Análisis comparativo entre el NDVI obtenido mediante imágenes multiespectrales y visibles (RGB) tomadas con una cámara de drone en un área de uva de mesa
DOI:
https://doi.org/10.29150/jhrs.v13.6.p741-751Palabras clave:
detección remota, índice de vegetación, uvaResumen
El uso de tecnologías en estudios que involucran teledetección ha avanzado debido a la mejora de los sistemas de sensores y los equipos que los transportan. Los avances tecnológicos también han permitido realizar análisis de superficies en diferentes escalas espacio-temporales mediante el uso de sensores acoplados a vehículos aéreos no tripulados (UAV). Su uso en la ciencia agrícola ha permitido el cálculo de índices de vegetación que permiten diversos análisis de las plantaciones. El Índice de Diferencia Normalizada de Vegetación (NDVI) es uno de los más utilizados en teledetección, sin embargo, su cálculo requiere de la banda del infrarrojo cercano (NIR). Por lo tanto, el objetivo de este trabajo fue calcular y evaluar índices que estiman el NDVI a partir de las bandas RGB y compararlos con el NDVI calculado a partir de una cámara multiespectral, con el objetivo de adquirir este índice mediante cámaras más asequibles. El estudio se realizó en una zona vitivinícola, ubicada en Petrolina-PE. Se realizaron tomas aéreas de diferentes estados fenológicos de la vid, en el año 2022. Tras procesar las imágenes se calcularon tres índices: NDVI, vNDVI y NDVI_Arai. Se observó que NDVI_Arai sobrestimó el NDVI observado en todas las fases fenológicas evaluadas, mientras que vNDVI sobrestimó sólo en la fase inicial de crecimiento vegetativo. Las correlaciones entre los índices fueron fuertes (R2 ~ 1), y el NDVI estimado demostró ser eficiente para representar el NDVI, siendo una buena alternativa cuando no se cuenta con cámaras multiespectrales o hiperespectrales para evaluar el desarrollo de la vid.
Citas
Alvares, C.A., Stape, J.L., Sentelhas, P.C., Gonçalves, J.D.M., Sparovek, G., 2013. Köppen’s climate classification map for Brazil. Meteorologische zeitschrift 22, 711-728.
Arai, K., Gondoh, K., Shigetomi, O., Miura, Y., 2016. Method for NIR reflectance estimation with visible camera data based on regression for NDVI estimation and its application for insect damage detection of rice paddy fields. International Journal of Advanced Research in Artificial Intelligence 5, 17-22.
Bezerra, U.A., Oliveira, L.M.M., Candeias, A.L.B., Silva, B.B., Leite, A.C.L.D.S., Silva, L.T.M.D.S., 2018. Comparativo do Índice de Vegetação de Diferença Normalizada (NDVI) entre os Sensores OLI-Satélite Landsat-8 e MSI–Satélite Sentinel-2 em Região Semiárida. Anuário do Instituto de Geociências 41, 167-177.
Cardoso, P.V., Seabra, V.S., Xavier, R.A., Rodrigues, E.M., 2021. Mapeamento de Áreas de Caatinga Através do Random Forrest: Estudo de caso na Bacia do Rio Taperoá. Revista Geoaraguaia 11, 55-68.
Costa, L., Nunes, L., Ampatzidis, Y., 2020. A new visible band index (vNDVI) for estimating NDVI values on RGB images utilizing genetic algorithms. Computers and Electronics in Agriculture 172, 105334.
Eduvirgem, R.V., Parolin, M., Villwock, F.H., 2020. Aplicação de índices de vegetação na avaliação espacial da vegetação do Parque Estadual de Vila Velha. Geoingá. Revista do Programa de Pós-Graduação em Geografia (PGE/UEM) 12, 78-96.
Ferreira, L.G., Ferreira, N.C., Ferreira, M.E., 2008. Sensoriamento remoto da vegetação: evolução e estado-da-arte. Acta Scientiarum. Biological Sciences 30, 379-390.
Formaggio, A.R., Sanches, I.D.A., 2017. Sensoriamento remoto em agricultura. Oficina de Textos, São Paulo.
Freire-Silva, J., Paz, Y.E., Lima-Silva, P.P., Pereira, J.A.S., Candeias, A.L.B., 2019. Índices de vegetação do sensoriamento remoto para processamento de imagens na faixa do visível (RGB). Journal of Hyperespectral Remote Sensing 9, 228-239.
Galvíncio, J.D., Naue, C.R., 2020. Estimation of NDVI with visible images (RGB) obtained with drones. Journal of Hyperspectral Remote Sensing 9, 407-420.
Galvíncio, J., Miranda, R.Q., Moura, M.S.B., Montenegro, S., 2022. ADIVA - Análise de Índice de Vegetação e Água. Revista Brasileira de Geografia Física 15, 1654-1659.
Gomes, A., Queiroz, D.M.D., Valente, D.S., Pinto, F.D.A.D.C., Rosas, J.T., 2021. Comparing a single-sensor camera with a multisensor camera for monitoring coffee crop using Unmanned Aerial Vehicles. Engenharia Agrícola 41, 87-97.
Ivushkin, K., Bartholomeus, H., Bregt, A.K., Pulatov, A., Franceschini, M.H., Kramer, H., Lood, E.N., Romand, V.J., Finkers, R., 2019. UAV based soil salinity assessment of cropland. Geoderma 338, 502-512.
Liang, S., 2004. Quantitative remote sensing of land surfaces. Wiley Interscience, New Jersey.
Liu, W.T.H., 2015. Aplicações de sensoriamento remoto. UNIDERP, Campo Grande.
Meneses, P.R, Almeida, T., 2012. Introdução ao processamento de imagens de sensoriamento remoto. Universidade de Brasília, Brasília.
Meneses, P.R., Netto, J.S.M., 2001. Sensoriamento remoto: reflectância dos alvos naturais. Universidade de Brasília, Brasília.
Myneni, R.B., Nemani, R.R., Running, S.W., 1997. Estimation of global leaf area index and absorbed PAR using radiative transfer models. IEEE Transaction Geoscience Remote Sensing 35, 1380-1393.
Rouse, J.W., Haas, R.H., Schell, J.A., Deering, D.W., 1973. Monitoring vegetation systems in the great plains with ERTS. Earth Resources Tecnology Satellite- 1 Symposium, NASA SP-351, 309-317.
Sampaio, H.S., Bourscheidt, V., Sarracini, L.H., Jorge, L.D.C., Bettiol, G.M., Bernardi, A.D.C., 2020. Comparação entre Índices de Vegetação obtidos por imagens aéreas com Veículo Aéreo não Tripulado (VANT) e Satélite. Revista Brasileira de Engenharia de Biossistemas 14, 111-124.
Santos, C.V.B., Baptista, G.M.M., Moura, M.S.B., 2017. Seasonality of Vegetation Indices in different land uses in the São Francisco Valley. Journal of Hiperespectral Remote Sensing 7, 158-167.
Santos, C.V.B., Moura, M.S.B., Carvalho, H.F.S., Galvíncio, J.D., Miranda, R.Q., Nishiwaki, A.A.M., Montenegro, S.M.G.L., 2022. Avaliação do índice de área foliar e índice de área da planta em floresta seca utilizando modelos simplificados em imagens de alta resolução com o uso de VANT. Journal of Hyperspectral Remote Sensing 12, 109-123.
Santos, C.V.B., Moura, M.S.B., Galvíncio, J.D., Carvalho, H.D.S., Miranda, R.D.Q., Montenegro, S.M.G.L., 2021. Comparação de imagens multiespectrais utilizando Satélites e VANT para a análise de mudanças estruturais em área de Floresta Seca. Revista Brasileira de Geografia Física 14, 2510-2522.
Shiratsuchi, L.S., Brandão, Z.N., Vicente, L.E., Victoria, D.D.C., Ducati, J.R., De Oliveira, R.P., Vilela, M.D.F., 2014. Sensoriamento remoto: conceitos básicos e aplicações na agricultura de precisão, in: Bernardi, A.C.C, Naime, J.M., Resende, A.V., Bassoi, L.H., Inamasu, R.Y., Agricultura de precisão: resultados de um novo olhar. Embrapa, Brasília, 58-73.
Sousa, H.L., 2018. Sensoriamento remoto com VANTs: uma nova possibilidade para a aquisição de geoinformações. Revista Brasileira de Geomática 5, 326.
Descargas
Publicado
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Material protegido por direitos autorais e plágio. No caso de material com direitos autorais a ser reproduzido no manuscrito, a atribuição integral deve ser informada no texto; um documento comprobatório de autorização deve ser enviado para a Comissão Editorial como documento suplementar. É da responsabilidade dos autores, não da RBGF ou dos editores ou revisores, informar, no artigo, a autoria de textos, dados, figuras, imagens e/ou mapas publicados anteriormente em outro lugar. Se existir alguma suspeita sobre a originalidade do material, a Comissão Editorial pode verificar o manuscrito por plágio. Nos casos em que o plágio for confirmado, o manuscrito será devolvido sem revisão adicional e sem a possibilidade de re-submissão. Auto-plágio (ou seja, o uso de frases idênticas de documentos publicados anteriormente pelo mesmo autor) também não é aceitável.
