Aplicación de técnicas de sensoramiento remoto en la evaluación de una pastura de Urochloa humidicola cv Llanero, bajo pastoreo en el piedemonte del departamento del Meta

dc.contributor.advisorRincón Castillo, Álvaro
dc.contributor.advisorCárdena Rocha, Edgar
dc.contributor.authorDíaz Giraldo, Raúl Alejandro
dc.contributor.researchgroupPastos y Forrajes Tropicalesspa
dc.date.accessioned2022-08-26T13:42:51Z
dc.date.available2022-08-26T13:42:51Z
dc.date.issued2022-09-01
dc.descriptionilustraciones, fotografías, gráficas, mapas, planos, tablasspa
dc.description.abstractEs una obligación por parte de la ciencia y el conocimiento proporcionar alternativas y soluciones a problemas identificados como limitantes para el aumento de la eficiencia y productividad de los sistemas ganaderos. El objetivo de esta tesis es la aplicación de las técnicas de sensoramiento remoto para la estimación de la producción y calidad del forraje en pasturas de Urochloa humidicola cv Llanero, bajo pastoreo en el piedemonte del departamento del Meta. Para esta investigación se utilizaron herramientas e instrumentos de anális espacial como: los vehículos aéreos no tripulados (VANT), los sistemas de navegación por satélite (GNSS, por sus siglas en ingles), los sistemas de información geográfica (SIG) y los softwares especializados. Se realizó caracterización productiva de la pastura, donde se obtuvó una producción promedio de 1.054kg MS/ha, una altura de planta de 44 ± 3cm y valores promedios de proteína cruda (PC), fibra en detergente neutro (FDN), fibra en detergenta acida (FDA) y lignina (LIG) de 105, 676, 358 y 82 g/kg respectivamente; se probaron siete índices de vegetación (IV) (NDVI, GCI, SRPI, SR, GNDVI, SAVI y RDVI), y los datos obtenidos se analizaron a partir de modelos aditivo generalizado (GAM). Los resultados arrojaron que la altura de vuelo recomendable para la plataforma y sensor es de 70 metros; que el índice de vegetación con mayor correlación con la oferta de forraje es el NDVI (0.77); que respecto a la calidad nutrcional, el IV que mayor se relacionó con la PC es el GNDVI (R2 0.764); y que para FDN, FDA y LIG las relaciones encotradas no son concluyentes. Estos resultados obtenidos fueron específicos para las condiciones de la evaluación y se recomienda su validación en áreas mayores con la incorporación de series multitemporales de imágenes en ciclos hidrometeorológicos contrastantes.spa
dc.description.abstractIt is an obligation of science and knowledge to provide alternatives and solutions to problems identified as limiting for the increase of efficiency and productivity of livestock systems. The objective of this thesis is the application of remote sensing techniques for the estimation of forage production and quality in pastures of Urochloa humidicola cv Llanero, under grazing in the foothills of the department of Meta. Spatial analysis tools and instruments were used for this research, such as: unmanned aerial vehicles, satellite navigation systems (GNSS), geographic information systems (GIS) and specialized software. A productive characterization of the pasture was carried out, obtaining an average production of 1,054 kg DM/ha, a plant height of 44 ± 3 cm and average values of crude protein (CP), neutral detergent fiber (NDF), acid detergent fiber (ADF) and lignin (LIG) of 105, 676, 358 and 82 g/kg, respectively; seven vegetation indices (IV) were tested (NDVI, GCI, SRPI, SR, GNDVI, SAVI and RDVI), and the data obtained were analyzed from generalized additive models (GAM). The results showed that the recommended flight height for the platform and sensor is 70 meters; that the vegetation index with the highest correlation with forage supply is NDVI (0.77); that with respect to nutritional quality, the IV with the highest correlation with CP is GNDVI (R2 0.764); and that for FDN, FDA and LIG the relationships found are not conclusive. These results obtained were specific for the conditions of the evaluation and it is recommended to validate them in larger areas with the incorporation of multitemporal series of images in contrasting hydrometeorological cycles.eng
dc.description.degreelevelMaestríaspa
dc.description.degreenameMagíster en Salud Animal o Magíster en Producción Animalspa
dc.description.researchareaPastos y Forrajesspa
dc.description.researchareaNutrición Animalspa
dc.format.extent119 páginasspa
dc.format.mimetypeapplication/pdfspa
dc.identifier.instnameUniversidad Nacional de Colombiaspa
dc.identifier.reponameRepositorio Institucional Universidad Nacional de Colombiaspa
dc.identifier.repourlhttps://repositorio.unal.edu.co/spa
dc.identifier.urihttps://repositorio.unal.edu.co/handle/unal/82133
dc.language.isospaspa
dc.publisherUniversidad Nacional de Colombiaspa
dc.publisher.branchUniversidad Nacional de Colombia - Sede Bogotáspa
dc.publisher.departmentDepartamento de Ciencias Para La Producción Animalspa
dc.publisher.facultyFacultad de Medicina Veterinaria y de Zootecniaspa
dc.publisher.placeBogotá, Colombiaspa
dc.publisher.programBogotá - Medicina Veterinaria y de Zootecnia - Maestría en Salud y Producción Animalspa
dc.relation.referencesAndrade, B y Moncayo, L. (2017). Análisis de NDVI contrastando diferentes metodologías de toma de datos espectrales, en cultivos de pastos en etapa previa de pastoreo [Tesis de pregrado, Universidad de las fuerzas armadas] Repositorio Dspace. http://repositorio.espe.edu.ec/handle/21000/13158spa
dc.relation.referencesArantes, A. (2017). Caracterização Biofísica e Potencial à Intensificação Sustentável da Pecuária Brasileira em Pastagens [Tesis de doctorado, Universidad Federal de Goiás - UFG] Biblioteca Digital de Teses e Dissertações Biblioteca Digital Brasileña de Tesis y Disertaciones (BDTD). http://repositorio.bc.ufg.br/tede/handle/tede/8075spa
dc.relation.referencesAlcaraz, D. (2006). Caracterización del funcionamiento de los ecosistemas ibéricos mediante teledetección. Ecosistemas, 15 (1), 113-117. https://www.revistaecosistemas.net/index.php/ecosistemas/article/view/524.spa
dc.relation.referencesAlmeida, M. (2016). Uso de veículo aéreo não tripulado na determinação de índice de vegetação em área de pastagem em nova mutum-mt. [Tesis de maestría, Universidad Federal de Goiás] Biblioteca Digital Brasileña de Tesis y Disertaciones (BDTD). http://repositorio.bc.ufg.br/tede/handle/tede/5956.spa
dc.relation.referencesArruda, D.S., Weber, M., Jobin, C y Carvalho, P.C. (2011). Métodos de avaliação de massa de forragem em pastagens de capim-estrela submetidas a intensidades de pastejo. Ciência Rural, 41 (11), 2004-2009. http://www.scielo.br/scielo.php?pid=S010384782011001100025&script=sci_abstract&tlng=pt.spa
dc.relation.referencesAltier, M. (1999). The ecological role of biodiversity in agroecosystems. Agriculture, Ecosystems & Environment, 74 (1), 19-31. https://doi.org/10.1016/S0167-8809(99)00028-6.spa
dc.relation.referencesÁlvarez, M y Rincón, A. (2010). Características agroecológicas de la Orinoquia colombiana. En A. Rincón., C.A. Jaramillo (Ed.), Establecimiento, manejo y utilización de recursos forrajeros en sistemas ganaderos de suelos ácidos (pp. 27-70). Corporación Colombiana de Investigación Agropecuaria – Corpoica. http://hdl.handle.net/20.500.12324/12703.spa
dc.relation.referencesAlves de Aguilar, D. (2013). Séries temporais de imagens modis para avaliação de pastagens tropicais [Tesis de doctorado, Instituto Nacional de Pesquisas Espaciais – INPE] Biblioteca Digital Brasileña de Tesis y Disertaciones (BDTD). http://urlib.net/sid.inpe.br/mtc-m19/2013/08.30.14.33.spa
dc.relation.referencesBaars, J.A. (1981). Visual estimates of available herbage on hill country sheep pastures. N.Z. Journal of Experimental Agriculture, 9, 157-160. https://doi.org/10.1080/03015521.1981.10427821.spa
dc.relation.referencesBaeza, S., Paruelo, J y Ayala, W. (2011). Eficiencia en el uso de la radiación y productividad primaria en recursos forrajeros del este de Uruguay. Agrociencia Uruguay, 15 (2), 48-59. http://www.scielo.edu.uy/scielo.php?script=sci_arttext&pid=S2301-15482011000200006.spa
dc.relation.referencesBarcelos, C A. (2017). O uso de veículo aéreo não tripulado (vant) em monitoramentos de campo: Aplicabilidades e Viabilidades [Tesis de pregrado, Universidade Federal de Uberlândia] Repositório Institucional - Universidade Federal de Uberlândia. https://repositorio.ufu.br/handle/123456789/20639.spa
dc.relation.referencesBareth, G y Schellber, J. (2018). Replacing Manual Rising Plate Meter Measurements with Low-cost UAV-Derived Sward Height Data in Grasslands for Spatial Monitoring. PFG – Journal of Photogrammetry, Remote Sensing and Geoinformation Science, 86,157-168. https://doi.org/10.1007/s41064-018-0055-2.spa
dc.relation.referencesBarrachina, M., Cristóbal, J., Tulla, A y Pons, X. (2009). Análisis de la producción de biomasa de los prados y pastos de la Vall Fosca (pirineo Axial-Nogueres. Teledetección: Agua y desarrollo sostenible. XIII Congreso de la Asociación Española de Teledetección. 225-228. http://www.aet.org.es/congresos/xiii/cal57.pdf.spa
dc.relation.referencesBarrachina, M., Cristóbal, J., Tulla, A. (2010). Los recursos ganaderos en los sistemas extensivos de la montaña pirenaica catalana: aproximación al cálculo de la producción de biomasa herbácea mediante el uso de la teledetección. Serie Geográfica. 16, 35-49. http://hdl.handle.net/10017/14221.spa
dc.relation.referencesBatista, G. (2003). Apostila introdutória de sensoriamento remoto e geoprocessamento. Universidade de Taubaté. http://www.clickgeo.com.br/apostila-introducao-ao-sensoriamento-remoto-geoprocessamento/.spa
dc.relation.referencesBeaulieu, N., Álvarez, M. y Rincón, M. (2006) Detección de la degradación en pasturas usando series temporales de imágenes multiespectrales en los llanos orientales de Colombia. http://hdl.handle.net/20.500.12324/1218.spa
dc.relation.referencesBernardi, A.C y Pérez, N. (2014). Agricultura de Precisão em Pastagens. Brazilian Precision Agriculture Research Network. https://www.embrapa.br/busca-de-publicacoes/-/publicacao/1003689/agricultura-de-precisao-em-pastagens.spa
dc.relation.referencesBelalcazar, D., Durán, C y Lemus, L. (1994) Especies forrajeras tropicales de interés para pasturas en suelos ácidos de Colombia. En C. Escobar., J. Lotero y L. S (Ed.) Unidades de Aprendizaje para la Capacitación en Tecnología de Producción de Pastos. Centro Internacional de Agricultura Tropical- CIAT.spa
dc.relation.referencesBerrocal, L y Rodríguez, M. (2015). Aplicaciones de imágenes MODIS para la estimación de materia seca disponible en pastizales extensivos. Análisis espacial y representación geográfica: innovación y aplicación, 681-689. https://dialnet.unirioja.es/servlet/articulo?codigo=7386218.spa
dc.relation.referencesBlackburn, G. A. (2007). Hyperspectral remote sensing of plant pigments. Journal of Experimental Botany, 58 (4), 855-867. https://doi.org/10.1093/jxb/erl123spa
dc.relation.referencesBorra, I., De Swaef, T., Aper, J., Ghesquiere, A., Mertens, K., Nuyttens, D., Saeys, W., Somers, B., Vangeyte, J., Rolda´n-Ruiz, I y Lootens, P. (2018). Towards an objective evaluation of persistency of Lolium perenne swards using UAV imagery. Euphytica, 214 (142). https://doi.org/10.1007/s10681-018-2208-1.spa
dc.relation.referencesBrenner, C., Zeeman, M., Bernhardt, M y Schulz, K. (2018). Estimation of evapotranspiration of temperate grassland based on high-resolution thermal and visible range imagery from unmanned aerial systems. International Journal of Remote Sensing, 39, 5141-5174. https://doi.org/10.1080/01431161.2017.1280202.spa
dc.relation.referencesCampbell, J.B., & Wynne, R.H. (2011). Introduction to Remote Sensing: Guilford Press.spa
dc.relation.referencesCampbell, A.G., Phillips, D.S y Reilly, O. (1962). An electronic instrument for pasture yield estimation. J. Br. Grassld. Soc. 17, 89-99. DOI: 10.1111/j.1365-2494.1968.tb00577.x.spa
dc.relation.referencesCapolupo, A., Kooistra, L., Berendonk, C., Boccia, L y Suomalainen, J. (2015). Estimating Plant Traits of Grasslands from UAV-Acquired Hyperspectral Images: A Comparison of Statistical Approaches. ISPRS International Journal of Geo-Information, 4, 2792 – 2820. 10.3390/ijgi4042792.spa
dc.relation.referencesCardozo, C.I., Sánchez, M y Ferguson, E.J. (1991). Efecto del método de cosecha en el rendimiento y calidad de las semillas de Brachiaria dictyoneura cv. Llanero. Tropical Grasslands, 13 (1). http://www.tropicalgrasslands.info/index.php/tgft/pages/view/Pasturas.spa
dc.relation.referencesCarulla, J.E., Lascano, C.E., Ward, J.K. (1991). Selectivity of resident and oeophageal fistulated steers grazing Arachis pintoi and Brachiaria dictyoneura in the Llanos of Colombia. Tropical Grasslands. 25, 317-324. Disponible en: https://cgspace.cgiar.org/handle/10568/44085.spa
dc.relation.referencesCasanova, L., Martínez, J., López, S., López, G. (2016). De von Bertalanffy, a Luhmann: Deconstrucción del concepto “agroecosistema” a través de las generaciones sistémicas. Revista Mad. Revista del Magíster en Análisis Sistémico Aplicado a la Sociedad, 35, 60-74. https://doi.org/10.5354/rmad.v0i35.42797.spa
dc.relation.referencesCastano, A., Riaño, N., Peña, A., Ramírez, V., Valencia., A, Figueroa, A y Vinasco, G. (2017). Energy, water vapor and carbon fluxes in Andean agroecosystems: conceptualization and methodological standardization. Biodiversity and Ecosystem Services, 66 (1), 27-34. https://doi.org/10.15446/acag.v66n1.52543.spa
dc.relation.referencesCastillo, D., Tapia, M., Brunett, L., Márquez, O., Terán, O. y Ayala, E. (2012). Evaluación de la sustentabilidad social, económica y productiva de dos agroecosistemas de producción de leche en pequeña escala en el municipio de Amecameca, México. Revista Científica UDO Agrícola, 12 (3), 690-704. https://dialnet.unirioja.es/servlet/articulo?codigo=4690130.spa
dc.relation.referencesCastro, M., Palma, M., Ochoa, V y Neto, C. (2015). Servicios ecosistémicos: evaluación y valoración económica del secuestro de CO2 en bosques y áreas protegidas del Área de Conservación Guanacaste -ACG, Costa Rica. https://www.iai.int/es/post/detail/servicios-ecosistemicos-una-evaluacion-y-valoracion-economica-del-secuestro-de-carbono-en-bosques-del-area-de-conservacion-guanacaste-costa-rica.spa
dc.relation.referencesCook, B y Schultze-Kraft. (2015). Botanical name changes – nuisance or a quest for precision?. Tropical Grasslands, 3, 34-40. 10.17138/TGFT(3)34-40.spa
dc.relation.referencesCristiano, P.M. (2010). Estimación de la productividad primaria mediante el modelo de eficiencias y sensores remotos. [Tesis de doctorado, Universidad de Buenos Aires]. DOI:10.13140/RG.2.2.32765.46562.spa
dc.relation.referencesChen, Y., Guerschman, J.P., Cheng, Z y Guo, L. (2019). Remote sensing for vegetation monitoring in carbon capture storage regions: A review. Applied Energy, 249, 312-326. https://doi.org/10.1016/j.apenergy.2019.02.027.spa
dc.relation.referencesCroft, H., y Chen, J.M. (2018). Leaf pigment contenten. En S. Liang (Ed.), Comprehensive remote sensing. Oxford: Elsevier.spa
dc.relation.referencesCruz, P., Hernández, A., Quiroz, J., Mendoza, S., Quero, A y Torres, B. (2011). Desempeño agronómico de genotipos de Brachiaria humidicola (Rendle) Schweickt en el trópico húmedo de México. Revista fitotecnia mexicana, 34 (2). http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0187-73802011000200011.spa
dc.relation.referencesChehbouni, A., Huete, A., Kerr, H y Sorooshian. (1994). A Modified Soil Adjusted Vegetation Index. Remote Sensing of Environment, 48 (2) 119-126. https://doi.org/10.1016/0034-4257(94)90134-1.spa
dc.relation.referencesChuvieco, E. 2002. Teledetección ambiental. 1a. ed. Barcelona. Editorial Ariel.spa
dc.relation.referencesCorrea, M., Bastiani, N., Barreto, J., Deibler, A y Bidese, L. (2019a). Avaliação de sensor multiespectral em mapeamentos da infestação de pastagens naturais pelo capim-annoni. Anais de XIX Simpósio Brasileiro de Sensoramiento Remoto. 14 a 17 de abril. Santo, Brasil.spa
dc.relation.referencesCorrea, M., Barreto, J., Bastiani, N y Deibler, A. (2019b). Aplicação do índice de cobertura verde em pastagem de azevém. Anais de XIX Simpósio Brasileiro de Sensoramiento Remoto. 14 a 17 de abril. Santo, Brasil.spa
dc.relation.referencesDa Silva, H. (2018). Utilização de drone em mapeamentos florestais para classificação do uso e ocupação do solo. [Tesis de maestria, Universidade Federal do Paraná] Dspace. https://hdl.handle.net/1884/60786.spa
dc.relation.referencesDe Barros, C., Baierle, J., Correa, M y Bastiani, N. (2018). Uso de sensor multiespectral em aeronave remotamente pilotada para avaliação da infestação de pastagem nativa por Eragrostis Plana (Ness). VII Simpósio de Iniciação Científica da Embrapa Pecuária Sul.spa
dc.relation.referencesDíaz, H y Sierra, J. (2004). Materiales de propagación y distancias de siembra en Brachiaria humidicola y Brachiaria dictyoneura. Pasturas Tropicales, 26, (2). http://www.tropicalgrasslands.info/index.php/tgft/pages/view/Pasturas.spa
dc.relation.referencesDíaz, J.E, Fernández, R y González, A. (2011). Measuring Herbage Mass by Non-Destructive Methods: A Review. Journal of Agricultural Science and Technology, 1 (3), 303-314. https://www.researchgate.net/publication/274640623_Measuring_Herbage_Mass_by_Non-Destructive_Methods_A_Review.spa
dc.relation.referencesDíaz, R.A., Moreno, H.W., Pérez, O., Rincón, A y Salcedo, J. (2019a). Uso de sistemas de información geográfica para identificar espacialmente la oferta de forraje verde de Brachiaria decumbens Stapf cv Basilisk en el Piedemonte Llanero. 42º Congreso Argentino de Producción Animal. Revista Argentina de Producción Animal, 39 (1), 99-167. http://ppct.caicyt.gov.ar/index.php/rapa/article/view/16419/45454575768681.spa
dc.relation.referencesDíaz, R.A., Alvarez, M., Pérez, O., Gutiérrez, B y Villalobos, M. (2019b). Uso de sensores remotos en la determinación de la oferta de forraje del pasto Brachiaria humidicola subsp. dictyoneura bajo pastoreo en la Altillanura colombiana. 42º Congreso Argentino de Producción Animal. Revista Argentina de Producción Animal, 39 (1), 99-167. http://ppct.caicyt.gov.ar/index.php/rapa/article/view/16419/45454575768681.spa
dc.relation.referencesDi Leo, N., Montico, S., Bonel, A., Denoia, A. (2007). Estimación de la APAR y la NPP mediante sensoramiento remoto en tres sectores de la Pampa Húmeda, Argentina. Ciencia, Docencia y Tecnología, 18, (35), 221-241.spa
dc.relation.referencesDorigo, W., Zurita, R., de Wit, A., Brazile, J., Singh, R. y Schaepman, M. (2007) A review on reflective remote sensing and data assimilation techniques for enhanced agroecosystem modeling. International Journal of Applied Earth Observation and Geoinformation 9 (2), 165–193. https://doi.org/10.1016/j.jag.2006.05.003.spa
dc.relation.referencesDonohue, R., Hume, C., Roderick, M., McVicar, T., Beringer, J., Hutley, L....Arndt, S. (2014). Evaluation of the remote-sensing-based DIFFUSE model for estimating photosynthesis of vegetation. Remote Sensing of Environment, 155, 349-365. https://doi.org/10.1016/j.rse.2014.09.007.spa
dc.relation.referencesDusseux, P. (2014). Exploitation de séries temporelles d’images satellites à haute résolution spatiale pour le suivi des prairies en milieu agricole. [Tesis de doctorado, Universite Rennes 2 Haute-Bretagne] HAL theses. https://tel.archives-ouvertes.fr/tel-01131770/file/2014theseDusseuxP.pdf.spa
dc.relation.referencesEdirisinghea, A., Clarkb, D. y Waughb D. (2012). Spatio-temporal modelling of biomass of intensively grazed perennial dairy pastures using multispectral remote sensing. International Journal of Applied Earth Observation and Geoinformation, 16, 5-16. https://doi.org/10.1016/j.jag.2011.11.006.spa
dc.relation.referencesEdvan, R., Bezerra, L., Marques, C., Socorro, Carneiro, M., Oliveira, R y Ferreira, R. (2016). Methods for estimating forage mass in pastures in a tropical climate. Revista de Ciências Agrárias, 39 (1), 36-45. DOI: 10.19084/RCA14100.spa
dc.relation.referencesFederación Colombiana de Ganaderos – FEDEGAN. (2006). Plan estratégico de la ganadería colombiana 2019, Sanmartín Obregón & Cía. http://hdl.handle.net/20.500.12324/13049.spa
dc.relation.referencesFerreira, C.C. (2018). Produtividade primária bruta para áreas de cana de-açúcar e cerrado na bacia hidrográfica do mogi guaçu – sp. [Tesis de maestria, Universidade Federal de Campina Grande] Repositorio Dspace. http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/1569.spa
dc.relation.referencesFletcher, J.E y Robinson, M.E. (1956). A capacitance meter for estimating forage weight. Journal of Range Management, 9 (2), 96-97. https://doi.org/10.2307/3894559.spa
dc.relation.referencesFranke, J., Keck, V y Siegert, F. (2012). Assessment of grassland use intensity by remote sensing to support conservation Schemes. Journal for Nature Conservation, 20 (3), 125-134. https://doi.org/10.1016/j.jnc.2012.02.001.spa
dc.relation.referencesFreitas, V., Butturi, W., Ottonelli de Bona, D., Oliveira, M., Barreto, L y Nunes, G. (2017). Uso de imagens obtidas com veículo aéreo não tripulado (VANT) para verificação do indicador de cobertura do solo no monitoramento da restauração florestal. XVII Simposio Brasilero de Sensoramiento Remoto. https://www.icv.org.br/drop/wp-content/uploads/2017/06/Artigo_Uso_do_VANT_monitoramento_restauracao_florestal_ICV_2017.pdf.spa
dc.relation.referencesGallego, F., Lezama, F., Pezzani, F., López-Mársico, L., Leoni, E., Mello, A y Costa B. (2017). Estimación de la productividad primaria neta aérea y capacidad de carga ganadera: un estudio de caso en Sierras del Este, Uruguay. Agrociencia Uruguay, 21 (1). 120-130. http://www.scielo.edu.uy/scielo.php?script=sci_arttext&pid=S2301-15482017000100120.spa
dc.relation.referencesGarcía, G. (2006). La escala y su importancia en el análisis espacial. Ecosistemas, 15 (3), 7-18. http://www.revistaecosistemas.net/articulo.asp?Id=432&Id_Categoria=1&tipo=portada.spa
dc.relation.referencesGarcía, R. (2008). Sistemas Complejos. Conceptos, Método y Fundamentación Epistemológica de la Investigación Interdisciplinaria., Gedisa. https://repositorio.esocite.la/id/eprint/364.spa
dc.relation.referencesGarcía, M., Évora, J y Pérez, M. (2012). Satélites de Teledetección para la gestión del territorio. Proyecto SATELMAC, Programa de Cooperación Transnacional Madeira – Azore. https://geoinnova.org/libro/satelites-teledeteccion-la-gestion-del-territorio/?gclid=Cj0KCQjwm6KUBhC3ARIsACIwxBjAI_DgJguIQ0eqY5Fac1i9vT0foMQMESbJEDmstZIn2aS9rglcpTAaAgNNEALw_wcB.spa
dc.relation.referencesGastó, J. (1979). Ecosistema, componentes y atributos relativos al desarrollo y medio ambiente. Estilos de desarrollo y medio ambiente en América Latina. http://hdl.handle.net/11362/20474.spa
dc.relation.referencesGebbers, R y Adamchuk, V.I. (2010). Precision Agriculture and food security. Science, 327(5967), 828-831. DOI:10.1126/science.1183899.spa
dc.relation.referencesGiraldo, L., Ranilla, M., Tejido, M y Carro, M. (2007). Efecto de la sustitución de Brachiaria dictyoneura por acacia mangium sobre la fermentacion ruminal in vitro. Pasturas Tropicales. 29, 39-46. http://www.tropicalgrasslands.info/public/journals/4/Elements/DOCUMENTS/2007-vol29-rev1/Vol_29_rev1_07_pags_39-46.pdf.spa
dc.relation.referencesGichangi, E.M., Njarui, D.M y Gatheru, M. (2017). Plant shoots and roots biomass of brachiaria grasses and their effects on soil carbon in the semi-arid tropics of Kenya. Tropical and Subtropical Agroecosystems, 20, 65-74. http://www.revista.ccba.uady.mx/ojs/index.php/TSA/article/view/2244.spa
dc.relation.referencesGlissman, S (2014). Agroecology: The Ecology of Sustainable Food Systems. California, Estados Unidos, CRC Press.spa
dc.relation.referencesGómez, D. (2008). Aspectos ecológicos de los pastos. En F, Fillat., R, García-González., D, Gómez., R, Reiné (Ed.), Pastos del Pirineo, cap. 7: 61- 73. Consejo Superior de Investigaciones Científicas, Premios Félix de Azara, Diputación de Huesca. Madrid.spa
dc.relation.referencesGómez, M., Jong, R., Della Peruta, R., Keller, A. y Schaepman, M. (2017). Determination of grassland use intensity based on multi-temporal remote sensing data and ecological indicators. Remote Sensing of Environment, 198, 126-139. https://doi.org/10.1016/j.rse.2017.06.003.spa
dc.relation.referencesGonçalves, L.M., Barbosa, G.A., Ferraz, S., Maciel, T y Santos, H.F. (2017). Variabilidade espacial e temporal do índice vegetação mpri aplicado às imagens de grama são carlos obtidas por aeronave remotamente pilotada. Brazilian Journal of Biosystems Engineering, 11 (4), 340-349. http://dx.doi.org/10.18011/bioeng2017v11n4p340-349.spa
dc.relation.referencesGrigera, G. (2011). Seguimiento de la productividad forrajera mediante teledetección: desarrollo de una herramienta de manejo para sistemas de producción ganaderos [Tesis de doctorado, Universidad de Buenos Aires] Reositorio Institucional Cientifico y Académico de la Facultad de Agronomía – UBA. https://repositoriosdigitales.mincyt.gob.ar/vufind/Record/FAUBA_9560df82cfd98ba5186690e3789b95bf.spa
dc.relation.referencesGuimarães, M.M.C., Matsumoto, S. N., Figueiredo, M. P., Cruz, P. G y Araújo, G. S. (2011). Estimativa da composição química do capim Braquiária cv. Marandú por meio de um clorofilômetro portátil. Revista Brasileira de Tecnologia Aplicada nas Ciências Agrárias, 4 (2), 85–91. https://doi.org/10.5777/paet.v4i2.1084.spa
dc.relation.referencesHaydock, K.P y Shaw, N, H. (1975). The comparative yield method for estimating dry matter yield of pasture. Aust. J. Exp. Anim. Husb, 15 (76), 663-670. https://doi.org/10.1071/EA9750663.spa
dc.relation.referencesHernández, R. (2017). Metodología para discriminación de malezas basada en la respuesta espectral de la vegetación. [Tesis de maestria, Universidad Nacional de Colombia, sede Bogotá] Repositorio Institucional Biblioteca Digital – UN. https://repositorio.unal.edu.co/handle/unal/59816.spa
dc.relation.referencesHepp, C., Reyes, C., Soto., R., Cáceres, E., Barattini, P y Juárez, D. (2017). Métodos de medición de disponibilidad de biomasa (materia seca) en praderas bajo pastoreo. En C, Hepp y C, Reyes. Determinación de la disponibilidad de materia seca en praderas a pastoreo en la Patagonia húmeda (región de Aysén). Instituto de Investigaciones Agropecuarias (INIA). Boletín 351. http://biblioteca.inia.cl/medios/biblioteca/boletines/NR40661.pdf.spa
dc.relation.referencesHoffmann, I., From, T. y Boerma, D. (2014). Ecosystem services provided by livestock species and breeds, with special consideration to the contributions of small-scale livestock keepers and pastoralists. Background study paper, 66 (1). Disponible en: https://www.fao.org/publications/card/es/c/396d4e98-614e-47a4-83cb-57b8fc7508af/.spa
dc.relation.referencesHolmes, C.W., Wilson, G.F., Mackenzie, D.D.S., Flux, D.S., Brookes, I.M y Davey, A.W.F. (Ed. D Swain (2007) 'Milk production from pasture.' (Massey University: Palmerston North, New Zealandspa
dc.relation.referencesHoyos Rojas, J., Posada Asprilla, W., y Cerón Muñoz, M. (2019). Fotografía multiespectral para el diagnóstico fitosanitario del pasto kikuyo (Cechrus clandestinus (Hochst ex Chiov) Morrone). Acta Agronómica, 68 (1), 61-67. https://doi.org/10.15446/acag.v68n1.75662.spa
dc.relation.referencesHuete, A. (1988). A Soil-Adjusted Vegetation Index (SAVI). Remote Sensing of Environment, 25 (3), 295-309. https://doi.org/10.1016/0034-4257(88)90106-X.spa
dc.relation.referencesHuete, A; Didan,K; Miura,T; Rodriguez, E,P; gao,X; Ferreira, L,G. (2002). Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote Sensing of Environment, 83 (2), 195-213. https://doi.org/10.1016/S0034-4257(02)00096-2.spa
dc.relation.referencesInstituto Colombiano Agropecuario. (1987). Pasto Llanero. Boletín Tecnico (151). https://repository.agrosavia.co/bitstream/handle/20.500.12324/20476/78464_7324.pdf?sequence=1&isAllowed=y.spa
dc.relation.referencesInsua, J.R, Utsumi, S.A y Basso, B. (2019). Estimation of spatial and temporal variability of pasture growth and digestibility in grazing rotations coupling unmanned aerial vehicle (UAV) with crop simulation models. PLoS ONE, 14 (3). https://doi.org/10.1371/journal.pone.0212773spa
dc.relation.referencesIrisarri, J.G., Gundel, P.E., Clavijo, M.P., Durante, M y Sosa, P. (2013). Estimación de la PPNA y la capacidad de carga por ambientes mediante información satelital en un establecimiento ganadero en la Pampa Deprimida. Revista Argentina de Producción Animal, 33 (1), 11-37. http://ppct.caicyt.gov.ar/index.php/rapa/article/view/3562.spa
dc.relation.referencesJayasinghe, C., Badenhorst, P., Wang, J., Jacobs, J., Spangenberg, G y Smith, K. (2019). An Object-Based Image Analysis Approach to Assess Persistence of Perennial Ryegrass (Lolium perenne L.) in Pasture Breeding. Agronomy, 9 (9). https://doi.org/10.3390/agronomy9090501.spa
dc.relation.referencesJensen, J R. (2005). Remote Sensing and digital image processing. En Kaveney D E (Ed.), Introductory digital image processing: a remote sensing perspective. 3rd ed. Prentice Hall series in geographic information science. United States of America.spa
dc.relation.referencesJones, R.M y Hargreaves, J.N. (1979). Improvements to the weight-rank method for measuring botanical composition. Grass and Forage Science, 34, 181-189. DOI:10.1111/j.1365-2494.1979.tb01465.x.spa
dc.relation.referencesKaufman, Y y Tanré, D. 1992. Atmospherically resistant vegetation index (ARVI) for EOS-MODIS. IEEE Transaction on geoscience and remote sensing, 30 (2), 261-270. DOI: 10.1109/36.134076.spa
dc.relation.referencesKawamura, K., Betteridge, K., Sanches, D.I., Tuohy, M., Costall, D y Inoue, Y. (2009). Field radiometer with canopy pasture probe as a potential tool to estimate and map pasture biomass and mineral components: A case study in the Lake Taupo catchment, New Zealand. New Zealand Journal of Agricultural Research, 52 (4), 417-434. DOI:10.1080/00288230909510524.spa
dc.relation.referencesKelemu, S., Miles J., Bonilla, M y Badel, L. (1995). Sources of resistance in species of Brachiaria to foliar blight disease caused by Rhizoctonia solani. Tropical Grasslands, 29, 257-262. https://cgspace.cgiar.org/handle/10568/44119.spa
dc.relation.referencesLascano, C.E., Avila, P., Quintero, I.E y Toledo, J.M. (1991). Atributos de una pastura de Brachiaria dictyoneura - Desmodium ovalifolium y su relación con la producción animal. Tropical Grasslands, 13 (2). Disponible en: http://www.tropicalgrasslands.info/index.php/tgft/pages/view/Pasturas.spa
dc.relation.referencesLascano, C. E y Euclides, V.P.B. (1996). Nutritional Quality and Animal Production of Brachiaria Pastures. En J.W.Miles, B.L.Maas y C.B. Do Valle (Ed.) Brachiaria: Biology, Agronomy, and Imrovement. Centro Internacional de Aggricultura Tropical, Campo Grande, Brasil: Empresa Brasileira de Pesquisa Agropecuária, Centro Nacional de Pesquisa de Gado de Corte. Cali, Colombia.116.spa
dc.relation.referencesLiang, S., Li, X y Wang, J. (2012). A Systematic View of Remote Sensing. En S. Liang., X, Li y J, Wang (Ed.), Advanced Remote Sensing, Terrestrial information Extraction and Applications. ELSEVIER.spa
dc.relation.referencesLima, V A., Oliveira, B y Ferri, B. (2015). Curso de capacitação para implantação de cadastro territorial multifinalitário nos municípios do sudoeste do Paraná. Módulo 3- sensoriamento remoto e geoprocessamento. Universidade Tecnológica Federal do Paraná. https://www.capacidades.gov.br/blog/detalhar/id/85/post/737/param/ativos.spa
dc.relation.referencesLora, C. (2016). Comparativa de sensores espaciales de diferente resolución espectral en la exploración minera [Tesis de maestria, Escola Politècnica Superior d’Enginyeria de Manresa] UPCommos. http://hdl.handle.net/2117/96828.spa
dc.relation.referencesLussem, U., Bolte, A., Gnyp, M., Jasper, J y Barath, G. (2018). Evaluation of RGB-based vegetation indices from UAV imagery to estimate forage yield in grassland. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol XLII-3. Mid-term Symposium “Developments, Technologies and Applications in Remote Sensing”, 7–10 May, Beijing, China. https://doi.org/10.5194/isprs-archives-XLII-3-1215-2018.spa
dc.relation.referencesLillesand, T.M., Kiefer, R. W y Chipman, J.W. (2004). Remote sensing and image interpretation: Jhon Wile y Sons Ltd.spa
dc.relation.referencesMadugundu, R., Al-Gaadi, K., Tola, E., Kayad, A y Jha, C. (2017). Estimation of gross primary production of irrigated maize using Landsat-8 imagery and Eddy Covariance data. Saudi Journal of Biological Sciences, 24 (2), 410-420. https://doi.org/10.1016/j.sjbs.2016.10.003.spa
dc.relation.referencesMaire, J., Gibson-Poole, S., Cowan, N., Reay, D.S., Richards, K.G., Skiba, U., Rees, R.M y Lanigan, G.J. (2018). Identifying Urine Patches on Intensively Managed Grassland Using Aerial Imagery Captured From Remotely Piloted Aircraft Systems. Front. Sustain. Food Syst, 2 (10). https://doi.org/10.3389/fsufs.2018.00010.spa
dc.relation.referencesMarten, G. (1988). Productivity, Stability, Sustainability, Equitability and Autonomy as Properties for Agroecosystem Assessment. Agricultural Systems, 26 (4), 291-316. https://doi.org/10.1016/0308-521X(88)90046-7.spa
dc.relation.referencesMendoza, P y Lascano, C. (1985). Mediciones en la pastura en ensayos de pastoreo. En C. Lascano y E. Pizarro (Ed.), Evaluación de pasturas con animales. Memorias de una reunión de trabajo celebrada en Perú, 1-5 de octubre de 1984. Red Internacional de Evaluación de Pastos Tropicales (RIEPT), CIAT, Cali, Colombia.spa
dc.relation.referencesMenezes, R P; Almeida, T (2012). Introdução ao Processamento de Imagens de Sensoriamento Remoto. Brasília. https://docplayer.com.br/951443-Introducao-ao-processamento-de-imagens-de-sensoriamento-remoto-paulo-roberto-meneses-tati-de-almeida-organizadores.htmlspa
dc.relation.referencesMitchell, J.E. (1972). An Analysis of the Beta-Attenuation Technique for Estimating Standing Crop of Prairie Range. Society for Range Management, 25 (4), 300-304 DOI:10.2307/3896918.spa
dc.relation.referencesMichez, A., Lejeune, P., Bauwens, S. Herinaina, A.A.L., Blaise, Y., Castro Muñoz, E., Lebeau, F y Bindelle, J. (2019). Mapping and Monitoring of Biomass and Grazing in Pasture with an Unmanned Aerial System. Remote Sensing, 11 (5), 473. DOI:10.3390/rs11050473.spa
dc.relation.referencesMitsikostas, A. (2017). Monitorización y optimización de tierras con drones y fotogrametría aérea para aplicaciones de precisión en agricultura [Trabajo de maestria, Universidad Politecnica de Valencia] Riunet – UPV. https://riunet.upv.es/handle/10251/86353.spa
dc.relation.referencesNancy, J., Thiex, J y Van Erem, T. (2002). Determination of Water (Moisture) and Dry Matter in Animal Feed, Grain, and Forage (Plant Tissue) by Karl Fischer Titration: Collaborative Study. Thiex & Van Erem: Journal of AOAC international, 85 (2), 318-327. https://doi.org/10.1093/jaoac/85.2.318.spa
dc.relation.referencesNASA. (1998). The remote sensing tutorial. http://rst.gsfc.nasa.gov/spa
dc.relation.referencesNguku, N., Njarui, D., Musimba, N., Amwata, D y Kaindi, E. (2016). Primary production variables of brachiaria grass cultivars in Kenya dry lands. Tropical and Subtropical Agroecosystems, 19 (1), 29-39. Disponible en: https://www.revista.ccba.uady.mx/ojs/index.php/TSA/article/view/2167.spa
dc.relation.referencesNumata, I., Roberts, D., Chadwick, O., Schimel, J., Galvao, L y Soares, J. (2008). Evaluation of hyperspectral data for pasture estimate in the Brazilian Amazon using field and imaging spectrometers. Remote Sensing of Environmet, 112 (4), 1569-1583. https://doi.org/10.1016/j.rse.2007.08.014.spa
dc.relation.referencesPardo, O., Rincón, A y Hess. (1999). Gramíneas y leguminosas adaptadas a las condiciones de los llanos orientales. En C.A. Jaramillo (Ed.), Alternativas forrajeras para los llanos orientales de Colombia (pp. 7-23). Corporación Colombiana de Investigación Agropecuaria – Corpoica. http://hdl.handle.net/20.500.12324/35795.spa
dc.relation.referencesPardo, O y Pérez, O. (2010). Alternativas forrajeras para los llanos orientales de Colombia. En A. Rincón., C.A. Jaramillo (Ed.), Establecimiento, manejo y utilización de recursos forrajeros en sistemas ganaderos de suelos ácidos (pp. 27-70). Corporación Colombiana de Investigación Agropecuaria – Corpoica. http://hdl.handle.net/20.500.12324/12703.spa
dc.relation.referencesParuelo, J. (2008). La caracterización funcional de ecosistemas mediante sensores remotos. Ecosistemas, 17 (3), 4-22. https://www.revistaecosistemas.net/index.php/ecosistemas/article/view/83.spa
dc.relation.referencesParuelo, J., Oesterheld, M. y Grigera, G. (2011). El Seguimiento de los recursos forrajeros mediante sensores remotos: bases y aplicaciones. En: Bases Ecológicas y Tecnológicas para el manejo de pastizales. Montevideo, Eds. Instituto Nacional de Investigación Agropecuaria. https://wwfar.awsassets.panda.org/downloads/kit_pampas___manual_seguimiento_satelital_del_forraje.pdf.spa
dc.relation.referencesPadilla, G.A. (2017). Estimación de la productividad primaria neta aérea (PPNA) del forraje de pastos para los sistemas de producción ganadera mediante sensores remotos [Tesis de pregrado, Universidad del Valle] Biblioteca digital. http://hdl.handle.net/10893/10315.spa
dc.relation.referencesPeitz, J. L. (2019). UAV based hyperspectral grassland monitoring in an alpine shallow erosion area Lessons learnt from classifying vegetation indicating shallow erosion risk [Trabajo de maestria, Lund University] LUPP Student Papers. http://lup.lub.lu.se/student-papers/record/8978657.spa
dc.relation.referencesPérez R. A. y Lascano C. E. 1992. Potencial de producción animal de asociaciones de gramíneas y leguminosas promisorias en el Piedemonte de la Orinoquía Colombiana. En. Pizarro E.A (Ed.), Primera Reunión Sabanas de la Red Internacional de Evaluación de Pastos Tropicales (RIEPT), (p. 23-26). CPAC/EMBRAPA y CIAT.spa
dc.relation.referencesPeñuelas, J., Bart, F y Filella, I. (1995). Semi-empirical índices to acssess carotenoids/chlorophyll a ratiofrom leaf spectral reflectance. Photosynthetica, 31 (2), 221-230. https://hal.inrae.fr/hal-02779352.spa
dc.relation.referencesPessi, D., José, J., Mioto, L y Silva, N. (2020). Aeronave remotamente pilotada de baixo custo no estudo de plantas invasoras em áreas de cerrado. Pesquisas Agrárias e Ambientais, 8 (1), 68-80. DOI: http://dx.doi.org/10.31413/nativa.v8i1.8433.spa
dc.relation.referencesPeters, M., Franco, L., Schmidt, A y Hincapié, B. (2011). Especies forrajeras Multiproposito: Opciones para productores del trópico Americano. Centro Internacional de Agricultur Tropical-CIAT. Publicación CIAT (374). https://cgspace.cgiar.org/handle/10568/54681?show=full.spa
dc.relation.referencesPezzani, F., Lezama, F., Gallego, F., López-Márisco, L., Leoni, E., Costa, B., Parodi, G y Mello, A.L. (2017). El método de corte de biomasa genera mayores diferencias en la estimación de la productividad de pastizales que el tipo de pastizal. Revista Argentina de Producción Animal, 37 (1), 21-32. https://www.researchgate.net/publication/317549460_El_metodo_de_corte_de_biomasa_genera_mayores_diferencias_en_la_estimacion_de_la_productividad_de_pastizales_que_el_tipo_de_pastizal.spa
dc.relation.referencesPinter, P. J., Jr., Hatfield, J. L., Schepers, J. S., Barnes, E. M., Moran, M. S., Daughtry, C. S. T. (2003). Remote sensing for crop management. Photogrammetric Engineering and Remote Sensing, 69 (6), 647-664. Disponible en: https://digitalcommons.unl.edu/usdaarsfacpub/1372/.spa
dc.relation.referencesPosada, A. W. (2018). Evaluación de praderas de pasto kikuyo (Cenchrus clandestinus (Hochst. Ex Chiov) Morrene) a través de imágenes multiespectrales [Tesis de maestria no publicada]. Universidad de Antioquia.spa
dc.relation.referencesPosada, A. W.., Medina, M y Cerón, M. (2019). Estimación de la calidad y cantidad de pasto kikuyo (Cenchrus clandestinum (Hochst. ex Chiov.) Morrone) usando imágenes multiespectrales. Revista U.D.C.A Actualidad & Divulgación Científica, 22 (1). https://doi.org/10.31910/rudca.v22.n1.2019.1195.spa
dc.relation.referencesPreston, B., King, A., Ernst, M., Absar, S, Nair, S. y Parish, E. (2015). Scale and the representation of human agency in the modeling of agroecosystems. Current Opinion in Enviromental Sustainability,14, 239-249. https://doi.org/10.1016/j.cosust.2015.05.010.spa
dc.relation.referencesPhillips, R., Beri, O., Scholljegerde, E., Bjergaard, D y Hendrickson, J. (2009). Integration of geospatial and cattle nutrition information to estimate paddock grazing capacity in Northern US prairie. Agricultural Systems, 100 (1-3), -72-79. https://doi.org/10.1016/j.agsy.2009.01.002.spa
dc.relation.referencesPullanagari, R. R. (2011). Proximal sensing techniques to monitor pasture quality an quantity on dairy farms [Tesis de doctorado, Massey University] Theses and Dissertations. http://hdl.handle.net/10179/3695.spa
dc.relation.referencesPullanagari, R., Yule, I., Tuohy, M., Hedley, M., Dynes, R y King, W. (2013). Proximal sensing of the seasonal variability of pasture nutritive value using multispectral radiometry. Grass & Forage Science. 68 (1), 110-119. https://doi.org/10.1111/j.1365-2494.2012.00877.x.spa
dc.relation.referencesPullanagari, R., Dynes, R., King, W., Yule, I., Thulin, S., Knox, N y Ramoleo, A. (2016). Remote sensing of pasture quality. UKnowledge. https://uknowledge.uky.edu/cgi/viewcontent.cgi?article=1271&context=igc#:~:text=Remote%20sensing%20has%20potential%20to%20provide%20pasture%20quality%20information%2C%20however,issues%20need%20to%20be%20resolved.spa
dc.relation.referencesPunalekar, S.M., Verhoef, A., Quaife, T.L., Humphries, D., Bermingham, L., Reynolds, C.K., (2018). Application of Sentinel-2A data for pasture biomass monitoring using a physically based radiative transfer model. Remote Sens. Environ, 218, 207–220. https://doi.org/10.1016/j.rse.2018.09.028.spa
dc.relation.referencesRamírez, A. (2013). Evaluación del crecimiento de pastos usando índices de vegetación calculados a partir de información satelital [Tesis de maestría, Universidad Nacional] Repositorio Institucional Biblioteca Digital. https://repositorio.unal.edu.co/handle/unal/75325.spa
dc.relation.referencesRebordosa, X. y López, J. (2010). Aplicación de la teledetección en el seguimiento temporal de actividades mineras a cielo abierto. Actualidad tecnológica, 6-11. https://es.scribd.com/document/353076822/4-Dialnet-AplicacionDeLaTeledeteccionEnElSeguimientoTemporal-3395277-pdf.spa
dc.relation.referencesRennie, G. M., King, W. M., Puha, M. R., Dalley, D. E, Dynes, R. A y Upsdell, M. P. (2009). Calibration of the C-DAX Rapid Pasturemeter and the rising platemeter for kikuyu-basedNorthland dairy pastures. Proc N Z Grassl Assoc, 71, 49–55. DOI: 10.33584/jnzg.2009.71.2779.spa
dc.relation.referencesRincón, A., Cuesta, P.A., Pérez, R., Lascano, C.E y Ferguson, J. (Eds). (1992). Maní forrajero perenne (Arachis pintoi) Krapowickas y Gregory. Una alternativa para ganaderos y agricultores. Instituto Colombiano Agropecuario (ICA). http://hdl.handle.net/20.500.12324/31579.spa
dc.relation.referencesRincón, A. (1995). Producción de semilla de Brachiaria dictyoneura y Brachiaria brizantha en las sabanas bien drenadas de los Llanos Orientales de Colombia. Pasturas tropicales, 17 (3). http://www.tropicalgrasslands.info/public/journals/4/Elements/DOCUMENTS/1995-vol17-rev1-2-3/Vol17_rev3_95_art9.pdf.spa
dc.relation.referencesRincón, A y Bueno, G. (Eds). (1997). Producción de semilla de pasto llanero (Brachiaria dictyoneura) en la Altillanura colombiana. Corporación Colombiana de Investigación Agropecuaria – CORPOICA. http://hdl.handle.net/20.500.12324/694.spa
dc.relation.referencesRincón, A. (2011). Efecto de alturas de corte sobre la producción de forraje de Brachiaria sp. en el piedemonte Llanero de Colombia. Revista Corpoica – Ciencia y Tecnología Agropecuaria, 12 (2), 107-112. https://dialnet.unirioja.es/servlet/articulo?codigo=5624828spa
dc.relation.referencesRincón, A., Flórez, H., Ballesteros, H y León, M. (2018). Efectos de la fertilización en la productividad de una pastura de Brachiaria humidicola cv. Llanero en el Piedemonte de los Llanos Orientales de Colombia. Tropical Grassland, 6 (1),158-168. http://dx.doi.org/10.17138/tgft(6)158-168.spa
dc.relation.referencesRincón, A., Álvarez, M., Pardo, O., Amaya, M. A y Díaz, R. A. (2019). Estimación de la concentración de clorofila y su relación con la concentración de proteína cruda en tres especies del pasto Urochloa en el Piedemonte Llanero, Colombia. Tropical Grasslands, 7 (5), 533-537. DOI: 10.17138/TGFT(7)533-537.spa
dc.relation.referencesRippstein, G., Sionneau, J., Escobar, G y Ramírez, G. (2001). Radiometría terrestre para el inventario y otros estudios de la vegetación de sabana. En G. Rippstein., J, Escobar., F, Motta (Ed.), Agroecología y biodiversidad de las sabanas en los llanos orientales de Colombia. CIRAD – CIAT. https://repositorio.unal.edu.co/handle/unal/9670.spa
dc.relation.referencesRobel, R.J., Briggs, J.N., Dayton, A.D y Hulbert, L.C. (1970). Relationships Between Visual Obstruction Measurements and Weight of Grassland Vegetation. Journal of Range Management Archives, 23 (4). https://journals.uair.arizona.edu/index.php/jrm/article/view/5830/5440.spa
dc.relation.referencesRodrigues, S. S. (2017). Veículo aéreo nao tripulado de asa rotativa na atividade de mapeamento e colecta de imgem na agricultura de precisao e no monitoramento de animais [Tesis de maestria, Universidade de Sao Paulo] Tesis y disertaciones. https://teses.usp.br/teses/disponiveis/74/74134/tde-24042017-104340/es.php.spa
dc.relation.referencesRodrigues, P., Aires-Dias, J., Silva, A., Almeida, T., Lopes de silva, T y Silva, P. (2015). Imagens multiespectrais para estimar características produtivas de gramíneas tropicais. Instituto Federal de Tocantins, 6. https://propi.ifto.edu.br/ocs/index.php/jice/6jice/paper/viewFile/7127/3422.spa
dc.relation.referencesRossini, C., Pereyra, O., Graciosa, M., Machado, M y Figueiredo, C. (2015). Imagens multiespectrais para avaliação de índice de área foliar e massa seca do capim ‘Tifton 85’, sob adubação nitrogenada. Ciencia Rural, 45 (4), 697-703. http://dx.doi.org/10.1590/0103-8478cr20131424.spa
dc.relation.referencesRunning, S. W. (2004). Global land data sets for next‐generation biospheric monitoring. Wiley Online Library, 85 (2), 543-545. https://doi.org/10.1029/2004EO500006.spa
dc.relation.referencesSahoo, R.N., Ray, S.S., Manjunath, K.R., (2015). Hyperspectral remote sensing of agriculture. Current Science, 108 (5), 848-859. https://ncfc.gov.in/publications/p2.pdf.spa
dc.relation.referencesSánchez, G., Osorio, E., Alvarez, J.A, Marín, J, Sánchez, A y Gil, O.J. (1989). Adaptación y producción de gramíneas y leguminosas forrajeras en el departamento de Antioquia, Colombia. Pasturas Tropicales, 11 (3). http://www.tropicalgrasslands.info/index.php/tgft/pages/view/Pasturas.spa
dc.relation.referencesSánchez, J., Villareal, M y Soto, H. (2000). Caracterización nutricional de los componentes forrajeros de cuatro asociaciones gramíneas/Arachis pintoi. Nutrición Animal Tropical, 6 (1). https://www.academia.edu/27599445/Caracterizaci%C3%B3n_de_los_componentes_forrajeros_de_cuatro_asociaciones_gram%C3%ADneas_Arachis_pintoi.spa
dc.relation.referencesSánchez, J y Yánez, S. (2018). Análisis de la correlación entre el volumen y vigorosidad vegetal de pasto con las características del suelo mediante técnicas de UAV [Tesis de pregrado, Universidad de las Fuerzas Armadas] Repositorio Dspace. http://repositorio.espe.edu.ec/handle/21000/14011.spa
dc.relation.referencesSanches, D. I. (2009). Hyperspectral proximal sensin of the botanical composition and nutrient content of New Zealand pastures [Tesis de doctorado, Massey University] Theses and Dissertations. http://hdl.handle.net/10179/1194.spa
dc.relation.referencesSankey, T., Leonard, J y Moore, M. (2019). Unmanned Aerial Vehicle−Based Rangeland Monitoring: Examining a Century of Vegetation Changes. Rangeland Ecology & Management, 72 (5), 858-863. https://doi.org/10.1016/j.rama.2019.04.002.spa
dc.relation.referencesSantillan, R.A, Ocumpaugh, W.R y Mott, G.O. (1979). Estimating Forage Yield with a Disk Meter. Agronomy Journal. 71, 71-74. DOI: 10.2134/agronj1979.00021962007100010017x.spa
dc.relation.referencesSarandón, S. y Flores, C. (Eds). (2016). Agroecología: bases teóricas para el diseño y manejo de Agroecosistemas sustentables.Universidad Nacional de La Plata. https://libros.unlp.edu.ar/index.php/unlp/catalog/view/72/54/181-1.spa
dc.relation.referencesSilva, J., Ferreira, L., Rego, J y Arantes, A. (2015). Utilização de imagens aéreas de um Veículo Aéreo Não-Tripulado (VANT) para estimativa de cobertura verde das pastagens cultivadas em duas áreas experimentais no município de Uberlândia – MG. Anais XVII Simpósio Brasileiro de Sensoriamento Remoto – SBSR. https://www.academia.edu/18007262/Utiliza%C3%A7%C3%A3o_de_imagens_a%C3%A9reas_de_um_Ve%C3%ADculo_A%C3%A9reo_N%C3%A3o_Tripulado_VANT_para_estimativa_de_cobertura_verde_das_pastagens_cultivadas_em_duas_%C3%A1reas_experimentais_no_munic%C3%ADpio_de_Uberl%C3%A2ndia_MG.spa
dc.relation.referencesSquella, F., Márques, C., Silva, M y Mansilla, A. (1990). Validación del método BOTANAL en una pastura de Phalaris aquatica y Trifolium Subterraneum. I. Evalución del método del rendimiento comparativo, en la estimación de la disponibilidad de fitomasa. Agricultura técnica, 50 (3), 200-207. http://www.chileanjar.cl/files/V50I3A03_es.pdf.spa
dc.relation.referencesSripada, R. P., Heiniger, R. W., White, J. G., Weisz, R. (2006). Aerial color infrared photography for determining late-season nitrogen requirements in corn. Agronomy Journal, 97 (5), 1443-1451. https://doi.org/10.2134/agronj2004.0314.spa
dc.relation.referencesSlaton, M.R., Raymond Hunt, E., Jr., Smith, W.K. (2001). Estimating near-infrared leaf reflectance from leaf structural characteristics. Am. J. Bot, 88 (2), 278–284. https://pubmed.ncbi.nlm.nih.gov/11222250/.spa
dc.relation.referencesStenzel, S., Fassnacht, F., Mack, B y Schnidtlen, S. (2017). Identification of high nature value grassland with remote sensing and minimal field data. Ecological Indicator, 74, 28-38. https://doi.org/10.1016/j.ecolind.2016.11.005.spa
dc.relation.referencesTammadge, D., Álvarez, F. y Rodríguez, J. (2012). Evaluación del producto MODIS GPP en biomas no arbolados empleando datos de torres de flujo de Carbono. XV Congreso Nacional de Tecnologías de la Información Geográfica. http://www.congresos.cchs.csic.es/TIG2012/sites/default/files/Alvarez-Taboada%2CMF.pdf.spa
dc.relation.referencesToledo, J.M., Burns, J.C., Lucas, H.L., Jr, H.L y Angelone, A. (1981). Herbage measurements in situ by electronics. III. Calibration, characterization and field application of the earth-plate forage capacitance meter: a prototype. Grass and forage Sci, 35 (3), 189-196. https://doi.org/10.1111/j.1365-2494.1980.tb01511.x.spa
dc.relation.referencesToledo, J. (Eds) (1982). Manual para la evaluación agronómica. Red Internacional de Evaluación de Pastos Tropicales. Centro de Internacional de Agricultura Tropical- CIAT. https://cgspace.cgiar.org/handle/10568/54148.spa
dc.relation.referencesTorres, J., Peña, J., Castro, A. y López, F. (2014). Multi-temporal mapping of the vegetation fraction in early-season wheat fields using images from UAV. Computers and Electronics in Agriculture, 103, 104–113. https://doi.org/10.1016/j.compag.2014.02.009.spa
dc.relation.referencesToro-Mújica, P., García A., Gómez-Castro, A., Acero, R., Perea, J. y Rodríguez-Estévez, V. (2011). Sustentabilidad de Agroecosistemas. Arch. Zootec, 59, 71-94. https://doi.org/10.21071/az.v59i232.4908.spa
dc.relation.referencesTothill, J.C., Hargreaves, J.N y Jones, R.N. (Eds). (1978). Botanal; a comprehensive sampling and computing procedure for estimating pasture yield and composition. I. Field sampling. Division of tropical crops and pasture, Tropical Agronomy, CSIRO. https://doi.org/10.4225/08/58712e506e989.spa
dc.relation.referencesTrotter, M. G., Lamb, D. W., Donald, G. E y Schneider, D. A. (2010). Evaluating an active optical sensor for quantifying and mapping green herbage mass and growth in a perennial grass pasture. Crop & Pasture Science. 61(5, 389-398. https://doi.org/10.1071/CP10019.spa
dc.relation.referencesTucker ,C. J y Sellers . P. J. (1986). Satellite remote sensing of primary production. International Journal of Remote Sensing, 7 (11), 1395-1416, https://doi.org/10.1080/01431168608948944.spa
dc.relation.referencesTurner, D. P., Ritts, W. D., Cohen, W. B., Maeirsperger, T. K., Gower, S. T., Kirschbaum, A. A., . Gamon, J. A. (2005). Site‐level evaluation of satellite‐based global terrestrial gross primary production and net primary production monitoring. Global Change Biology, 11. 667-684. https://www.fs.usda.gov/treesearch/pubs/24539.spa
dc.relation.referencesVela, W., Keller, G y Pinedo, L. (1990). Productividad animal en la asociacion de Brachiaria dictyoneura CIAT 6133 con Desmodium ovalifolium CIAT 350 en Pucallpa. En. G. Keller (Ed.), Red Internacional de Evaluación de Pastos Tropicales (RIEPT), 6-9 de Noviembre, Lima, Perú. Documento de trabajo, 75 (2). Centro Internacional de Agricultura Tropical – CIAT. https://agris.fao.org/agris-search/search.do?recordID=QT19970050898.spa
dc.relation.referencesVela, J.W y Flores, A. (1996). Productividad animal de la asociación Brachiaria dictyoneura CIAT 6133-Desmodium ovalifolium CIAT 350 en Pucallpa. Tropical Grasslands, 18 (1). http://www.tropicalgrasslands.info/index.php/tgft/pages/view/Pasturas.spa
dc.relation.referencesVon Bennewitz, E. (2012). Uso de imágenes satelitales multiespectrales e índices de vegetación, como herramientas para estudiar el desarrollo fenológico y crecimiento del cerezo (prunus avium l.) en tres localidades de la provincia de curicó, región del maule-chile [Tesis de maesria, Universidad de Talca] Repositorio ANID. http://repositorio.conicyt.cl/handle/10533/184362#.spa
dc.relation.referencesVon Bueren, S y Yule, I. (2013). Multispectral aerial imaging of pasture quality and biomass using unmanned aerial vehicles (UAV). Institute of Agriculture and Environment. http://tur-www1.massey.ac.nz/~flrc/workshops/13/Manuscripts/Paper_vonBueren_2013.pdf.spa
dc.relation.referencesWatanabe, F., Alcatara, E., Rodrigues, T., Rotta, L., Bernardo, N. y Imai, N. (2017). Remote sensing of the chlorophyll-a based on OLI/Landsat-8 and MSI/Sentinel-2A, Barra Bonita reservoir, Brazil. Anais da Academia Brasileira de Ciências, 90 (2). http://www.scielo.br/scielo.php?pid=S0001-37652017005020119&script=sci_abstract.spa
dc.relation.referencesWilm, H. G., Costello, D.F y Klipple, G. (1944). Estimating Forage Yield by the Double-Sampling Method. Journal of the American Society of Agronomy, 36 (3), 194-203. https://doi.org/10.2134/agronj1944.00021962003600030003x.spa
dc.relation.referencesZimmerer, K. (2010). Biological Diversity in Agriculture and Global Change. The annual review of environment and resources, 35, 137-166. https://doi.org/10.1146/annurev-environ-040309-113840.spa
dc.relation.referencesBaret, F y Guyot, G. (1991). Potentials and limits of vegetation indexes for LAI and APAR assessment. Remote Sensing of Environment, 35 (2-3), 161-173. DOI: https://doi.org/10.1016/0034-4257(91)90009-U.spa
dc.relation.referencesBayma-silva, G.; Santos, PM. (Eds). (2019). Protocolo de campo para investigação, calibração e validação de métodos para estimativade massa de forragem baseados em sensoriamento remoto orbital e proximal de forragem baseados em sensoriamentoremoto orbital e proximal; Embrapa Informarunatica https://www.infoteca.cnptia.embrapa.br/handle/doc/1117053.spa
dc.relation.referencesBeeri, O., Phillips, R., Hendrickson, J., Frank, A. B y Kronberg, S. (2007). Estimating forage quantity and quality using aerial hyperspectral imagery for northern mixed-grass prairie. Remote Sensing of Environment, 110, 216–225. https://doi.org/10.1016/j.rse.2007.02.027.spa
dc.relation.referencesBirth, G y G. McVey. (1968). Measuring the Color of Growing Turf with a Reflectance Spectrophotometer. Agronomy Journal, 60 (1), 640-643. https://doi.org/10.2134/agronj1968.00021962006000060016x.spa
dc.relation.referencesCarulla, J.E., Lascano, C.E., Ward, J.K. (1991). Selectivity of resident and oeophageal fistulated steers grazing Arachis pintoi and Brachiaria dictyoneura in the Llanos of Colombia. Tropical Grasslands. 25, 317-324. Disponible en: https://cgspace.cgiar.org/handle/10568/44085.spa
dc.relation.referencesCarneiro, F. M., Furlani, C., Zerbato, C., Menezes, P. C y Gírio, L. (2019). Correlations among vegetation indices and peanut traits during different crop development stages. Engenharia Agrícola, 39, 33-40. https://doi.org/10.1590/1809-4430-eng.agric.v39nep33-40/2019.spa
dc.relation.referencesCarlson, T.N., Ripley, D.A. (1997). On the relation between NDVI, fractional vegetation cover, and leaf area index. Remote Sens Environ, 62 (3), 241–52. https://doi.org/10.1016/S0034-4257(97)00104-1.spa
dc.relation.referencesCisneros, A., Fiorio, P., Menezes, P., Pasqualotto, N., Wittenberghe, S., Bayma, G y Nogueira, S. (2020). Mapping Productivity and Essential Biophysical Parameters of Cultivated Tropical Grasslands from Sentinel-2 Imagery. Agronomy, 10 (5), 711. https://doi.org/10.3390/agronomy10050711.spa
dc.relation.referencesCook, B y Schultze-Kraft. (2015). Botanical name changes – nuisance or a quest for precision?. Tropical Grasslands, 3, 34-40. https://doi.org/10.17138/tgft(3)34-40.spa
dc.relation.referencesDepartamento Administrativo Nacional de Estadística (DANE). (2014) 3er Censo Nacional Agropecuario, La mayor operación estadística del campo colombiano en los últimos 45 años. Tomo 2, Resultados. https://www.dane.gov.co/files/images/foros/foro-de-entrega-de-resultados-y-cierre-3-censo-nacional-agropecuario/CNATomo2-Resultados.pdf.spa
dc.relation.referencesDíaz, R.A., Alvarez, M., Pérez, O., Gutiérrez, B y Villalobos, M. (2019). Uso de sensores remotos en la determinación de la oferta de forraje del pasto Brachiaria humidicola subsp. dictyoneura bajo pastoreo en la Altillanura colombiana. 42º Congreso Argentino de Producción Animal. Revista Argentina de Producción Animal, 39 (1), 99-167. http://ppct.caicyt.gov.ar/index.php/rapa/article/view/16419/45454575768681.spa
dc.relation.referencesDingaan, M.N.V y Tsubo, M. (2019). Improved assessment of pasture availability in semi-arid grassland of South Africa. Environ Monit Assess, 191, 733. https://doi.org/10.1007/s10661-019-7918-x.spa
dc.relation.referencesEpstein, H.E., Walker, D.A., Jia, G.J y Kelley, A.M. (2005). Climate, plant biomass, NDVI and LAI relationships along the full arctic bioclimate gradient. Am Geophys Union, 23, 1012-1024. https://ui.adsabs.harvard.edu/abs/2005AGUFM.B33E1092E/abstract.spa
dc.relation.referencesEscribano, J. A; Hernández, C. G y Tarquis, A. (2015). Selección de índices de vegetación para la estimación de la producción herbácea en dehesas. Revista Pastos, 2 (44), 6-18. http://polired.upm.es/index.php/pastos.spa
dc.relation.referencesForsmoo, J., Anderson, K., Macleod, C. J. A., Wilkinson, M. E., Brazier, R. (2018). Drone-based structure-from-motion photogrammetry captures grassland sward height variability. Journal of Applied Ecology, 55 (6), 2587–2599. https://doi.org/10.1111/1365-2664.13148.spa
dc.relation.referencesGichangi, E.M., Njarui, D.M y Gatheru, M. (2017). Plant shoots and roots biomass of brachiaria grasses and their effects on soil carbon in the semi-arid tropics of Kenya. Tropical and Subtropical Agroecosystems, 20, 65-74. http://www.revista.ccba.uady.mx/ojs/index.php/TSA/article/view/2244.spa
dc.relation.referencesGitelson, A y M. Merzlyak. (1998). Remote Sensing of Chlorophyll Concentration in Higher Plant Leaves. Advances in Space Research, 22 (5), 689-692. https://doi.org/10.1016/S0273-1177(97)01133-2.spa
dc.relation.referencesGitelson, A.A., Kaufman, Y.J., Stark, R y Rundquist, D. (2002). Novel algorithms for remote estimation of vegetation fraction. Remote Sens Environ, 80 (1), 76-87. https://doi.org/10.1016/S0034-4257(01)00289-9.spa
dc.relation.referencesGitelson, A., Y. Gritz, y M. Merzlyak. (2003). Relationships Between Leaf Chlorophyll Content and Spectral Reflectance and Algorithms for Non-Destructive Chlorophyll Assessment in Higher Plant Leaves. Journal of Plant Physiology, 160 (3), 271-282. https://doi.org/10.1078/0176-1617-00887.spa
dc.relation.referencesHuete, A. (1988). A Soil-Adjusted Vegetation Index (SAVI). Remote Sensing of Environment, 25 (3), 295-309. https://doi.org/10.1016/0034-4257(88)90106-X.spa
dc.relation.referencesHuete, A., Jackson, R y Post, D. (1985). Spectral response of a plant canopy with different soil backgrounds. Remote Sensing of Environment, 17 (1), 37-53. https://doi.org/10.1016/0034-4257(85)90111-7.spa
dc.relation.referencesInsua, J.R, Utsumi, S.A y Basso, B. (2019). Estimation of spatial and temporal variability of pasture growth and digestibility in grazing rotations coupling unmanned aerial vehicle (UAV) with crop simulation models. PLoS ONE, 14 (3). https://doi.org/10.1371/journal.pone.0212773.spa
dc.relation.referencesJiang, Z ., Huete, AR., Chen, J., Chen, Y., Li, J., Yan, G y Zhang, X. (2006). Analysis of NDVI and scaled difference vegetation index retrievals of vegetation fraction. Remote Sensing of Environment, 101 (3), 366-378. https://doi.org/10.1016/j.rse.2006.01.003.spa
dc.relation.referencesLu, B. (2017). Estimating Grassland Biophysical and Biochemical Properties Using Remote Sensing and Modelling [Tesis de doctorado, University of Toronto] ProQuest. https://www.proquest.com/openview/0424ddda1f876641bda478ddd8ecf3b6/1?pq-origsite=gscholar&cbl=18750.spa
dc.relation.referencesLu, B y He, Y. (2017). Species classification using Unmanned Aerial Vehicle (UAV)-acquired high spatial resolution imagery in a heterogeneous grassland. ISPRS Journal of Photogrammetry and Remote Sensing, 128, 73-85. http://dx.doi.org/10.1016/j.isprsjprs.2017.03.011.spa
dc.relation.referencesNakano, T., Bavuudorj, G., Urianhai, N. G y Shinoda, M. (2013). Monitoring aboveground biomass in semiarid grasslands using MODIS images. Journal of Agricultural Meteorology, 69 (1), 33–39. https://doi.org/10.2480/agrmet.69.1.1.spa
dc.relation.referencesMyneni, R.B., Hall, F.G., Sellers, P.J y Marshak, A.L. (1995). The interpretation of spectral vegetation indexes. T Geos Remote Sens, 33 (2), 481-486. https://doi.org/10.1109/TGRS.1995.8746029.spa
dc.relation.referencesMotta-Delgado, P. A., Ocaña Martínez, H. E., y Rojas-Vargas, E. P. (2019). Indicadores asociados a la sostenibilidad de pasturas: una revisión. Ciencia y Tecnología Agropecuaria, 20 (2), 387-430. https://doi.org/10.21930/rcta.vol20num2art:1464.spa
dc.relation.referencesPeñuelas, J., Bart, F y Filella, I. (1995). Semi-empirical índices to acssess carotenoids/chlorophyll a ratiofrom leaf spectral reflectance. Photosynthetica, 31 (2), 221-230. https://hal.inrae.fr/hal-02779352.spa
dc.relation.referencesPardo, O., Rincón, A y Hess. (1999). Gramíneas y leguminosas adaptadas a las condiciones de los llanos orientales. En C.A. Jaramillo (Ed.), Alternativas forrajeras para los llanos orientales de Colombia (pp. 7-23). Corporación Colombiana de Investigación Agropecuaria – Corpoica. http://hdl.handle.net/20.500.12324/35795.spa
dc.relation.referencesPosada, A. W. (2018). Evaluación de praderas de pasto kikuyo (Cenchrus clandestinus (Hochst. Ex Chiov) Morrene) a través de imágenes multiespectrales [Tesis de maestria no publicada]. Universidad de Antioquia.spa
dc.relation.referencesPosada, A. W.., Medina, M y Cerón, M. (2019). Estimación de la calidad y cantidad de pasto kikuyo (Cenchrus clandestinum (Hochst. ex Chiov.) Morrone) usando imágenes multiespectrales. Revista U.D.C.A Actualidad & Divulgación Científica, 22 (1). https://doi.org/10.31910/rudca.v22.n1.2019.1195.spa
dc.relation.referencesRaab, C., Riesch, F., Tonn, B., Barrett, B., Meißner, M., Balkenhol, N y Isselstein, J. (2020). Target-oriented habitat and wildlife management: estimating forage quantity and quality of semi-natural grasslands with Sentinel-1 and Sentinel-2 data. Remote Sensing in Ecology and Conservation, 6 (3), 381-398. https://doi.org/10.1002/rse2.149.spa
dc.relation.referencesRahetlah, V.B., Salgado, P., Andrianarisoa, B., Tillard, E., Razafindrazaka, H., Mézo, L y Ramalanjaona, V. L. (2014). Relationship between normalized difference vegetation index (NDVI) and forage biomass yield in the Vakinankaratra region, Madagascar. Livestock Research for Rural Development, 26 (5). https://lrrd.cipav.org.co/lrrd26/5/rahe26095.html.spa
dc.relation.referencesRen, S, Chen, X y An, S. (2017). Assessing plant senescence reflectance index-retrieved vegetation phenology and itsspatiotemporal response to climate change in the Inner Mongolian Grassland. Int. J. Biometeorol, 61 (4), 601–612. DOI: 10.1007 / s00484-016-1236-6.spa
dc.relation.referencesRincón, A. (2011). Efecto de alturas de corte sobre la producción de forraje de Brachiaria sp. en el piedemonte Llanero de Colombia. Revista Corpoica – Ciencia y Tecnología Agropecuaria, 12 (2), 107-112. https://dialnet.unirioja.es/servlet/articulo?codigo=5624828spa
dc.relation.referencesRincón, A., Flórez, H., Ballesteros, H y León, M. (2018). Efectos de la fertilización en la productividad de una pastura de Brachiaria humidicola cv. Llanero en el Piedemonte de los Llanos Orientales de Colombia. Tropical Grassland, 6 (1),158-168. http://dx.doi.org/10.17138/tgft(6)158-168.spa
dc.relation.referencesRipley, B.D., Venables, B., Bates, D., Hornik, K., Gebhardt, A y Firth, D. (2020). Package “MASS”. Version 7.3-57. https://cran.r-project.org/web/packages/MASS/MASS.pdf.spa
dc.relation.referencesR Development Core Team. (2016). R: A Language and Environment for Statistical Computing. Version 4.0.0 2020-04-24, Arbor Day.spa
dc.relation.referencesRouse, J., R. Haas, J. Schell, y D. (1973). Deering. Monitoring Vegetation Systems in the Great Plains with ERTS. Third ERTS Symposium, NASA, 309-317. https://ntrs.nasa.gov/citations/19740022614.spa
dc.relation.referencesRoujean, J y F. Breon. (1995). Estimating PAR Absorbed by Vegetation from Bidirectional Reflectance Measurements. Remote Sensing of Environment, 51 (3), 375-384. https://doi.org/10.1016/0034-4257(94)00114-3.spa
dc.relation.referencesRueda, V. P., Peña, J. M., Höglind, M., Bengochea, J. M., Andújar, D. (2019). Comparing UAV-basedtechnologies and RGB-Dreconstructionmethodsfor plant heightandbiomassmonitoringon grass ley. Sensors, 19 (3), 535. https://doi.org/10.3390/s19030535.spa
dc.relation.referencesSánchez, J y Yánez, S. (2018). Análisis de la correlación entre el volumen y vigorosidad vegetal de pasto con las características del suelo mediante técnicas de UAV [Tesis de pregrado, Universidad de las Fuerzas Armadas] Repositorio Dspace. http://repositorio.espe.edu.ec/handle/21000/14011.spa
dc.relation.referencesSánchez, G., Osorio, E., Alvarez, J.A, Marín, J, Sánchez, A y Gil, O.J. (1989). Adaptación y producción de gramíneas y leguminosas forrajeras en el departamento de Antioquia, Colombia. Pasturas Tropicales, 11 (3). http://www.tropicalgrasslands.info/index.php/tgft/pages/view/Pasturas.spa
dc.relation.referencesSinde, I., Yánez, D., Grefa, J., Arza, M y Gil, M. (2020). Estimación del rendimiento del pasto mediante NDVI con imágenes multiespectrales de vehículos aéreos no tripulados (UAV). Revista GEOESPACIAL, 17 (1), 25-38. https://journal.espe.edu.ec/ojs/index.php/revista-geoespacial/article/view/1640.spa
dc.relation.referencesTamás, J., Nagy, A y Farkané. (2019). Beyond NDVI-Spectral indexing of biomass. Journal of Agricultural Informatics, 10 (2). 28-36. https://doi.org/10.17700/jai.2019.10.2.553.spa
dc.relation.referencesUnidad de Planificación Rural Agropecuaria – UPRA, (2019). Por primera vez en Colombia se identifican las áreas aptas para el cultivo de pastos. https://www.agronet.gov.co/Noticias/Paginas/Por-primera-vez-en-Colombia-se-identifican-las-%C3%A1reas-aptas-para-el-cultivo-de-pastos.aspx.spa
dc.relation.referencesVela, J.W y Flores, A. (1996). Productividad animal de la asociación Brachiaria dictyoneura CIAT 6133-Desmodium ovalifolium CIAT 350 en Pucallpa. Tropical Grasslands, 18 (1). http://www.tropicalgrasslands.info/index.php/tgft/pages/view/Pasturas.spa
dc.relation.referencesWood, S. (2019). Mixed GAM Computation Vehicle with Automatic Smoothness Estimation. Package “mgcv”. Version 1.8-31. https://cran.r-project.org/web/packages/mgcv/mgcv.pdf.spa
dc.relation.referencesZerbato, C., Rosalen, D.L., Furlani, C.E.A., Deghaid., J y Voltarelli, M.A. (2016). Agronomic characteristics associated with the normalized difference vegetation index (NDVI) in the peanut crop. Australian Journal of Crop Science, 10 (5), 758-764. DOI:http://dx.doi.org/10.21475/ajcs.2016.10.05.p7167 .spa
dc.relation.referencesZhang, Z., Liu, M., Liu, X y Zhou, G. A. (2018). New Vegetation Index Based on Multitemporal Sentinel-2 Images for Discriminating Heavy Metal Stress Levels in Rice. Sensors, 18 (7), 2172. https://doi.org/10.3390/s18072172.spa
dc.relation.referencesZhangyan, J., Huete, A., Chen, J., Chen, Y., Li, J., Yan, G y Zhang, X. (2006). Analysis of NDVI and scaled difference vegetation index retrievals of vegetation fraction. Remote Sensing of Environment, 63 (3), 366-378. https://doi.org/10.1016/j.rse.2006.01.003.spa
dc.relation.referencesAlonso M., Rozados M., Ignacio M., Rozas V., Lamas S., Chapela D. y Fontúrbel M. (2008). Nitrógeno foliar como estimador de clorofila en una población en de Laurus nobilis del parque nacional de las islas atlánticas, Galicia (No España). Cuadernos de la Sociedad Española de ciencias forestales, 25, 61-66. https://dialnet.unirioja.es/servlet/articulo?codigo=4249059.spa
dc.relation.referencesÁlvarez, M y Rincón, A. (2010). Características agroecológicas de la Orinoquia colombiana. En A. Rincón., C.A. Jaramillo (Ed.), Establecimiento, manejo y utilización de recursos forrajeros en sistemas ganaderos de suelos ácidos (pp. 27-70). Corporación Colombiana de Investigación Agropecuaria – Corpoica. http://hdl.handle.net/20.500.12324/12703.spa
dc.relation.referencesAndrade, B y Moncayo, L. (2017). Análisis de NDVI contrastando diferentes metodologías de toma de datos espectrales, en cultivos de pastos en etapa previa de pastoreo [Tesis de pregrado, Universidad de las fuerzas armadas] Repositorio Dspace. http://repositorio.espe.edu.ec/handle/21000/13158spa
dc.relation.referencesArantes, A. (2017). Caracterização Biofísica e Potencial à Intensificação Sustentável da Pecuária Brasileira em Pastagens [Tesis de doctorado, Universidad Federal de Goiás - UFG] Biblioteca Digital de Teses e Dissertações Biblioteca Digital Brasileña de Tesis y Disertaciones (BDTD). http://repositorio.bc.ufg.br/tede/handle/tede/8075spa
dc.relation.referencesAriza, C., Mayorga, O. L., Mojica, B., Parra, D., y Afanador-Tellez, G. (2018). Use of LOCAL algorithm with near infrared spectroscopy in forage resources for grazing systems in Colombia. Journal of Near Infrared Spectroscopy, (1), 44–52. https://doi.org/10.1177/0967033517746900.spa
dc.relation.referencesArruda, D.S., Weber, M., Jobin, C y Carvalho, P.C. (2011). Métodos de avaliação de massa de forragem em pastagens de capim-estrela submetidas a intensidades de pastejo. Ciência Rural, 41 (11), 2004-2009. http://www.scielo.br/scielo.php?pid=S010384782011001100025&script=sci_abstract&tlng=pt.spa
dc.relation.referencesBeaulieu, N., Álvarez, M. y Rincón, M. (2006). Detección de la degradación en pasturas usando series temporales de imágenes multiespectrales en los llanos orientales de Colombia. http://hdl.handle.net/20.500.12324/1218.spa
dc.relation.referencesBernardi, A.C y Pérez, N. (2014). Agricultura de Precisão em Pastagens. Brazilian Precision Agriculture Research Network. https://www.embrapa.br/busca-de-publicacoes/-/publicacao/1003689/agricultura-de-precisao-em-pastagens.spa
dc.relation.referencesBirth, G y G. McVey. (1968). Measuring the Color of Growing Turf with a Reflectance Spectrophotometer. Agronomy Journal, 60 (1), 640-643. https://doi.org/10.2134/agronj1968.00021962006000060016x.spa
dc.relation.referencesBraga, G. J., Pedreira, C., Herling, V.R., Luz, P., Marchesin, W y Macedo, F. (2009). Quantifying herbage mass on rotationally stocked palisadegrass pastures using indirect methods. Scientia Agricola, 66 (1), 127-131. https://doi.org/10.1590/S0103-90162009000100018.spa
dc.relation.referencesCanchila, E.R, Soca, Mildrey, Ojeda, F, & Machado, R. (2009). Evaluación de la composición bromatológica de 24 accesiones de Brachiaria spp. Pastos y Forrajes, 32 (4). http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0864-03942009000400002&lng=es&tlng=es.spa
dc.relation.referencesCarulla, J.E., Lascano, C.E., Ward, J.K. (1991). Selectivity of resident and oeophageal fistulated steers grazing Arachis pintoi and Brachiaria dictyoneura in the Llanos of Colombia. Tropical Grasslands. 25, 317-324. Disponible en: https://cgspace.cgiar.org/handle/10568/44085.spa
dc.relation.referencesChehbouni, A., Huete, A., Kerr, H y Sorooshian. (1994). A Modified Soil Adjusted Vegetation Index. Remote Sensing of Environment, 48 (2) 119-126. https://doi.org/10.1016/0034-4257(94)90134-1.spa
dc.relation.referencesChuvieco, E. 2002. Teledetección ambiental. 1a. ed. Barcelona. Editorial Ariel.spa
dc.relation.referencesCosta, N L., Rodrigues, A., Malgalhaes, J., Bendahan, A., Rodrigues, B y Santos, F. (2019). Morfogênese e composição química de Brachiaria humidicola cv. Llanero sob períodos de descanso. Res., Soc. Dev, 8 (10),. https://doi.org/10.33448/rsd-v8i10.1356.spa
dc.relation.referencesCook, B y Schultze-Kraft. (2015). Botanical name changes – nuisance or a quest for precision?. Tropical Grasslands, 3, 34-40. DOI:10.17138/TGFT(3)34-40.spa
dc.relation.referencesCristiano, P.M. (2010). Estimación de la productividad primaria mediante el modelo de eficiencias y sensores remotos. [Tesis de doctorado, Universidad de Buenos Aires]. DOI:10.13140/RG.2.2.32765.46562.spa
dc.relation.referencesFournel, S., Rousseau, A.N y Laberge, B. (2017). Rethinking environment control strategy of confined animal housing systems through precision livestock farming. Biosyst Eng. 155, 96–123. https://doi.org/10.1016/j.biosystemseng.2016.12.005.spa
dc.relation.referencesGargiulo, J., Clark, C., Lyons, N., de Veyrac, G., Beale, P y Garcia S. (2020). Spatial and Temporal Pasture Biomass Estimation Integrating Electronic Plate Meter, Planet CubeSats and Sentinel-2 Satellite Data. Remote Sensing. 12 (19), 3222. https://doi.org/10.3390/rs12193222.spa
dc.relation.referencesGiraldo, L., Hincapie, A., Vásquez, M y Zapata, C. (1989). Evaluación de gramíneas y leguminosas forrajera en Amalfi, Colombia. Pasturas Tropicales, 11 (2). https://www.tropicalgrasslands.info/index.php/tgft/pages/view/Pasturas.spa
dc.relation.referencesGiraldo, L., Ranilla, M., Tejido, M y Carro, M. (2007). Efecto de la sustitución de Brachiaria dictyoneura por acacia mangium sobre la fermentacion ruminal in vitro. Pasturas Tropicales. 29, 39-46. http://www.tropicalgrasslands.info/public/journals/4/Elements/DOCUMENTS/2007-vol29-rev1/Vol_29_rev1_07_pags_39-46.pdf.spa
dc.relation.referencesGitelson, A y M. Merzlyak. (1998). Remote Sensing of Chlorophyll Concentration in Higher Plant Leaves. Advances in Space Research, 22 (5), 689-692. https://doi.org/10.1016/S0273-1177(97)01133-2.spa
dc.relation.referencesGitelson, A., Y. Gritz, y M. Merzlyak. (2003). Relationships Between Leaf Chlorophyll Content and Spectral Reflectance and Algorithms for Non-Destructive Chlorophyll Assessment in Higher Plant Leaves. Journal of Plant Physiology, 160 (3), 271-282. https://doi.org/10.1078/0176-1617-00887.spa
dc.relation.referencesHuete, A. (1988). A Soil-Adjusted Vegetation Index (SAVI). Remote Sensing of Environment, 25 (3), 295-309. https://doi.org/10.1016/0034-4257(88)90106-X.spa
dc.relation.referencesHuete, A; Didan,K; Miura,T; Rodriguez, E,P; gao,X; Ferreira, L,G. (2002). Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote Sensing of Environment, 83 (2), 195-213. https://doi.org/10.1016/S0034-4257(02)00096-2.spa
dc.relation.referencesInstituto Colombiano Agropecuario. (1987). Pasto Llanero. Boletín Tecnico (151). https://repository.agrosavia.co/bitstream/handle/20.500.12324/20476/78464_7324.pdf?sequence=1&isAllowed=y.spa
dc.relation.referencesInsua, J.R, Utsumi, S.A y Basso, B. (2019). Estimation of spatial and temporal variability of pasture growth and digestibility in grazing rotations coupling unmanned aerial vehicle (UAV) with crop simulation models. PLoS ONE, 14 (3). https://doi.org/10.1371/journal.pone.0212773.spa
dc.relation.referencesKerkech, M, Hafiane, A y Canals, R. (2020). Vine disease detection in UAV multispectral images using optimized image registration and deep learning segmentation approach. Computers and Electronics in Agriculture, 174. https://doi.org/10.1016/j.compag.2020.105446.spa
dc.relation.referencesKharuf, S., Orozco, R., Aday, O y Pineda, E. (2018). Multispectral aerial image processing system for precision agriculture. Sistemas & Telemática, 16 (47), 45-58. https://doi.org/10.18046/syt.v16i47.3221.spa
dc.relation.referencesLe, S., Josse, J y Husson, F. (2008). FactoMineR: An R Package for Multivariate Analysis. Journal of Statistical Software, 25 (1), 1-18. DOI: 10.18637/jss.v025.i01.spa
dc.relation.referencesMaimaitijiang, M., Sagan, V., Sidike, P., Hartling, S y Esposito, F. (2020). Soybean yield prediction from UAV using multimodal data fusion and deep learning. Remote Sensing of Environment, 237. https://doi.org/10.1016/j.rse.2019.111599.spa
dc.relation.referencesMitsikostas, A. (2017). Monitorización y optimización de tierras con drones y fotogrametría aérea para aplicaciones de precisión en agricultura [Trabajo de maestría, Universidad Politécnica de Valencia] Riunet – UPV. https://riunet.upv.es/handle/10251/86353.spa
dc.relation.referencesMónaco, N., Santa, V., Rosa, M. y Autran, V. (2017). Evaluación De Métodos Indirectos Para Estimar Biomasa En Un Pastizal Natural Del Sur De Córdoba (Argentina Central). Revista científica europea. ESJ, 13 (36), 59. https://doi.org/10.19044/esj.2017.v13n36p59.spa
dc.relation.referencesNguku, S. (2015). An evaluation of Brachiaria grass cultivars productivity in semi arid Kenya [Tesis de maestria, Universidad del Sureste de Kenia] Digital Repository. http://repository.seku.ac.ke/handle/123456789/1380.spa
dc.relation.referencesO'Mara, F. P. (2012). The role of grasslands in food security and climate change. Annals of Botany, 110 (6), 1263–1270. https://doi.org/10.1093/aob/mcs209.spa
dc.relation.referencesPardo, O y Pérez, O. (2010). Alternativas forrajeras para los llanos orientales de Colombia. En A. Rincón., C.A. Jaramillo (Ed.), Establecimiento, manejo y utilización de recursos forrajeros en sistemas ganaderos de suelos ácidos (pp. 27-70). Corporación Colombiana de Investigación Agropecuaria – Corpoica. http://hdl.handle.net/20.500.12324/12703.spa
dc.relation.referencesPassoni, F., Rosemberg, M y Flores, A. (1992). Evaluación de gramíneas y leguminosas forrajeras en Satipo, Perú. Pasturas Tropicales, 14 (1). https://www.tropicalgrasslands.info/index.php/tgft/pages/view/Pasturas.spa
dc.relation.referencesPeñuelas, J., Bart, F y Filella, I. (1995). Semi-empirical índices to acssess carotenoids/chlorophyll a ratiofrom leaf spectral reflectance. Photosynthetica, 31 (2), 221-230. https://hal.inrae.fr/hal-02779352.spa
dc.relation.referencesPérez, R y Cuesta, P. 1994. Especies forrajeras para el piedemonte llanero, su fertilización y manejo. En CORPOICA, SEAGRO (Ed.), Producción de pasto en el piedemonte llanero. https://repository.agrosavia.co/handle/20.500.12324/13485.spa
dc.relation.referencesPérez, O., Bueno, G., Baquero, J., Cassalett, E., Molina. … Fuentes, J. (Eds). (2019). Modelo productivo tecnologías integrales para sistemas de producción de bovinos de cría en la altillanura colombiana. Corporación Colombiana de Investigación Agropecuaria - Agrosavia. http://hdl.handle.net/20.500.12324/35060.spa
dc.relation.referencesPosada, A. W.., Medina, M y Cerón, M. (2019). Estimación de la calidad y cantidad de pasto kikuyo (Cenchrus clandestinum (Hochst. ex Chiov.) Morrone) usando imágenes multiespectrales. Revista U.D.C.A Actualidad & Divulgación Científica, 22 (1). https://doi.org/10.31910/rudca.v22.n1.2019.1195.spa
dc.relation.referencesPullanagari, R.R., Yule, I.J., Hedley, M.J., Tuohyet, M. P., Dynes R. A y King, W. M. (2012). Multi-spectral radiometry to estimate pasture quality components. Precision Agric, 13, 442–456. https://doi.org/10.1007/s11119-012-9260-yspa
dc.relation.referencesR Development Core Team. (2016). R: A Language and Environment for Statistical Computing. Version 4.0.0 2020-04-24, Arbor Day.spa
dc.relation.referencesRamírez, A. (2013). Evaluación del crecimiento de pastos usando índices de vegetación calculados a partir de información satelital [Tesis de maestría, Universidad Nacional] Repositorio Institucional Biblioteca Digital. https://repositorio.unal.edu.co/handle/unal/75325.spa
dc.relation.referencesRincón, A y Ligarreto, G. (2010). Relación entre nitrógeno foliar y el contenido de clorofila, en maíz asociado con pastos en el Piedemonte Llanero colombiano. Revista Corpoica. Ciencia y Tecnología Agorpecuaria, 11 (2), 122-128. http://revistacta.agrosavia.co/index.php/revista/article/view/202.spa
dc.relation.referencesRincón, A. (2011). Efecto de alturas de corte sobre la producción de forraje de Brachiaria sp. en el piedemonte Llanero de Colombia. Revista Corpoica – Ciencia y Tecnología Agropecuaria, 12 (2), 107-112. https://dialnet.unirioja.es/servlet/articulo?codigo=5624828.spa
dc.relation.referencesRincón, A., Flórez, H., Ballesteros, H y León, M. (2018). Efectos de la fertilización en la productividad de una pastura de Brachiaria humidicola cv. Llanero en el Piedemonte de los Llanos Orientales de Colombia. Tropical Grassland, 6 (1),158-168. http://dx.doi.org/10.17138/tgft(6)158-168.spa
dc.relation.referencesRincón, A., Álvarez, M., Pardo, O., Amaya, M. A y Díaz, R. A. (2019). Estimación de la concentración de clorofila y su relación con la concentración de proteína cruda en tres especies del pasto Urochloa en el Piedemonte Llanero, Colombia. Tropical Grasslands, 7 (5), 533-537. DOI: 10.17138/TGFT (7)533-537.spa
dc.relation.referencesRipley, B.D., Venables, B., Bates, D., Hornik, K., Gebhardt, A y Firth, D. (2020). Package “MASS”. Version 7.3-57. https://cran.r-project.org/web/packages/MASS/MASS.pdf.spa
dc.relation.referencesRippstein, G., Amézquita, E., Escobar, G y Grollier, C. (2001). Condiciones Naturales de la Sabana. En G. Rippstein., J, Escobar., F, Motta (Ed.), Agroecología y biodiversidad de las sabanas en los llanos orientales de Colombia. CIRAD – CIAT. https://repositorio.unal.edu.co/handle/unal/9670.spa
dc.relation.referencesRivas, L y Holmann, F. (2002). Sistemas de doble propósito y su viabilidad en el contexto de los pequeños y medianos productores en América latina tropical. In: Curso y Simposium Internacional. Actualización en el manejo de ganado bovino de doble propósito. UNAM. http://webapp.ciat.cgiar.org/tropileche/conferencias.pdf/holmann_paper.pdf.spa
dc.relation.referencesRouse, J., R. Haas, J. Schell, y D. (1973). Deering. Monitoring Vegetation Systems in the Great Plains with ERTS. Third ERTS Symposium, NASA, 309-317. https://ntrs.nasa.gov/citations/19740022614.spa
dc.relation.referencesRoujean, J y F. Breon. (1995). Estimating PAR Absorbed by Vegetation from Bidirectional Reflectance Measurements. Remote Sensing of Environment, 51 (3), 375-384. https://doi.org/10.1016/0034-4257(94)00114-3.spa
dc.relation.referencesSánchez, G., Osorio, E., Alvarez, J.A, Marín, J, Sánchez, A y Gil, O.J. (1989). Adaptación y producción de gramíneas y leguminosas forrajeras en el departamento de Antioquia, Colombia. Pasturas Tropicales, 11 (3). http://www.tropicalgrasslands.info/index.php/tgft/pages/view/Pasturas.spa
dc.relation.referencesSánchez, J., Villareal, M y Soto, H. (2000). Caracterización nutricional de los componentes forrajeros de cuatro asociaciones gramíneas/Arachis pintoi. Nutrición Animal Tropical, 6 (1). https://www.academia.edu/27599445/Caracterizaci%C3%B3n_de_los_componentes_forrajeros_de_cuatro_asociaciones_gram%C3%ADneas_Arachis_pintoi.spa
dc.relation.referencesSantillan, R.A, Ocumpaugh, W.R y Mott, G.O. (1979). Estimating Forage Yield with a Disk Meter. Agronomy Journal. 71, 71-74. DOI: 10.2134/agronj1979.00021962007100010017x.spa
dc.relation.referencesScarabotti, D. S., Feldman, S. R., Refi, R. (2011). Evaluación de distintos métodos para estimar la biomasa aérea en macollas de Spartina argentinensis parodi. Pastos, 32 (1), 69-79. http://polired.upm.es/index.php/pastos/article/view/1306spa
dc.relation.referencesShanahan, J.F., Schepers, J.S., Francis, D.D., Varvel, G.E., Wilhelm, W.W., Tringe, J.M., Major, D.J. (2001). Use of remote-sensing imagery to estimate corn grain yield. Agron J. 93 (3), 583-589. https://doi.org/10.2134/agronj2001.933583x.spa
dc.relation.referencesSinde, I., Yánez, D., Grefa, J., Arza, M y Gil, M. (2020). Estimación del rendimiento del pasto mediante NDVI con imágenes multiespectrales de vehículos aéreos no tripulados (UAV). Revista GEOESPACIAL, 17 (1), 25-38. https://journal.espe.edu.ec/ojs/index.php/revista-geoespacial/article/view/1640.spa
dc.relation.referencesStarks, P.J., Zhao, D., Phillips, W.A y Coleman, S.W. (2006). Development of Canopy Reflectance Algorithms for Real-Time Prediction of Bermuda grass Pasture Biomass and Nutritive Values. Crop Science, 46 (2), 927-934. https://doi.org/10.2135/cropsci2005.0258.spa
dc.relation.referencesVela, J.W y Flores, A. (1996). Productividad animal de la asociación Brachiaria dictyoneura CIAT 6133-Desmodium ovalifolium CIAT 350 en Pucallpa. Tropical Grasslands, 18 (1). http://www.tropicalgrasslands.info/index.php/tgft/pages/view/Pasturas.spa
dc.relation.referencesWood, S. (2019). Mixed GAM Computation Vehicle with Automatic Smoothness Estimation. Package “mgcv”. Version 1.8-31. https://cran.r-project.org/web/packages/mgcv/mgcv.pdf.spa
dc.relation.referencesZerbato, C., Rosalen, D.L., Furlani, C.E.A., Deghaid., J y Voltarelli, M.A. (2016). Agronomic characteristics associated with the normalized difference vegetation index (NDVI) in the peanut crop. Australian Journal of Crop Science, 10 (5), 758-764. DOI:http://dx.doi.org/10.21475/ajcs.2016.10.05.p7167 .spa
dc.rightsDerechos reservado al autor, 2022spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.licenseAtribución-CompartirIgual 4.0 Internacionalspa
dc.rights.urihttp://creativecommons.org/licenses/by-sa/4.0/spa
dc.subject.agrovocSistemas de información geográficaspa
dc.subject.agrovocTecnología de producciónspa
dc.subject.agrovocProduction technologyeng
dc.subject.agrovocGeographical Information Systemseng
dc.subject.agrovocPastoreospa
dc.subject.agrovocGrazingeng
dc.subject.ddc630 - Agricultura y tecnologías relacionadas::636 - Producción animalspa
dc.subject.proposalganadería de precisiónspa
dc.subject.proposalprecision livestockeng
dc.subject.proposalimágenes multiespectralesspa
dc.subject.proposalmultispectral imageseng
dc.subject.proposalNDVIspa
dc.subject.proposalpasturaspa
dc.subject.proposalpastureeng
dc.subject.proposalvehículo aéreo no tripuladospa
dc.subject.proposalunmanned aerial vehicleeng
dc.titleAplicación de técnicas de sensoramiento remoto en la evaluación de una pastura de Urochloa humidicola cv Llanero, bajo pastoreo en el piedemonte del departamento del Metaspa
dc.title.translatedApplication of remote sensing techniques in the evaluation of a pasture of Urochloa humidicola cv Llanero, under grazing in the foothills of the department of Metaeng
dc.typeTrabajo de grado - Maestríaspa
dc.type.coarhttp://purl.org/coar/resource_type/c_bdccspa
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/masterThesisspa
dc.type.redcolhttp://purl.org/redcol/resource_type/TMspa
dc.type.versioninfo:eu-repo/semantics/acceptedVersionspa
dcterms.audience.professionaldevelopmentEstudiantesspa
dcterms.audience.professionaldevelopmentInvestigadoresspa
dcterms.audience.professionaldevelopmentMaestrosspa
dcterms.audience.professionaldevelopmentPúblico generalspa
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2spa
oaire.awardtitleEstrategias ecoeficientes para optimizar el establecimiento y manejo de pastos y forrajes en sistemas de producciónspa
oaire.fundernameCorporación Colombiana de Investigación Agropecuaria - Agrosaviaspa

Archivos

Bloque original

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
tesis_de_maestría_en_produción_animal.pdf
Tamaño:
3.58 MB
Formato:
Adobe Portable Document Format
Descripción:
Tesis de Maestría en Producción Animal

Bloque de licencias

Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción: