Publicado

2019-07-01

Use of VIS-NIR-SWIR spectroscopy for the prediction of water status in soybean plants in the Colombian Piedmont Plains

Uso de la espectroscopia Vis NIR-SWIR para la predicción del estado hídrico de las plantas de soya en el Piedemonte Llanero Colombiano

DOI:

https://doi.org/10.15446/dyna.v86n210.78703

Palabras clave:

hyperspectral, discriminant analysis, water deficit, soybean (en)
hiperespectral, análisis discriminante, déficit hídrico, soya (es)

Descargas

Autores/as

Water stress due to soil water deficit is one of the limitations in the soybean production, which can be detected with multivariate statistical analysis and spectral reflectance signals, in the visible and near infrared range. This work was conducted to determine a spectral pattern during the stages of plant development from three conditions of soil water content. Cross validation was used for validation of the classification model, with an accuracy of 82.5%, and the model reached a mean of 82 and 90% of sensitivity and specificity, respectively, at the phenological state of pod filling. The regions with the highest correlation between factors and wavelengths were located at 400-600 nm and 1850-2100 nm, which are related with the peaks of water energy absorbance associated to the hydric state of the plant
El estrés hídrico por deficiencia de agua es uno de los limitantes en la producción de grano de soya, déficit que puede ser detectado con sensores de reflectancia espectral, en el rango visible e infrarrojo cercano, empleando métodos de análisis estadísticos multivariados. El objetivo fue determinar diferencias en el patrón espectral de las hojas, en plantas sometidas a una de las tres condiciones de contenido de agua edáfica constantes durante todo el ciclo del cultivo. Se construyó un modelo de clasificación con análisis discriminante y mínimos cuadrados parciales, se obtuvieron una precisión de 82.5%, una sensibilidad y especificidad media de 82 y 90%, respectivamente, evaluadas mediante validación cruzada en el estado fenológico de llenado de vainas. Las regiones con mayor importancia en el modelo fueron el visible y el infrarrojo de onda corta entre 1850-2000 nm, donde se presentaron cambios de pendiente en la curva espectral relacionados con el contenido de agua en la hoja

Referencias

Fenalce, Indicadores cerealistas 2018 A, Colombia, Estadísticas Fenalce, 2018, 77 P.

ICA, Instituto Colombiano Agropecuario - ICA, 2017. [Online]. [Accessed: January 21th of 2019]. Available at: https://www.ica.gov.co/noticias/abierto-el-mercado-de-nicaragua-para-la-semilla-so.aspx

Valencia, R., Variedades de soya de importancia económica para la Orinoquia Colombiana in Soya (Glycine max (L) Merril), Alternativa para los sistemas de producción de la Orinoquia Colombiana, 1st edition, Villavicencio, C.C. de I.A. Corpoica, Ed., 2006, pp. 73-85.

Almanza, E., Manejo del recurso hídrico para el cultivo de la soya en la orinoquia Colombiana. in: Soya (Glycine max (L) Merril), Alternativa para los Sistemas de Producción de la Orinoquía Colombiana, 1st ed., Villavicencio, C.C. de I.A. Corpoica, Ed., 2006, pp. 135-142.

Pacheco, Y. and León, G., Clasificación climática de la Orinoquia Colombiana a partir de los patrones de circulación atmosférica. Meteorología Colombiana, [Online]. 4, 2001. [date of reference February 11th of 2019]. Available at: http://ciencias.bogota.unal.edu.co/fileadmin/content/geociencias/revista_meteorologia_colombiana/numero04/04_12.pdf

Rangel, O., Gopar, F. and Minorta-Cely, V., Caracterización climática de las sabanas inundables y los humedales de Arauca, Colombia, Rev. BIOLLANIA [Online]. 1(15), 2018. Available at: http://revistas.unellez.edu.ve/revista/index.php/biollania/article/view/381

Shaheen, T., Rahman, M., Riaz, M.S., Zafar, Y. and Rahman, M., 8-Soybean production and drought stress. In: Miransari, M. (Ed.), Abiotic and biotic stresses in soybean production. San Diego, Academic Press, 2016, pp. 177-196. DOI: 10.1016/B978-0-12-801536-0.00008-6

Buesa I., Determinación del estado hídrico del suelo mediante sensores fdr en vid cv. Moscatel de alejandría regada por goteo, MSc. Tesis, Departamento de Ingeniería Hidráulica y Medio Ambiente, Universitat Politécnica de Valéncia, Valencia, Spain, 2013.

Dobriyal, P., Qureshi, A., Badola, R. and Hussain, S.A., A review of the methods available for estimating soil moisture and its implicationsfor water resource management, Journal of Hydrology, (458-459), pp. 110-117, 2012. DOI: 10.1016/J.JHYDROL.2012.06.021 [10] Fares, A. and Polyakov, V., Advances in crop water management using capacitive water sensors. Advances in Agronomy, 90, pp. 43-77, 2006. DOI: 10.1016/S0065-2113(06)90002-9

Carter, G.A., Primary and secondary effects of water content on the spectral reflectance of leaves. American Journal of Botany, 78(7), pp. 916-924, 1991. DOI: 10.2307/2445170 1991

Ceccato, P., Flasse, S., Tarantola, S., Jacquemoud, S. and Grégoire, J.M., Detecting vegetation leaf water content using reflectance in the optical domain. Remote Sensing of Environment, 77(1), pp. 22-33, 2001. DOI: 10.1016/S0034-4257(01)00191-2

Clevers, J.G.P.W., Kooistra, L. and Schaepman, M.E., Estimating canopy water content using hyperspectral remote sensing data. International Journal of Applied Earth Observation and Geoinformation, 12(2), pp. 119-125, 2010. DOI: 10.1016/j.jag.2010.01.007

Hunt, E.R., Daughtry, C.S.T. and Li, L., Feasibility of estimating leaf water content using spectral indices from WorldView-3’s near-infrared and shortwave infrared bands. International Journal of Remote Sensing, 37(2), pp. 388-402, 2016. DOI: 10.1080/01431161.2015.1128575

Thenkabail, P.S., Hyperspectral data analysis of the world's leading agricultural crops (Conference Presentation), in: Proc. SPIE 10639, Micro- and Nanotechnology Sensors, Systems, and Applications X, Vol. 1063914, Orlando, Florida, United States, 2018; DOI: 10.1117/12.2310146

Gomez, C. and Lagacherie, P., 1-Mapping of primary soil properties using optical visible and near infrared (Vis-NIR) remote sensing. In: Baghdadi, N. et al. Land surface remote sensing in agriculture and forest, 1st edition, ISTE Press Elsevier, 2016, pp. 1-35. DOI: 10.1016/B978-1-78548-103-1.50001-7

Liebig, M., Franzluebbers, A. and Follett, R., Managing agricultural greenhouse gases : coordinated agricultural research through GRACEnet to address our changing climate. [online] Academic Press, [date of reference June 8th of 2012]. Available at: https://www.elsevier.com/books/managing-agricultural-greenhouse-gases/liebig/978-0-12-386897-8

Shenk, J., Standardization and calibration transfer, in near-infrared spectroscopy in agriculture, 1st edition, The Pennsylvania State University, 2004, pp. 207-227. Available at: DOI: 10.2134/agronmonogr44.c9

Jacquemoud S. and Ustin, S.L., Modeling leaf optical properties, photobiological sciences online, 2008, [date of reference February 12th of 2019] Available at: from http://photobiology.info/#Environ

Bustomi-Rosadi, R.A., Afandi, Senge, M., Ito, K. and Adomako, J.T., The effect of water stress in regulated deficit irrigation on soybean yield (Glycine max [L.] Merr.). Paddy and Water Environment, 5(3), pp. 163-169, 2007. DOI: 10.1007/s10333-007-0080-z

Caicedo, S., Tibocha, Y. and Hernández, A, Soya Corpoica Achagua 8. Corporación Colombiana de Investigación Agropecuaria, 1st edition Villavicencio, 2017. Available at: https://bit.ly/2BIbl1B

Caicedo, S., Tibocha, Y. and Campuzano, L.F., Corpoica Guayuriba 9: new improved soybean (Glycine max [L] Merril) variety with specific adaptation to the Colombian foothills, Acta Agronómica, 66(2), pp. 260-266 2017. DOI: 10.15446/acag.v66n2.50760

Nahar, B.S., Ikeda, T. and Samsun-Ahar, B.N., The effects of Figaron and water deficit on seed yield of two soybean cultivars. Plant Production Science Plant Prod. Sci, 5(52), pp. 124-130, 2002. DOI: 10.1626/pps.5.124

Montalvo, J.G. and Von Hoven, T., Analysis of cotton. In : Robert, C. et al. Eds., Near-Infrared Spectroscopy in Agriculture, USDA-ARS, 1st edition, New Orleans, Louisiana, USA, 2004, pp. 44:671-728. DOI: 10.2134/agronmonogr44.c25, C. S.

Reynolds, M.P., Pask, A.J.D., Mullan, D.M. and Chavez-Dulanto, P.N, Fito mejoramiento fisiológico I: enfoques interdisciplinarios para mejorar la adaptación del cultivo, CIMMYT. México, D.F., 2013, 174 P.

Ramachandiran, K., Remote sensing techniques to assess nitrogen and water stress in maize, PhD Thesis, Department of Agronomy, Tamil Nadu Agricultural University, Coimbatore, Indian, 2015.

Nobel, P.S., Leaves and fluxes in physicochemical and environmental plant physiology, 4th edition, Los Angeles, California, Academic Press, 2009, pp. 364-437. DOI: 10.1016/B978-0-12-374143-1.X0001-4

Cómo citar

IEEE

[1]
B. J. Gutiérrez Rodríguez, J. O. Argüello Tovar, y Óscar L. García Navarrete, «Use of VIS-NIR-SWIR spectroscopy for the prediction of water status in soybean plants in the Colombian Piedmont Plains», DYNA, vol. 86, n.º 210, pp. 125–130, jul. 2019.

ACM

[1]
Gutiérrez Rodríguez, B.J., Argüello Tovar, J.O. y García Navarrete, Óscar L. 2019. Use of VIS-NIR-SWIR spectroscopy for the prediction of water status in soybean plants in the Colombian Piedmont Plains. DYNA. 86, 210 (jul. 2019), 125–130. DOI:https://doi.org/10.15446/dyna.v86n210.78703.

ACS

(1)
Gutiérrez Rodríguez, B. J.; Argüello Tovar, J. O.; García Navarrete, Óscar L. Use of VIS-NIR-SWIR spectroscopy for the prediction of water status in soybean plants in the Colombian Piedmont Plains. DYNA 2019, 86, 125-130.

APA

Gutiérrez Rodríguez, B. J., Argüello Tovar, J. O. & García Navarrete, Óscar L. (2019). Use of VIS-NIR-SWIR spectroscopy for the prediction of water status in soybean plants in the Colombian Piedmont Plains. DYNA, 86(210), 125–130. https://doi.org/10.15446/dyna.v86n210.78703

ABNT

GUTIÉRREZ RODRÍGUEZ, B. J.; ARGÜELLO TOVAR, J. O.; GARCÍA NAVARRETE, Óscar L. Use of VIS-NIR-SWIR spectroscopy for the prediction of water status in soybean plants in the Colombian Piedmont Plains. DYNA, [S. l.], v. 86, n. 210, p. 125–130, 2019. DOI: 10.15446/dyna.v86n210.78703. Disponível em: https://revistas.unal.edu.co/index.php/dyna/article/view/78703. Acesso em: 7 mar. 2026.

Chicago

Gutiérrez Rodríguez, Betty Jazmín, José Orlando Argüello Tovar, y Óscar Leonardo García Navarrete. 2019. «Use of VIS-NIR-SWIR spectroscopy for the prediction of water status in soybean plants in the Colombian Piedmont Plains». DYNA 86 (210):125-30. https://doi.org/10.15446/dyna.v86n210.78703.

Harvard

Gutiérrez Rodríguez, B. J., Argüello Tovar, J. O. y García Navarrete, Óscar L. (2019) «Use of VIS-NIR-SWIR spectroscopy for the prediction of water status in soybean plants in the Colombian Piedmont Plains», DYNA, 86(210), pp. 125–130. doi: 10.15446/dyna.v86n210.78703.

MLA

Gutiérrez Rodríguez, B. J., J. O. Argüello Tovar, y Óscar L. García Navarrete. «Use of VIS-NIR-SWIR spectroscopy for the prediction of water status in soybean plants in the Colombian Piedmont Plains». DYNA, vol. 86, n.º 210, julio de 2019, pp. 125-30, doi:10.15446/dyna.v86n210.78703.

Turabian

Gutiérrez Rodríguez, Betty Jazmín, José Orlando Argüello Tovar, y Óscar Leonardo García Navarrete. «Use of VIS-NIR-SWIR spectroscopy for the prediction of water status in soybean plants in the Colombian Piedmont Plains». DYNA 86, no. 210 (julio 1, 2019): 125–130. Accedido marzo 7, 2026. https://revistas.unal.edu.co/index.php/dyna/article/view/78703.

Vancouver

1.
Gutiérrez Rodríguez BJ, Argüello Tovar JO, García Navarrete Óscar L. Use of VIS-NIR-SWIR spectroscopy for the prediction of water status in soybean plants in the Colombian Piedmont Plains. DYNA [Internet]. 1 de julio de 2019 [citado 7 de marzo de 2026];86(210):125-30. Disponible en: https://revistas.unal.edu.co/index.php/dyna/article/view/78703

Descargar cita

CrossRef Cited-by

CrossRef citations6

1. Mohamed Farag Taha, Ahmed Islam ElManawy, Khalid S. Alshallash, Gamal ElMasry, Khadiga Alharbi, Lei Zhou, Ning Liang, Zhengjun Qiu. (2022). Using Machine Learning for Nutrient Content Detection of Aquaponics-Grown Plants Based on Spectral Data. Sustainability, 14(19), p.12318. https://doi.org/10.3390/su141912318.

2. Mohamed Farag Taha, Hanping Mao, Yafei Wang, Ahmed Islam ElManawy, Gamal Elmasry, Letian Wu, Muhammad Sohail Memon, Ziang Niu, Ting Huang, Zhengjun Qiu. (2024). High-Throughput Analysis of Leaf Chlorophyll Content in Aquaponically Grown Lettuce Using Hyperspectral Reflectance and RGB Images. Plants, 13(3), p.392. https://doi.org/10.3390/plants13030392.

3. Osama Elsherbiny, Jianmin Gao, Ming Ma, Yinan Guo, Mazhar H. Tunio, Abdallah H. Mosha. (2024). Advancing lettuce physiological state recognition in IoT aeroponic systems: A meta-learning-driven data fusion approach. European Journal of Agronomy, 161, p.127387. https://doi.org/10.1016/j.eja.2024.127387.

4. Muhammad Fuad Anshori, Andi Dirpan, Trias Sitaresmi, Riccardo Rossi, Muh Farid, Aris Hairmansis, Bambang Purwoko, Willy Bayuardi Suwarno, Yudhistira Nugraha. (2023). An overview of image-based phenotyping as an adaptive 4.0 technology for studying plant abiotic stress: A bibliometric and literature review. Heliyon, 9(11), p.e21650. https://doi.org/10.1016/j.heliyon.2023.e21650.

5. Sally Shuxian Koh, Kapil Dev, Javier Jingheng Tan, Valerie Xinhui Teo, Shuyan Zhang, Dinish U.S., Malini Olivo, Daisuke Urano. (2023). Classification of Plant Endogenous States Using Machine Learning-Derived Agricultural Indices. Plant Phenomics, 5, p.0060. https://doi.org/10.34133/plantphenomics.0060.

6. Muskan Raghav, Akhilesh Dubey, Jyotsna Singh. (2026). Hyperspectral Imaging for Detection and Classification of Plant Primary and Secondary Metabolites: A Review. Phytochemical Analysis, 37(1), p.4. https://doi.org/10.1002/pca.70029.

Dimensions

PlumX

Visitas a la página del resumen del artículo

573

Descargas

Los datos de descargas todavía no están disponibles.

Licencia

Derechos de autor 2019 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.