:
Resumen
El café es un producto importante en la economía colombiana que aporta en alto grado a los ingresos de los agricultores en el departamento de Cauca, quienes buscan aumentar su rentabilidad mediante procesos diferenciados en el cultivo y valor agregado en la cosecha. En la actualidad, el manejo agronómico se hace de manera tradicional y por plantas al azar, lo que limita la visión general del estado del lote. La agricultura de precisión es una herramienta que hace más confiable el manejo del cultivo al considerar sus diferentes características agroclimáticas. El presente estudio evidencia el uso de imágenes multiespectrales del terreno tomadas con drones para determinar de forma temprana el estado nutricional de las plantas. Como resultado, se consolidó un sistema de información que permitió el procesamiento de imágenes por medio de un algoritmo que calcula el índice de vegetación de diferencia normalizada (NDVI, por su sigla en inglés). En el cultivo de café variedad Castillo se alcanzaron valores de NDVI superiores a 0,8. Al contrastar los datos obtenidos por el dron con los datos registrados en tierra mediante un espectrómetro foliar y una prueba de Tukey (p = 0,05), se evidenciaron diferencias significativas entre los métodos de evaluación.
Aristizábal, J. (2017). Comparación de la respuesta de diferentes índices de vegetación del frailejón a partir de diferentes metodologías (índices) como indicador indirecto del estado de conservación del humedal [Tesis de pregrado, Universidad Católica de Manizales]. Repositorio UCM. http://hdl.handle.net/10839/1928
Bongiovanni, R., Chartuni, E., Best, S., & Roel, Á. (Eds.). (2006). Agricultura de precisión: Integrando conocimientos para una agricultura moderna y sustentable. Programa Cooperativo para el Desarrollo Tecnológico Agroalimentario y Agroindustrial del Cono Sur; Instituto Interamericano de Cooperación para la Agricultura. http://www.procisur.org.uy/adjuntos/135050.pdf
Botero, J. M. (2009). Determinación del nivel foliar de nutrientes mediante espectroscopia de reflectancia [Tesis de Maestría, Universidad Nacional de Colombia, sede Medellín]. Repositorio Institucional UN. https://repositorio.unal.edu.co/handle/unal/2422
Castro, D. R. (2013). Monitoreo de bosques utilizando NDVI RedEdge de RapidEye. Revista Geoespacial, 10, 58-71. http://geoespacial.espe.edu.ec/wp-content/uploads/2017/01/Geoespacial10.pdf
Cortina, G. H., Moncada, B. M., & Herrera, P. J. (2012). Variedad Castillo. Preguntas frecuentes. Avances Técnicos Cenicafé, 426. http:// https://www.cenicafe.org/es/publications/avt04261.pdf
Del Valle, G., Muciño, D., Cruz, R. & Gallardo, G. (2015). Funcionamiento de los espectrómetros [conferencia]. XII Encuentro Participación de la Mujer en la Ciencia. Centro de Investigaciones en Óptica, León, México. https://congresos.cio.mx/memorias_congreso_mujer/archivos/extensos/sesion1/S1-DIV03.pdf
Díaz García-Cervigón, J. J. (2015). Estudio de Índices de vegetación a partir de imágenes aéreas tomadas desde UAS/RPAS y aplicaciones de estos a la agricultura de precisión [Tesis de maestría, Universidad Complutense de Madrid]. E-Prints Complutense. https://eprints.ucm.es/31423/
García, L. (2017). Drones, el cielo está al alcance de todos. Consorci d'Educació Barcelona, IES Emperador Carles. https://www.edubcn.cat/rcs_gene/treballs_recerca/2015-2016-03-1-TR.pdf
García-Villalpando, J. A., Castillo-Morales, A., Ramírez-Guzmán, M. E., Rendón-Sánchez, G., & Larqué-Saavedra, M. U. (2001). Comparación de los procedimientos de Tukey, Duncan, Dunnett, Hsu y Bechhofer para selección de medias. Agrociencia, 35(1), 79-86. https://agrociencia-colpos.mx/index.php/agrociencia/article/view/92/92
González, A., Amarillo, G., Amarillo, M. & Sarmiento, F. (2016). Drones aplicados a la agricultura de precisión. Publicaciones e Investigación, 10, 23-37. https://doi.org/10.22490/25394088.1585
Holguín, G. (2018). Comportamiento morfológico del café (Coffea arábica L.) sarchimor 4260 en etapa de crecimiento con fertilizantes químicos y orgánicos [Tesis de pregrado, Universidad Estatal del Sur de Manabí]. Repositorio Digital UNESUM. http://repositorio.unesum.edu.ec/handle/53000/1999
Ibarra, L. (2012). Diseño e implementación de un sistema de adquisición de datos con sensores: 808h5v5, Mcp9700a, Watermark, Mpx4115a, Sq-110, comunicación mediante protocolo Zigbee y Mysql, para un cultivo de tomate en Sutamarchán, Boyacá (Colombia) [Tesis de pregrado, Universidad Santo Tomás]. Repositorio Institucional USTA. http://repository.usta.edu.co/handle/11634/2288
La Rota, M. J., & Salcedo, L. H. (2013). Análisis de estructura de la propiedad en el municipio de Cajibío (Cauca). Incoder; Centro de Estudios Interculturales, Pontificia Universidad Javeriana Cali. https://bit.ly/30Zu9FR
López, A. (2014). Planificación de vuelos fotogramétricos para U. A. V. sobre cliente QGIS. [Tesis de maestría, Universidad de Oviedo]. Repositorio Institucional Universidad de Oviedo. http://hdl.handle.net/10651/28481
Marcovecchio, D., Costa, L., & Delrieux, C. (2014). Ortomosaicos utilizando imágenes aéreas tomadas por drones y su aplicación en la agricultura de precisión. 13º Curso Internacional de Agricultura de Precisión. Instituto Nacional de Tecnología Agropecuaria, Estación Experimental Agropecuaria Manfredi.
Meneses-Tovar, C. L. (2011). El índice normalizado diferencial de la vegetación como indicador de la degradación del bosque. Unasylva, 238(62), 39-46. http://www.fao.org/3/i2560s/i2560s07.pdf
MicaSense, Inc. (2015). MicaSense RedEdge™ 3 Multispectral Camera. User Manual. Rev 06. https://bit.ly/314xqUz
Montoya-Bonilla, B. P., Baca-Gamboa, A. E., & Bonilla, B. L. (2017). Flora melífera y su oferta de recursos en cinco veredas del municipio de Piendamó, Cauca. Biotecnología en el Sector Agropecuario y Agroindustrial, 15(1), 20-28. https://doi.org/10.18684/BSAA(15)20-28
Muñoz, P. (2013). Apuntes de teledetección: índices de vegetación. Centro de Información de Recursos Naturales. http://bibliotecadigital.ciren.cl/handle/123456789/26389
Pérez-Urria, E. (2015). Fotosíntesis: aspectos básicos. Reduca (Biología), 2(3), 1-47. http://www.revistareduca.es/index.php/biologia/article/view/793/809
Planas, S. (2019). Agricultura de precisión y protección de cultivos. Revista de Ingeniería, 47, 10-19. http://dx.doi.org/10.16924%2Friua.v0i47.985
Quak, E-J. (Ed.). (2016). Drones for agriculture. ICT Update, 82. Technical Centre for Agricultural and Rural Cooperation ACP-EU. http://ictupdate.cta.int/cgspace.cgiar.org/bitstream/handle/10568/89779/ICT082E_PDF.pdf
Sadeghian, K. (2017). Síntomas visuales de deficiencias nutricionales en café. Avances Técnicos Cenicafé, 478. https://www.cenicafe.org/es/publications/avt0478.pdf
Sadeghian, K. S., Mejía, M. B., & González, O. H. (2014). Acumulación de nitrógeno, fósforo y potasio en los frutos de café (Coffea arabica L.). Cenicafé, 63(1), 7-18. http://hdl.handle.net/10778/519
Silva, F. A., & De Azevedo, C. A. (2016). Comparison of means of agricultural experimentation data through different tests using the software Assistat. African Journal of Agricultural Research, 11(37), 3527-3531. https://doi.org/10.5897/ajar2016.11523
Supracafé. (2015, junio 10). Supracafé lidera la constitución del primer parque tecnológico del café en Colombia. https://bit.ly/2SRtnGB
Vera, D. (Dir.). (2017). Desarrollo de un algoritmo que determine índices normalizados de vegetación (ENDVI) utilizando cartografía aérea por medio de drones (UAV) para el seguimiento fenológico del cultivo de café [Proyecto de investigación, convocatoria Proyectos Conjuntos UEES - I+D]. Grupo de Investigación en Sistemas Inteligentes, Corporación Universitaria Comfacauca.
Descargas
