Método para la identificación temprana de la Pudrición del Cogollo en palma de aceite a partir de sensores remotos no tripulados

Abstract

La pudrición del cogollo (PC) es una de las enfermedades más limitantes para las plantaciones de palma de aceite, ya que disminuye la producción y aumenta los costos de producción y el impacto ambiental del cultivo. La identificación temprana de los síntomas de la enfermedad mediante el monitoreo periódico, es necesaria para realizar un control oportuno de la enfermedad. Los sensores remotos no tripulados se han convertido en herramientas útiles para la observación y análisis de la superficie terrestre. En la última década, esta tecnología se ha implementado cada vez más en esquemas de manejo agrícola como alternativa a los trabajos en campo tradicionales o el uso de otros tipos de sensores remotos. En este trabajo se propuso un método de identificación de la PC mediante la utilización de RPAS, un sensor multiespectral y análisis de imágenes. La metodología consistió en la toma de imágenes en un lote de siembra 2008 a diferentes alturas (30, 60 y 100 m), construcción de ortofotomosaicos, generación de índices de vegetación y clasificación orientada a objetos, con el fin de identificar las palmas con síntomas de PC previamente evaluadas en campo. Se encontró que las bandas del ROJO y NIR fueron las más útiles para discriminar los síntomas así como el índice NGRDI. Los umbrales utilizados y los demás atributos de la clasificación orientada a objetos, identificaron las palmas con síntomas de la enfermedad en sus distintos grados de afectación.

Abstract: Bud rot (BR) is one of the most limiting disease for the oil palm plantations because it diminish production, increases it costs and the environmental impact. Early identification of the disease symptoms by means of periodic monitoring is necessary to make an opportune control of the disease. The unmanned remote sensors have become a useful tool for observation an analysis of the surface. In the last decade, this technology have been implemented more in the agricultural manage schemes as an alternative to the traditional field work and other remote sensors. This work proposed an identification method of BR using RPAS, a multispectral sensor and image analysis. The methodology consisted in the image capture of a crop planted in 2008 at different heights (30, 60 and 100m) , ortophotomosaics construction, vegetation index generations and object based classification, aiming to identify the palms with BR symptoms previously evaluated in the field. It was found that the RED and NIR band were the most useful to discriminate the symptoms as well as the NGRDI. The thresholds used and the other attributes used in the object oriented classification identified the palms with disease symptoms. The proposed method with the vegetation indexes and the object oriented classification allowed the identification BR symptoms in the oil palms.