Metodología para discriminación de malezas basada en la respuesta espectral de la vegetación

Abstract

Uno de los problemas que afecta la competitividad y sostenibilidad ambiental de los sistemas de producción de cultivos transitorios, lo ocasiona el manejo de malezas asociado a un excesivo uso de agroquímicos. Los avances desarrollados, en las últimas décadas por la geomática en el contexto de la agricultura de precisión, buscan optimizar el uso de insumos y recursos, y disminuir el efecto negativo derivado de esta actividad. El objeto de este trabajo fue evaluar el potencial de las imágenes del sensor multiespectral MicaSense RedEdge3, adquiridas con RPAS, para la discriminación de malezas en cultivos de soya. El área de estudio se ubicó en las terrazas del piedemonte llanero colombiano, sembradas con soya, en Villavicencio, a las cuales se les tomaron imágenes a dos alturas (30 y 60 m), en los periodos de desarrollo fenológico 11 y 61, (escala BBCH). La metodología propuesta incluye, calibración de la plataforma, planificación del vuelo, adquisición de imágenes, corrección, generación de mosaicos y procesamiento e interpretación de imágenes, usando la clasificación orientada a objetos, la validación se realizó con datos de campo. Se propone el uso de índices diferencia normalizada de vegetación 2 NDVI2 y el Exceso de Verde ExG, para obtener indicadores de vegetación sana no saturados y diferenciar espectralmente las malezas del cultivo. La precisión de la validación de la metodología con datos de campo, utilizando porcentajes de fracción vegetal real, tiene una precisión mayor al 80%. (Texto tomado de la fuente).

One of the problems affecting the competitiveness and environmental sustainability of transitory crop production systems, is caused by weed management associated to an excessive use of agrochemicals. Advances developed in the last decades by geomatics in the context of precision agriculture, seek to optimize the use of inputs and resources, and reduce the negative effect derived from this activity. The purpose of this work was to evaluate the images potential of the multispectral MicaSense RedEdge3 sensor, acquired with RPAS, for the identification of weeds in soybean crops. The study area is located on the terraces of the Colombian plains piedmont, planted with soy, in Villavicencio, to which images were taken at two heights (30 and 60 m), in the phenological development periods 11 and 61, (BBCH scale). The proposed methodology includes, platform calibration, flight planning, image acquisition, correction, mosaic generation, image processing and interpretation, using object-oriented classification, validation was performed with field data. The use of normalized difference indices of vegetation 2, NDVI2 and ExG Green ExG is proposed to obtain indicators of healthy unsaturated vegetation and spectrally differentiate weeds from the crop. The validation of the methodology with field data using percentages of real vegetal fraction, has an accuracy greater than 80%.