Prototipo de Cámara Infrarroja para obtener el Índice NDVI en Agricultura de Precisión
DOI:
https://doi.org/10.30973/progmat/2022.14.1/2Palabras clave:
NDVI, Agricultura de Precisión, Cómputo Móvil7, Espectro InfrarrojoResumen
Las Tecnologías de la Información y Comunicación (TICs) y el uso de dispositivos móviles han revolucionado prácticamente todas las áreas del quehacer humano, dando a los usuarios de estos dispositivos las habilidades para realizar tareas que antes solo eran posibles a través de equipos de escritorio. Una de las áreas que han sido beneficiadas por estas tecnologías es la agricultura creando el término “Agricultura de Precisión (AP)”. En este artículo se presenta un prototipo de cámara infrarroja de bajo costo para obtener el Índice Diferencial de Vegetación Normalizado (NDVI: Normalized Difference Vegetation Index) el cual es usado para estimar la cantidad, calidad y desarrollo de la vegetación con base a la medición (por medio de sensores remotos) de la intensidad de la radiación de ciertas bandas del espectro electromagnético que la vegetación refleja. Este prototipo se basa en imágenes tomadas a cultivos en ambientes controlados, se realizan dos tomas del mismo objetivo (una imagen en el espectro de colores normal y una segunda foto en el espectro infrarrojo, procesando ambas imágenes es como se obtiene el índice NDVI. Asimismo, se presenta un caso de estudio con aplicabilidad para la agronomía donde usuarios sin experiencia en TICs puedan hacer uso de estas tecnologías en cualquier tipo de dispositivo (en especial los teléfonos inteligentes) para determinar los niveles de salud de plantas en el mismo lugar sin tener que esperar para su procesamiento o tener que llevar las imágenes a un centro de procesamiento especializado.
Citas
(ICAO), I. C. (2016). ICAO. "Unmanned Aircraft Systems". ICAO's circular 328 AN/190.
Applause App Quality, I. (2020). applause. [Onlinex] . Obtenido de http://www.applause.com/
BhandarI, K. A. (2012). Feature Extraction using Normalized Difference Vegetation Index (NDVI). Case Study of Jabalpur City.
Bramley, R. G. (2009). Lessons from nearly 20 years of Precision Agriculture research, development, and adoption as a guide to its appropriate application. Crop & Pasture Science, 60(3), 197– 217.
Chartuni, & Magdalena, C. (2014.). “Manual de Agricultura de Precisión”. ISBN: 978-92-9248-545-0: Programa Cooperativo para el desarrollo Tecnológico Agroalimentario y Agroindustrial del Cono Sur (PROCISUR). Insituto Interamericano de Cooperación para la Agricultura (IICA).
Chávez, R. O. (2014). Detecting leaf pulvinar movements on NDVI time series of desert trees: A new approach for water stress detection. 9, 1-12. https://doi.org/10.1371/journal.pone.0106613
Eclipse Foundation, Inc. (2020). Xtext. [Onlinex]. Obtenido de http://www.eclipse.org/Xtext/
Ehrl, M., & Col. (2003). Quality assessment of agricultural positioning and communication systems.Precision agriculture: Proceedings of the 4th European conference on precision agriculture. (2003). In J. V. Stafford (págs. 205–210). Wageningen, The Netherlands.
A. Werner. El-Rabbany, A. (2006). Introduction to GPS: The global positioning system. 2. Norwood, MA: USA: Artech House.
EMBARCADERO INC. (2020). Delphi. [Onlinex]. Obtenido de https://www.embarcadero.com/product s/delphi
Fensholt, R., Sandholt, I., & Stisen, S. (2006). Evaluating MODIS, MERIS, and VEGETATION vegetation indices using in situ measurements in a semiarid environment. IEEE Trans Geosci, 44, 1774-1786. https://doi.org/10.1109/TGRS.2006.875940
Fountas, S. D.-D. (2003). Information Sources in Precision Agriculture in Denmark and the USA. Precision Agriculture: Proceedings of the 4th European Conf. on Precision Agriculture.
Hunt, E. R., Daughtry, C. S., McCarty, G. W., Linden, D. S., Hively, W. D., & Fujikawa, S. J. (2010). Acquisition of NIR-green-blue digital photographs from unmanned aircraft for crop monitoring. Remote Sensing, 2, 290– 305. https://doi.org/10.3390/rs2010290
Jeong, S. (2016). Construction of an unmanned aerial vehicle remote sensing system for crop monitoring. Journal of Applied Remote Sensing 026027-026027. https://doi.org/10.1117/1.JRS.10.026027
Kaplan, E. D., & Hegarty, C. J. (2006). Understanding GPS—Principles and applications (2nd ed.). Norwood, MA: USA: Artech House.
Kayan, E., & Ulusoy , Ö. (1999). An Evaluation of Real-time Transaction Management Issues in Mobile Database Systems. (D. o. Science, Ed.) The Computer Journal, 42(6). https://doi.org/10.1093/comjnl/42.6.501
McLoud, P. R., & Col. (2007). Precision agriculture: NRCS support for emerging technologies, (Vol. Agronomy Technical Note No.1). Washington, DC, USA: USDA-NRCS.
Scratchwork Development LLC. (2020). RubyMotion. Obtenido de http://www.rubymotion.com/
Sruthi, S. &. (2015). Agricultural drought ana. using the NDVI. Aquatic Procedia, 4, 1258–1264. https://doi.org/10.1016/j.aqpro.2015.02.164
Xiaoyang Zhanga, M. A. (2003). "Monitoring vegetation phenology using MODIS". Remote Sensing of Environment 84, 471 – 475. https://doi.org/10.1016/S0034-4257(02)00135-9
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2022 Luis A. Gama-Moreno, Violeta H. Plazola Soltero, Christian G. Murguia Vadillo, Carlos Martínez Hernández, Erik López Carrillo
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Usted es libre de:
Compartir — compartir y redistribuir el material publicado en cualquier medio o formato. |
Adaptar — combinar, transformar y construir sobre el material para cualquier propósito, incluso comercialmente. |
Bajo las siguientes condiciones:
Atribución — Debe otorgar el crédito correspondiente, proporcionar un enlace a la licencia e indicar si se realizaron cambios. Puede hacerlo de cualquier manera razonable, pero de ninguna manera que sugiera que el licenciador lo respalda a usted o a su uso. |
Sin restricciones adicionales: no puede aplicar términos legales o medidas tecnológicas que restrinjan legalmente a otros a hacer cualquier cosa que permita la licencia. |