TY - JOUR 
A1 - López García, Patricia
AU - Ortega Álvarez, José Fernando
AU - Moreno Hidalgo, Miguel Ángel
AU - Ballesteros González, Rocío
T1 - Determinación del estado hídrico en viña a través de imágenes RGB y multiespectrales adquiridas por un VANT
Y1 - 2021
UR - http://hdl.handle.net/10317/10083
AB - La teledetección se ha convertido en una herramienta muy utilizada en la agricultura de precisión. La existencia de sensores ligeros, calibrados geométrica y radiométricamente, ha hecho que los vehículos aéreos no tripulados (VANTs) sean una de las plataformas más utilizadas en teledetección por obtener datos de muy alta resolución espacial y temporal. En el marco de la viticultura de precisión, haciendo uso de VANTs para la obtención de imágenes aéreas de la cubierta vegetal que proporcionen
información agronómicamente útil para hacer un manejo y una gestión del riego sostenible y eficiente frente a la escasez hídrica existente principalmente en zonas áridas y semiáridas, se llevó a cabo un estudio en un viñedo localizado en Fuente-Álamo (Albacete) durante 2018 y 2019. Para obtener un amplio rango de condiciones de estado hídrico de la vid, varias estrategias de riego fueron aplicadas incluyendo regímenes con diferentes niveles de salinidad del agua, estableciendo diferencias en el estado hídrico de la cepa. Los vuelos se hicieron a lo largo del ciclo fenológico usando sensores convencionales (o RGB -red, green, blue-) y multiespectrales a bordo de un VANT, obteniendo ortoimágenes. Estas ortoimágenes fueron segmentadas para incluir solo la vegetación obteniendo el grado de cobertura verde como un parámetro geométrico representativo del desarrollo vegetal del cultivo. El potencial hídrico de tallo fue medido a mediodía con cámaras de presión, y la integral de estrés hídrico fue calculada a partir de estas medidas de estado hídrico, como una variable representativa del efecto acumulado de la intensidad y duración del estrés hídrico desde el comienzo del ciclo de desarrollo hasta el momento de la medida. Modelos de regresión lineal simple usando índices de vegetación basados en la respuesta espectral de la vegetación y el grado de cobertura verde fueron evaluados para predecir la integral de estrés hídrico. Técnicas de regresión no lineal usando redes neuronales artificiales con bandas de los sensores multiespectral y RGB y el grado de cobertura verde como variables predictoras de la integral de estrés hídrico también fueron empleadas. Ambos modelos mostraron que los datos del rango visible (pese a la menor reflectividad de la vegetación en este rango espectral) fueron más útiles para predecir la integral de estrés hídrico que los datos del rango multiespectral, que consideran la reflectividad en el red-edge y en el infrarrojo cercano, proporcionando mejores resultados los modelos no lineales de redes neuronales artificiales con valores de R2 próximos a 1 y errores relativos de 1.5 %
o ligeramente superiores. La mayor resolución espacial, calidad radiométrica, facilidad de uso de la cámara RGB, su menor precio y fácil procesamiento de las imágenes RGB hace que estos sensores, utilizados en menor medida con usos agrícolas, sean una buena opción para usarse en la predicción del estado hídrico en viña.
KW - Ingeniería Agroforestal
KW - AERYD
KW - Estrés hídrico
KW - Imágenes multiespectrales
KW - Imágenes RGB
KW - VANT
KW - Viña
KW - 5102.01 Agricultura
LA - spa
PB - Universidad Politécnica de Cartagena
ER -