Aprovechar las imágenes RGB de los teléfonos inteligentes y la nube de puntos LiDAR para mejorar la evaluación del...

Área de la Ciencia:

• Ciencias Agrícolas
• Detección remota
• Fisiología vegetal

Sus antecedentes:

• Los datos fisiológicos precisos de las plantas son vitales para la agricultura de precisión, pero a menudo requieren equipos costosos.
• La detección basada en teléfonos inteligentes ofrece una alternativa rentable para la recopilación de datos.
• La concentración de nitrógeno en las hojas y la biomasa de los brotes son indicadores clave para la gestión de los cultivos.

Objetivo del estudio:

• Desarrollar y validar un método para estimar la concentración de nitrógeno en las hojas y capturar la biomasa utilizando imágenes RGB de teléfonos inteligentes y datos LiDAR.
• Investigar la respuesta de los rasgos de las plantas a niveles variables de nitrógeno utilizando índices derivados de teléfonos inteligentes.
• Identificar la dosis óptima de nitrógeno para maximizar el rendimiento y el vigor de los vegetales de hoja.

Principales métodos:

• Integración de imágenes RGB de teléfonos inteligentes y datos de detección y alcance de luz (LiDAR).
• Derivación de las características espectrales de las imágenes RGB y las características estructurales de los datos LiDAR.
• Aplicación de modelos de regresión (vector de soporte, bosque aleatorio, lazo) para la estimación de parámetros.
• Estudio de caso con el Amaranthus dubius (espinacas chinas).

Principales resultados:

• Estimación precisa de la concentración reducida total de nitrógeno en las hojas (RMSE en el mejor de los casos: 0,06).
• Estimación precisa de la concentración de nitrato en las hojas (RMSE en el mejor de los casos: 0,15).
• Estimación precisa de la biomasa del peso seco de los brotes (RMSE en el mejor de los casos: 0,05).

Conclusiones:

• La combinación de imágenes RGB de teléfonos inteligentes y datos LiDAR permite una estimación precisa de los parámetros clave del cultivo.
• Este enfoque apoya las prácticas de agricultura de precisión accesibles para la optimización de los nutrientes y la gestión del rendimiento.
• La metodología proporciona una base para el monitoreo y análisis de cultivos basados en teléfonos inteligentes.