentación de la vegetación (promedio. R2 incremento del 3%).
• Los modelos a escala de la parcela se vieron mínimamente afectados por la altitud del UAV (comparable a 100 m).

Conclusiones:

• La imagen RGB es una herramienta escalable y precisa para el monitoreo del nitrógeno del arroz.
• La segmentación de la vegetación es crucial para mejorar la precisión en escalas espaciales más grandes.
• Los resultados apoyan la gestión de nitrógeno de precisión en la agricultura de pequeños agricultores para la sostenibilidad.