Publicado

2018-04-01

Normalized difference vegetation index for rice management in El Espinal, Colombia

Índice de vegetación de diferencia normalizada para el manejo del arroz en El Espinal, Colombia

Palabras clave:

NDVI, rice, unmanned aerial vehicle (en)
NDVI, arroz, vehículo aéreo no tripulado (es)

Descargas

Autores/as

Aerial images and the Normalized Difference Vegetation Index (NDVI) of the stage after panicle initiation were evaluated as tools that help large-scale rice monitoring and decision-making that favors crop profitability. NDVI was used to identify problems in the development and growth of FEDEARROZ-2000. FEDEARROZ-2000 is a variety of rice, which is resistant to the “hoja blanca” virus and direct “sogata” damage that affect fields in tropical America. The temporal dynamics of the NDVI for FEDEARROZ-2000 were estimated. An NDVI lower than 0.8 in the Stage of Rice Panicle Development (SRPD) was related to areas with levelling problems, differences in the vegetative stage, water stress, and spacing between plants. The NDVI for the SRPD had a significant positive correlation with yield, 1,000 grain weight and the number of panicles (Pearson's R≥0.86; probability value P ≤0.04). NDVI mapping at milky stage helped to identify production environments and to schedule the harvest areas.
Se evaluaron las imágenes aéreas y el NDVI como herramientas para la supervisión del arroz a gran escala. El índice de vegetación de diferencia normalizada (NDVI) se utilizó para identificar problemas en el desarrollo de la variedad de arroz FEDEARROZ-2000, la cual es resistente al virus de la hoja blanca y al daño directo de la "sogata". Se estimó la dinámica temporal del NDVI para FEDEARROZ-2000. En la Etapa de Desarrollo de la Panícula del Arroz (EDPA), el NDVI inferior a 0,8 se relacionó con áreas con problemas de nivelación, estrés hídrico y diferencias en el estado de las plantas. El NDVI de la EDPA tuvo una correlación positiva significativa con las panículas/m2, el peso de los 1000 granos, y con el rendimiento (Coeficiente de correlación de Pearson R≥0.86; Probabilidad≤0.04). El NDVI en la etapa lechosa ayudó a identificar ambientes de producción y a programar áreas para la cosecha.

Citas

Ray, D.K., Mueller, N.D., West, P.C. and Foley, J.A., Yield trends are insufficient to double global crop production by 2050. PloS one, 8(6), e66428, 2013. DOI: 10.1371/journal.pone.0066428

Ray, D.K., Gerber, J.S., MacDonald, G.K., and West, P.C., Climate variation explains a third of global crop yield variability. Nature communications, 6, pp. 1-9, 2015. DOI: 10.1038/ncomms6989.

FEDEARROZ and CIAT (2014). Adopción masiva de tecnología (AMTEC). Validación de modelos y parametrización de la variedad FEDEARROZ. [en línea]. 2000. [Consultado: Julio 25 de 2017]. Disponible en: https://es.slideshare.net/cgiarclimate/fe-39197270

Mapplecroft. Índice de vulnerabilidad y adaptación al cambio climático en la región de América Latina y el Caribe. Corporación Andina de Fomento (CAF), 2014.

Graterol E. y Torres E.A., Mejorando la competitividad del arroz en América Latina mediante el cierre de brechas de rendimiento. FLAR, CIAT, CGIAR, [en línea]. 2013. [Consultado: Nov. 21th of 2017]. Disponible en: http://flar.org/wp-content/uploads/2015/06/Taller-GRiSP-Cierre-de-brechas-ESP2.pdf

Chica, J., Tirado, O. and Barreto, J.M., Indicadores de competitividad del cultivo del arroz en Colombia y Estados Unidos. Revista de Ciencias Agrícolas, 33(2), pp. 16-31, 2016.

Sanint, L.R., Nuevos retos y grandes oportunidades tecnológicas para los sistemas arroceros: producción, seguridad alimentaria y disminución de la pobreza en América Latina y el Caribe, en: Degiovanni, B., Víctor, M., Martínez, R., César, P. and Motta, O., Producción eco-eficiente del arroz en América Latina. CIAT, 2010.

World Water Assessment Programme -WWAP. Informe de las Naciones Unidas sobre el desarrollo de los recursos hídricos en el mundo 2016, París, UNESCO,[en líena]. 2016. [Consultado en: Julio 25 de 2017]. Disponible en: http://unesdoc.unesco.org/images/0024/002441/244103s.pdf

Bouman, B.A.M., Humphreys, E., Tuong, T.P. and Barker, R. Rice and water. Advances in Agronomy 92, pp. 187-237, 2006. DOI: 10.1016/S0065-2113(04)92004-4

Degiovanni, B., Víctor, M., Martínez, R., César, P. and Motta, O., Producción eco-eficiente del arroz en América Latina. CIAT, 2010.

González, M. y Alonso, A.M., Tecnologías para ahorrar agua en el cultivo de arroz. Nova, 14(26), pp. 67-82, 2016. DOI: 10.22490/24629448.1757

Preciado-Pérez L.G., Época oportuna de cosecha y calibración de cosechadoras para el cultivo del arroz. Memorias del curso internacional sobre el manejo del cultivo de arroz. Ibagué, [en líena]. 2014. [Consultado: enero 21 de 2017]. Disponible en: http://flar.org/ii-curso-internacional/memorias-curso-internacional/

Preciado-Pérez L.G., Pérdidas al cosechar en el momento no oportuno. Boletín de la Federación Nacional de Arroceros. [en línea]. 243, pp. 1, 2011. [Consultado: enero 21 de 2017]. Disponible en: http://www.fedearroz.com.co/revistanew/correo_243.pdf

López-Pérez, A., Martínez-Menes, M.R. and Fernández-Reynoso, D.S., Priorización de áreas de intervención mediante análisis morfométrico e índice de vegetación. Tecnología y Ciencias del Agua, 6(1), 121-137, 2015.

Chen, R.K. and Yang, C.M., Determining the optimal timing for using LAI and NDVI to predict rice yield. J. Photogramm. Remote Sens, 10(3), pp. 239-254, 2005.

Li, L., Zhang, Q. and Huang, D., A review of imaging techniques for plant phenotyping. Sensors, 14(11), pp. 20078-20111, 2014. DOI: 10.3390/s141120078

Naito, H., Ogawa, S., Valencia, M.O., Mohri, H., Urano, Y., Hosoi,F.and Omasa, K., Estimating rice yield related traits and quantitative trait loci analysis under different nitrogen treatments using a simpletower-based field phenotyping system with modified single-lens reflex cameras. ISPRS Journal of Photogrammetry and RemoteSensing, 125, pp. 50-62, 2017. DOI: 10.1016/j.isprsjprs.2017.01.010

Barrero, O., Rojas, D., Gonzalez, C. and Perdomo, S., Weed detection in rice fields using aerial images and neural networks. In: SignalProcessing, images and artificial vision, XXI Symposium on IEEE,pp.1-4, 2016. DOI: 10.1109/STSIVA.2016.7743317

Pulver, E., Manejo estratégico y producción competitiva del arroz con riego en América Latina. En: DeGiovanni, V., Martínez, C.P. y Motta, F., eds. Producción ecoeficiente del arroz en América Latina. CIAT,Colombia, 2010.

Romero, L.E., Lozano, I., Garavito, A., Carabali, S.J., Triana, M.,Villareal, N. and Lorieux, M., Major QTLs control resistance to ricehoja blanca virus and its vector Tagosodes orizicolus. G3: Genes,Genomes, Genetics, 4(1), pp. 133-142, 2014. DOI: 10.1534/g3.113.009373

Morales, F.J. and Jennings, P.R., Rice hoja blanca: a complex plant–virus–vector pathosystem. Plant Sciences Reviews, 5(043), pp 1-16, 2010. DOI: 10.1079/PAVSNNR20105043

Castilla L.y Florez E., SIFA: Sistema de fertilización en el cultivo de arroz a través de la web. Arroz, 62 (509), pp. 4-15, 2014.

Garcés, G. y Castilla L., Uso del clorofilometro (indice de verdor)como estrategia en la fertilización nitrogenada en el cultivo. Arroz,63(517), pp. 34 - 43, 2015.

Lin, W., Zhang, F.C., Jing, Y.S., Jiang, X.D., Yang, S.B. and Han,X.M., Multi-temporal detection of rice phenological stages usingcanopy spectrum. Rice Science, 21(2), pp. 108-115, 2014. DOI: 10.1016/S1672-6308(13)60170-5

Degiovanni, V.M., Gómez, J.A. y Sierra, J.M., Análisis decrecimiento y etapas de desarrollo de tres variedades de arroz (Oryzasativa L.) en Montería, Córdoba. Temas Agrarios, 9(1), 2004, pp 21-29.

Dobermann, A. and Fairhurst T., Rice: Nutrient disorders and nutrient management (Vol. 1). Int. Rice Res. Inst. 2000.

Chaudhary R.C., Nanda J.S. y Tran. D.V. Guía para identificar laslimitaciones de campo en la producción de arroz. FAO, Rome, 2003.

Yoshida, H., Bhattacharjee, D. and Cabuslay, G.S., Relationshipbetween plant type and root growth in rice. Soil Science and PlantNutrition, 28, pp. 473-482, 1982. DOI: 10.1080/00380768.1982.10432387

Nuruzzaman, M., Yamamoto, Y., Nitta, Y., Yoshida, T and Miyazaki, A., Varietal differences in tillering ability of fourteen japonica andindica rice varieties. Soil Science and Plant Nutrition, 46, pp. 381-391, 2000. DOI: 10.1080/00380768.2000.10408792

García, J., Andres, S., Martínez, M. y Joel, L., Método paraidentificación de cultivos de arroz (Oryza sativa L.) con base enimágenes de satélite. Agronomía Colombiana, [en línea]. 28(2), pp.281-290, 2010. Disponible en:http://www.redalyc.org/articulo.oa?id=180315602018

Castilla A., Morales F., Ramirez O. y Mayorga Z., Manejoagronómico por ambiente rumbo a una agricultura de precisión en el cultivo de arroz. Arroz, 63(519), pp. 38-43, 2015.

Barrios, P.C., Giraldo, D., Llanos, L., Obando, D., Espinoza, J. andGourdji, S., Agro-climatic risk management for better agriculturaldecision making in Latin America. Conference: ASABE 1st ClimateChange Symposium, Illinois, 2015. DOI: 10.13031/cc.20152122545

Beget, M.E. and Di Bella, C.M., Flooding: the effect of water depthon the spectral response of grass canopies. J Hydrol, 335, pp. 285-294, 2007. DOI: 10.1016/j.jhydrol.2006.11.018

Cock, J.H. and Yoshida, S., Accumulation of 14 C-labelled carbohydrate before flowering and its subsequent redistribution andrespiration in the rice plant. Japanese Journal of Crop Science, 41(2), pp. 226-234, 1972. DOI: 10.1626/jcs.41.226

Verma, R., Katara, J.L., Samantaray, S., Patra, B.C., Sahu, R.K.,Patnaik, S. and Mohapatra, T., A practical guide for successful hybrid

seed production in rice-A Profitable Venture, Research Gate, pp. 1-21, 2016. DOI: 10.13140/RG.2.1.2333.5443

Galiano, S.G., Assessment of vegetation indexes from remotesensing: Theoretical basis. Options Méditerranéennes, 67, pp. 65-75, 2012.

Zheng, H., Cheng, T., Yao, X., Deng, X., Tian, Y., Cao, W. and Zhu, Y., Detection of rice phenology through time series analysis ofground-based spectral index data. Field Crops Research, 198, pp. 131-139, 2016. DOI: 10.1016/j.fcr.2016.08.027

Wang, H., Lin, H., Munroe, D.K., Zhang, X. and Liu, P., Reconstructing rice phenology curves with frequency-based analysisand multi-temporal NDVI in double-cropping area in Jiangsu, China. Frontiers of Earth Science, 10(2), pp. 292-302, 2016. DOI:10.1007/s11707-016-0552-9

Berrio, V.A.M., Téllez, J.M. y Velasquez, D.F.A., Uso de drones para el análisis de imágenes multiespectrales en agricultura de precisión.@limentech, Ciencia y Tecnología Alimentaria, 13(1), pp. 28-40, 2015.

Ajith, K., Geethalakshmi, V., Ragunath, K.P., Pazhanivelan, S. andDheebakaran, G., Rice yield prediction using MODIS-NDVI (MOD13Q1) and land based observations. Int. J. Curr. Microbiol.App. Sci, 6(12), pp. 2277-2293, 2017. DOI:10.20546/ijcmas.2017.612.263

FEDEARROZ (2017, Nov. 10). Precio promedio mensual arrozpaddy verde en Colombia Pesos / Tonelada 2009 – 2017. [en línea].[Consultado: Nov 01, 2017]. Disponible en:http://www.fedearroz.com.co/new/precios.php

Li, Z., Zhu, Q. and Gold, C., Digital terrain modeling: principles andmethodology. CRC Press. Boca Raton, 2005.

Licencia

Derechos de autor 2018 DYNA

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

El autor o autores de un artículo aceptado para publicación en cualquiera de las revistas editadas por la facultad de Minas cederán la totalidad de los derechos patrimoniales a la Universidad Nacional de Colombia de manera gratuita, dentro de los cuáles se incluyen: el derecho a editar, publicar, reproducir y distribuir tanto en medios impresos como digitales, además de incluir en artículo en índices internacionales y/o bases de datos, de igual manera, se faculta a la editorial para utilizar las imágenes, tablas y/o cualquier material gráfico presentado en el artículo para el diseño de carátulas o posters de la misma revista.