Examinando por Materia "Imágenes multiespectrales"

Mostrando 1 - 3 de 3
  • Miniatura
    PublicaciónAcceso abierto
    Estimación de nitrógeno en dosel para el cultivo de caña de azúcar (saccharum offcinarum) a partir de imágenes multiespectrales
    (Universidad del Valle, 2025) Saiz Álvarez, Eduardo José; Moreno Maya, José Alejandro; Reyes Trujillo, Aldemar; Garcia Cortes, Cesar Edwin
    Conocer el estado nutricional de las plantas, especialmente el contenido de nitrógeno es fundamental en la agricultura para la planificación de la fertilización nitrogenada en cultivos como la caña de azúcar en el Valle del Cauca. Este proyecto tiene como propósito desarrollar un modelo de estimación de la concentración de nitrógeno en dos ciclos del cultivo (plantilla y soca) de caña de azúcar variedad CC-01-1940 sometido a diferentes dosis de fertilización nitrogenada. Se obtuvo información multiespectral y de la concentración de nitrógeno foliar a partir de cuatro campañas de medición por ciclo. Para la construcción del modelo de regresión por mínimos cuadrados parciales (PLS), se procesaron las imágenes multiespectrales y se obtuvieron 23 índices de vegetación (IV), adicionalmente, mediante una matriz de coocurrencia de niveles de grises se calcularon 8 variantes de textura para cada uno de los IV, para un total de 207 variables predictoras. Dando como resultado que el modelo es más útil para estimar el contenido de nitrógeno en etapas tempranas de desarrollo vegetativo (R2 > 0.756) en caña de azúcar, específicamente en la variedad CC 01-1940, logrando identificar mayor influencia en la predicción del modelo en índices espectrales que involucran la región del rojo, borde rojo e infrarrojo cercano (RedEdge & NIR).
  • Miniatura
    PublicaciónAcceso abierto
    Estimación de nitrógeno en dosel para el cultivo de caña de azúcar (saccharum offcinarum) a partir de imágenes multiespectrales
    (Universidad del Valle, 2025-08-11) Saiz Álvarez, Eduardo José; Moreno Maya, José Alejandro; Reyes Trujillo, Aldemar; Garcia Cortes, Cesar Edwin
    Conocer el estado nutricional de las plantas, especialmente el contenido de nitrógeno es fundamental en la agricultura para la planificación de la fertilización nitrogenada en cultivos como la caña de azúcar en el Valle del Cauca. Este proyecto tiene como propósito desarrollar un modelo de estimación de la concentración de nitrógeno en dos ciclos del cultivo (plantilla y soca) de caña de azúcar variedad CC-01-1940 sometido a diferentes dosis de fertilización nitrogenada. Se obtuvo información multiespectral y de la concentración de nitrógeno foliar a partir de cuatro campañas de medición por ciclo. Para la construcción del modelo de regresión por mínimos cuadrados parciales (PLS), se procesaron las imágenes multiespectrales y se obtuvieron 23 índices de vegetación (IV), adicionalmente, mediante una matriz de coocurrencia de niveles de grises se calcularon 8 variantes de textura para cada uno de los IV, para un total de 207 variables predictoras. Dando como resultado que el modelo es más útil para estimar el contenido de nitrógeno en etapas tempranas de desarrollo vegetativo (R2 > 0.756) en caña de azúcar, específicamente en la variedad CC 01-1940, logrando identificar mayor influencia en la predicción del modelo en índices espectrales que involucran la región del rojo, borde rojo e infrarrojo cercano (RedEdge & NIR).
  • Miniatura
    PublicaciónAcceso abierto
    Estimación del rendimiento del cultivo de arroz inundado en etapas tempranas del crecimiento mediante aprendizaje automático e imágenes capturadas con RPAS
    (Universidad del Valle, 2025) Giraldo Mejía, Fernando Andrés; Rincon-Romero, Mauricio; GRUPO DE INVESTIGACIÓN EN SIMULACIÓN Y MODELACIÓN DINÁMICA ESPACIAL, GISMODEL
    El siguiente proyecto tiene por objetivo estimar el rendimiento del cultivo de arroz inundado en etapas tempranas del crecimiento, empleando imágenes multiespectrales capturadas a baja altura con RPAS y modelos MultiLayer Perceptron (MLP). Esta investigación se llevó a cabo en una parcela de arroz inundado, ubicada en el municipio de Jamundí (Colombia), en la cual se sembró la variedad FEDEARROZ 2020. El proyecto se estructura metodológicamente en tres partes: Recolección de datos: Comprende la instalación de puntos de control en campo, la captura periódica de imágenes multiespectrales mediante RPAS y la recolección de muestras de arroz. Procesamiento de datos: Consiste en el tratamiento de las imágenes multiespectrales para generar los ortomosaicos, su recorte según los polígonos de las muestras de arroz y el cálculo de índices de vegetación. Además, incluye los procesos de desgrane, secado y pesado de las muestras de arroz para determinar los valores reales de rendimiento. Al finalizar esta etapa, se obtiene el conjunto de datos necesario para la modelación. Modelación: Consiste en la construcción de modelos de predicción del rendimiento del cultivo de arroz inundado, utilizando validación cruzada LOOCV y ajuste de hiperparámetros para optimizar su desempeño. Los resultados obtenidos muestran que el mejor periodo de tiempo para estimar el rendimiento del cultivo de arroz inundado es entre los 66 y 80 días después de la germinación. El modelo con el coeficiente de determinación más alto (58.7%) se obtuvo a los 80 días durante la etapa de espigamiento, mientras que el modelo que se obtuvo a los 66 días, durante la etapa de embuchamiento, logró un valor muy cercano a la producción real de la parcela, con una subestimación del 2,86%.