Asociación de índices de vegetación RGB con rendimiento y dosis de nitrógeno en trigo harinero
DOI:
https://doi.org/10.29059/cienciauat.v19i2.1925Palabras clave:
trigo harinero, rendimiento, nitrógeno fertilizado, índices de vegetación, ortofotosResumen
El trigo (Triticum aestivum) es un cultivo industrial de primera importancia para México, autosuficiente en la producción de trigo cristalino, pero con déficit de 5 200 000 T anuales de trigo harinero. Esta problemática es multifactorial, algunos de los componentes más importantes son el diferencial entre el rendimiento actual y potencial, así como el manejo deficiente de la fertilización nitrogenada. El objetivo de esta investigación fue determinar si existe correlación significativa entre el Índice de Vegetación estimado a partir de ortofotos en luz visible con el rendimiento y las necesidades de nitrógeno del trigo harinero, para complementar o reemplazar el índice NDVI obtenido con el sensor infrarrojo Greenseeker™, y contribuir con ello a la nutrición racional de las plantas. Se cultivó la variedad Alondra F2014 en Celaya, Guanajuato, México, y se aplicaron 6 tratamientos de fertilización nitrogenada (0 kg/ha a 300 kg/ha de nitrógeno, en incrementos de 60 kg) bajo un diseño de bloques completos al azar con tres repeticiones, durante los ciclos de cultivo OI 2021-2022 y OI 2022-2023. Las variables estimadas fueron rendimiento de grano, los índices de vegetación GLI, TGI, VARI, GRVI y RGBVI, calculados sobre ortofotos construidas a partir de imágenes obtenidas por un vehículo aéreo no tripulado, y el índice NDVI como testigo, medido con el sensor GreenSeeker™; todos ellos estimados semanalmente a partir de 20 d después de la siembra y hasta el inicio de la madurez fisiológica. Los resultados demuestran altos coeficientes de correlación ≥ 0.90 entre todas las variables; y altos coeficientes de determinación, promedio en la etapa de encañe inicial de 0.80 a 0.91 entre los índices RGB y NDVI, y (R2) ≥ 0.86 entre índices VIV con el rendimiento. Los índices VIV, especialmente VARI, pueden emplearse en lugar del NDVI como herramienta para identificar eficientemente las necesidades del cultivo.
Citas
Aula, L., Omara, P., Nambi, E., Oyebiyi, F. B., & Raun, W. R. (2020). Review of active optical sensors for improving winter wheat nitrogen use efficiency. Agronomy, 10, 1157. https://doi.org/10.3390/agronomy10081157 DOI: https://doi.org/10.3390/agronomy10081157
Aula, L., Omara, P., Nambi, E., Oyebiyi, F. B., Dhillon, J., Eickhoff, E., Carpenter, J., & Raun, W. R. (2021). Active optical sensor measurements and weather variables for predicting winter wheat yield. Agronomy Journal, 113, 2742-2751. https://doi.org/10.1002/agj2.20620 DOI: https://doi.org/10.1002/agj2.20620
Balážová, K., Chyba, J., Kumhálová, J., Mašek, J., & Petrásek, S. (2021). Monitoring of Khorasan (Triticum turgidum ssp. turanicum) and modern Kabot spring wheat (Triticum aestivum) varieties by UAV and sensor technologies under different soil tillage. Agronomy, 11, 1348. https://doi.org/10.3390/agronomy11071348 DOI: https://doi.org/10.3390/agronomy11071348
Bendig, J., Bolten, A., & Bareth, G. (2013). UAV-based imaging for multitemporal, very high resolution crop surface models to monitor crop growth variability. PFG Photogrammetrie, Fernerkundung, Geoinformation, 6, 551-562. DOI: https://doi.org/10.1127/1432-8364/2013/0200
Burton, A., Häner, L. L., Schaad, N., Strebel, S., Vuille-dit-Bille, N., de-Figueiredo, B. P., Holzkämper, A., Pellet, D., & Herrera, J. M. (2024). Evaluating nitrogen fertilization strategies to optimize yield and grain nitrogen content in top winter wheat varieties across Switzerland. Field Crops Research, 307, 109251. DOI: https://doi.org/10.1016/j.fcr.2024.109251
Buters, T. M., Belton, D., & Cross, A. T. (2019). Multi-sensor UAV tracking of individual seedlings and seedling communities at millimeter accuracy. Drones, 3, 81. DOI: https://doi.org/10.3390/drones3040081
De-Ocampo, A. L. P., Bandala, A. A., & Dadios, E. P. (2019). Estimation of triangular greenness index for unknown peak wavelength sensitivity of CMOS-acquired crop images. In 2019 IEEE 11th International Conference on Humanoid, Nanotechnology, Information Technology, Communication and Control, Environment, and Management (HNICEM) (pp. 1-5). IEEE. DOI: https://doi.org/10.1109/HNICEM48295.2019.9072796
De-Sousa, T., Ribeiro, M., Sabença, C., & Igrejas, G. (2021). The 10,000-year success story of wheat! Foods, 10, 2124. https://doi.org/10.3390/foods10092124 DOI: https://doi.org/10.3390/foods10092124
Fischer, T., Ammar, K., Monasterio, I. O., Monjardino, M., Singh, R., & Verhulst, N. (2022). Sixty years of irrigated wheat yield increase in the Yaqui Valley of Mexico: past drivers, prospects and sustainability. Field Crops Research, 283, 108528. https://doi.org/10.1016/j.fcr.2022.108528 DOI: https://doi.org/10.1016/j.fcr.2022.108528
García, de M. E. (2004). Modificaciones al sistema de clasificación climática de Köppen. Instituto de Geografía Serie Libros Núm. 6. Universidad Nacional Autónoma de México.
Gitelson, A. A., Stark, R., Grits, U., Rundquist, D., Kaufman, Y., & Derry, D. (2002). Vegetation and soil lines invisible spectral space: a concept and technique for remote estimation of vegetation fraction. International Journal of Remote Sensing, 23, 2537-2562. https://doi.org/10.1080/01431160110107806 DOI: https://doi.org/10.1080/01431160110107806
Gongora-Canul, C., Salgado, J. D., Singh, D., Cruz, A. P., Cotrozzi, L., Couture, J., Rivadeneira, M. G., Cruppe, G., Valent, B., Todd, T., Poland, J., & Cruz, C. D. (2019). Temporal dynamics of wheat blast epidemics and agreement between remotely sensed data measurements and visual estimations of wheat spike blast (WSB) under field conditions. Phytopathology. 110, 393-405. DOI: https://doi.org/10.1094/PHYTO-08-19-0297-R
Gordillo-Salinas, V. M., Flores-Magdaleno, H., Ortiz-Solorio, C. A., & Arteaga-Ramírez, R. (2021). Evaluation of nitrogen status in a wheat crop using unmanned aerial vehicle images. Chilean Journal of Agricultural Research, 81, 408-419. http://dx.doi.org/10.4067/S0718-58392021000300408 DOI: https://doi.org/10.4067/S0718-58392021000300408
Hnizil, O., Baidani, A., Khlila, I., Nsarellah, N., & Amamou, A. (2024). Assessing the impact of nitrogen fertilization, variety selection, year and their interaction on wheat yield and yield components. Nitrogen, 5, 266-287. DOI: https://doi.org/10.3390/nitrogen5020018
Kaya, Y. & Polat, N. (2023). A linear approach for wheat yield prediction by using different spectral vegetation indices. International Journal of Engineering and Geosciences, 8, 52-62. https://doi.org/10.26833/ijeg.1035037 DOI: https://doi.org/10.26833/ijeg.1035037
Large, E. C. (1954). Growth stages in cereals. Illustration of the Feekes scale. Plant Pathology, 3, 128-129. DOI: https://doi.org/10.1111/j.1365-3059.1954.tb00716.x
Louhaichi, M., Borman, M. M., & Johnson, D. E. (2001). Spatially located platform and aerial photography for documentation of grazing impacts on wheat. Geocarto International, 16, 65-70. https://doi.org/10.1080/10106040108542184 DOI: https://doi.org/10.1080/10106040108542184
Lussem, U., Bolten, A., Gnyp, M. L., Jasper, J., & Bareth, 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, 42, 1215-1219. https://doi.org/10.5194/isprs-archives-XLII-3-1215-2018 DOI: https://doi.org/10.5194/isprs-archives-XLII-3-1215-2018
Mandujano-Bueno, A., Paredes-Melesio, R., Buen-rostro-Rodríguez, J. F., de-la-O-Olán, M., Ortiz-Monasterio, I., Gámez-Vázquez, A. J., Inurreta-Aguirre, H. D. y Montero-Tavera, V. (2023). Algoritmo simplificado para aplicación racional de nitrógeno en trigos harineros en el Bajío mexicano. Revista Fitotecnia Mexicana, 46, 255-255. https://doi.org/10.35196/rfm.2023.3.255 DOI: https://doi.org/10.35196/rfm.2023.3.255
Montero, T. V., Ledesma, R. L., Rodríguez, V. A. P., Bravo, G. F. de J. y Solís, M. E. (2021). Evaluación de Índices de Vegetación de luz visible y su correlación con cobertura y rendimiento de trigo, en XI Reunión Nacional de Investigación Agrícola. Memoria. [En línea]. Disponible en: http://reunionescientificas2021.inifap.gob.mx/_media/CONVOCATORIAS/MEMORIA_AGR%C3%8DCOLA.pdf. Fecha de consulta: 21 de octubre de 2024.
Paredes-Melesio, R., Mandujano-Bueno, A., Buenrostro-Rodríguez, J. F., Jaralillo-López, G. y Alamilla, G. M. P. (2014). Estimación de la dosis óptima de fertilización nitrogenada mediante el uso del sensor portátil GreenSeeker™ en Guanajuato. En A. Mandujano, R. Paredes, P. Alamilla y J. F. Buenrostro (Eds.), Guía para la producción de maíz, frijol, trigo y sorgo en Guanajuato (pp. 92-101). Libro Técnico No. 4. Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias, Celaya, Guanajuato. México.
Raun, W. R., Solie, J. B., Stone, M. L., Martin, K. L., Freeman, K. W., Mullen, R. W., Zhang, H., Schepers, J. S., & Johnson, G. V. (2005). Optical sensor-based algorithm for crop nitrogen fertilization. Communications in Soil Science and Plant Analysis, 36, 2759-2781. https://doi. org/10.1080/00103620500303988 DOI: https://doi.org/10.1080/00103620500303988
Rouse, J. W., Haas, R. H., Schell, J. A., & Deering, D. W. (1973). Monitoring vegetation systems in the great plains with ERTS. Third ERTS Symposium. NASA Special Publications, 351(1), 309. https://doi.org/19740022614
Schneider, C. A., Rasband, W. S., & Eliceiri, K. W. (2012). NIH Image to ImageJ: 25 years of image analysis. Nature Methods, 9, 671-675. https://doi.org/10.1038/nmeth.2089 DOI: https://doi.org/10.1038/nmeth.2089
SIAP, Servicio de Información Agroalimentaria y Pesquera (2023). Panorama Agroalimentario 2023. Agricultura Ed. SIAP. Ciudad de México. 215 Pp.
SIAP, Servicio de Información Agroalimentaria y Pesquera (2024). Avance agrícola. [En línea]. Disponible en: https://www.gob.mx/siap/acciones-y-programas/produccion-agricola-33119. Fecha de consulta: 10 de febrero de 2024.
Singh, V. (2024). Advances in Precision Agriculture Technologies for Sustainable Crop Production. Journal of Scientific Research and Reports, 30, 1-71. DOI: https://doi.org/10.9734/jsrr/2024/v30i21844
Solís-Moya, E., Huerta-Espino, J., Pérez-Herrera, P., Villaseñor-Mir, H. E., Ramírez-Ramírez, A. y de-la-Cruz-González, M. de L. (2016). Alondra F2014, nueva variedad de trigo harinero para el Bajío, México. Revista Mexicana de Ciencias Agrícolas, 7, 1225-1229. DOI: https://doi.org/10.29312/remexca.v7i5.248
Solís-Moya, E., Ramírez-Ramírez, A., Ledesma-Ramírez, L. y de-la-Cruz-González, M. L. (2013). Guía para la producción de maíz, frijol, trigo y sorgo en Guanajuato. Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias. Libro Técnico, (4), 113-119.
Tamás, A., Kovács, E., Horváth, É., Juhász, C., Radócz, L., Rátonyi, T., & Ragán, P. (2023). Assessment of NDVI dynamics of maize (Zea mays L.) and its relation to grain yield in a polyfactorial experiment based on remote sensing. Agriculture, 13, 689. https://doi.org/10.3390/ agriculture13030689 DOI: https://doi.org/10.3390/agriculture13030689
Tucker, C. J. (1979). Red and photographic infrared linear combinations for monitoring vegetation. Remote Sensing of Environment, 8, 127-150. https://doi.org/10.1016/0034-4257(79)90013-0 DOI: https://doi.org/10.1016/0034-4257(79)90013-0
Van-Ittersum, M. K., Cassman, K. G., Grassini, P., Wolf, J., Tittonell, P., & Hochman, Z. (2013). Yield gap analysis with local to global relevance—A review. Field Crops Research, 143, 4-17. DOI: https://doi.org/10.1016/j.fcr.2012.09.009
Walsh, O. S., Nambi, E., Shafian, S., Jayawardena, D. M., Ansah, E. O., Lamichhane, R., & McClintick-Chess, J. R. (2023). UAV-based NDVI estimation of sugarbeet yield and quality under varied nitrogen and water rates. Agrosystems, Geosciences & Environment, 6(1), e20337. https://doi.org/10.1002/agg2.20337 DOI: https://doi.org/10.1002/agg2.20337
Walsh, O. S., Torrion, J. A., Liang, X., Shafian, S., Yang, R., Belmont, K. M., & McClintick-Chess, J. R. (2020). Grain yield, quality, and spectral characteristics of wheat grown under varied nitrogen and irrigation. Agrosystems, Geosciences & Environment, 3(1), e20104. https://doi.org/10.1002/agg2.20104 DOI: https://doi.org/10.1002/agg2.20104
Zadoks, J. C., Chang, T. T., & Konzak, C. F. (1974). A decimal code for the growth stages of cereals. Weed Research, 14, 415-421. DOI: https://doi.org/10.1111/j.1365-3180.1974.tb01084.x
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Universidad Autónoma de Tamaulipas
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
