aplicaciones de la espectroscopia en la agricultura · schlemmer, m.r. et al., 2005. remotely...

PATRIMONIO DE TODOS LOS COLOMBIANOS

APLICACIONES DE LA ESPECTROSCOPIA EN LA AGRICULTURA

Luis Joel Martínez MProfesor Asociado

PROGRAMA DE MAESTRÍA EN GEOMATICAUniversidad Nacional de Colombia

[email protected]

mailto:[email protected]


ESPECTROSCOPIA

La espectroscopia es el estudio de la luz como una función de la longitud de onda que se ha emitido, reflejado o dispersado desde un sólido, líquido o gas (USGS Spectroscopy Lab)

Espectroscopia de imágenes= sensores remotos hiperespectrales.


Composición a color bandas 4,3,2 del Sentinel 2 correspondiente a la época seca (enero 17 de 2016)

PROGRAMA DE MAESTRÍA EN GEOMATICA

DISTRIBUCIÓN ESPACIAL DEL REP (LINEAR

INTERPOLATION) EN UN CULTIVO DE MAÍZ (Zea

mays L.)


.


TRANSFORMACIÓN DEL FLUJO INCIDENTE

La absorción (A) ocurrecuando la radiación(energía) es absorbida porel objeto.

La transmisión (T) ocurrecuando la radiaciónatraviesa el objeto.

La reflexión (R) ocurrecuando la radiación"rebota" fuera del objeto yse redirecciona.

Fuente: CCRS


ESTRUCTURA DE LA HOJA


PROGRAMA DE MAESTRÍA EN GEOMATICA


RANGO ESPECTRAL

• a-ultraviolet (UV): 0.001 to 0.4 µm,

• b-visible: 0.4 to 0.7 µm,

• c) near-infrared (NIR): 0.7 to 3.0 µm,

• d) the mid-infrared (MIR): 3.0 to 30 µm, and the far infrared (FIR): 30 µm to 1 mm

• En sensors remotos :~0.4 a 1.0-µm VNIR (visible-near-infrared), 1.0 a 2.5-µm SWIR (short-wave infrared).


REFLECTANCIA EN SUELOS(Pereira, Brevik, Muñoz, & Miller, 2017)


ANCHO DE BANDA ESPECTRAL


Reflectancia en suelos con diferentes texturas


REFLECTANCIA DE CULTIVOS(Martínez,2017)


0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

B2 B3 B4 B5 B6 B7 B8 B8A B11 B12

Ref

lect

acn

ia

Bandas Sentinel 2

Figura 2: Respuesta espectral de diferentes coberturas en imágenes Sentinel 2.Epoca húmeda (junio 25 de 2016)

Soya Arroz Palma Pasturas Bosque Sabana Maiz Nubes Sombras


0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

B2 B3 B4 B5 B6 B7 B8 B8A B11 B12

Re

fle

ctan

cia

Bandas Sentinel 2

Figura 3: Respuesta espectral de diversas coberturasen imágenes Sentinel 2. Epoca seca, enero 17 de 2016

Maiz cosechado Pasturas Suelo preparado Bosque Sabana Palma Quema Humidicola


EFECTO DEL ESTADO FENOLOGICO EN LA REFLECTANCIA


EFECTO DE LA APLICACION DE N EN LA REFLECTANCIA


FORMULA NOMBRE CALCULO CON IMÁGENES

Sentinel 2

FUENTE

(NIR- R)/(NIR + R) NDVI74 (B7-B4)/(B7+B4) (Rouse Jr, J., Haas, R. H.,

Schell, J. A., & Deering 1974)

(NIR-R)/(RE2/RE1) IRECI (B7-B4)/(B5/B6) (Frampton et al. 2013)

(R783/R705)-1 Cl red-edge (B7/B5)-1 (Gitelson et al. 2005)

(R783/R560)-1 Cl-green (B7/B3)-1 (Gitelson et al. 2005)

Longitud de onda del valor

máximo de la primera derivada

del espectro en la región del red-

edge.

REP: método de

extrapolación lineal

REP-LE

Calculado únicamente con lecturas

del espectroradiómetro

(Cho & Skidmore 2006)

700+40(Rre−R700)/(R740−R700)

Rre: (R670+R780)/2

Red edge position: linear

interpolation- REP-LI

700+40(Rre−B5)/(B6−B5)

Rre: (B4+B7)/2

(Guyot, G., & Baret 1988)

(R750 - R700)/R700 Índice de clorofila red-edge (B6-B5)/B5 (Gitelson et al. 1996)

(R531 - R570)/(R531 + R570)Índice de reflectancia

fotoquímica –PRI_

Calculado únicamente con lecturas

del espectroradiómetro

(Peñuelas et al. 2011)

705 + 35 * ((((NIR + R)/2)-

RE1)/(RE2- RE1)), RE: red-edge

S2-REP 705 + 35 *((((B7 + B4)/2)-B5)/(B6-

B5))

(Frampton et al. 2013)

ÍNDICES DE VEGETACIÓN Y REP CALCULADOS A PARTIR DE LAS RESPUESTAS ESPECTRALES Y DE LAS IMÁGENES SENTINEL 2.


PRIMERA DERIVADA DE LA REFLECTANCIA


-0,0008

-0,0006

-0,0004

-0,0002

0

0,0002

0,0004

0,0006

0,0008

670 675 680 685 690 695 700 705 710 715 720 725 730 735 740 745 750 755 760 765 770 775 780

Se

gu

nd

a d

eri

va

da

de

la

re

fle

cta

nc

ia

Longitud de onda (nm)

Segunda derivada de la reflectancia de varios cultivos y coberturas de la tierra

Caucho B. humidicola Maíz Sabana Soya


SNV=Standard normal variate of 1st derivative

RNAUC=Reflectance Normalized area under curve

1st-D = first derivative of reflectance

2nd-D = second derivative of reflectance

ROD= reflectance original data

CORRELACION DEL CONTENIDO DE N (%) Y LA RESPUESTA ESPECTRAL (Martínez, 2017)

DISTRIBUCIÓN ESPACIAL DEL NDVI EN UN

CULTIVO DE MAÍZ (Zea mays L.)


Factores que afectan la respuestaespectral

• Morfología de la hoja

• Estado fenológico

• Especie, variedad, densidad de siembra

• Características de las copas

• Tipo de hoja y parte de la hoja

• Estado nutricional, pigmentos, riego, plagas, enfermedades.

• Manejo: podas, aplicación de insumos


ALGUNAS INVESTIGACIONES REALIZADAS

• Estado nutricional de las plantas: arroz, maíz, banano, coca, otros.

• Detección temprana de enfermedades: papa, uchuva.

• Calidad de frutos de agraz


CONCLUSIONES

• La medición de las respuestas espectrales en los cultivos permite establecerdiferencias en lo referente a la especie y presenta correlaciones con el contenidode algunos nutrimentos en las hojas. Sin embargo, no todos los índices y REPcalculados, presentan correlaciones significativas con los contenidos denutrimentos, los valores de la primera y segunda derivadas calculados para larespuesta espectral fueron los que presentaron correlaciones significativas.Problemas de estrés (nutricionales, hídrico, plagas, enfermedades) puedenpresentar respuestas espectrales similares, en consecuencia, se requiereinvestigación para poder transformar las respuestas espectrales en informaciónconfiable que apoye las decisiones para mejorar la eficiencia en la aplicación deinsumos.


REFERENCIAS1. Martinez, L.J. & Ramos, a., 2015. Estimation of chlorophyll concentration in maize using spectral reflectance. ISPRS - International Archives of the

Photogrammetry, Remote Sensing and Spatial Information Sciences, XL-7/W3(May), pp.65–71. Available at: http://www.int-arch-photogramm-remote-sens-spatial-inf-sci.net/XL-7-W3/65/2015/.

2. Martínez, L.J., 2017. Relationship between crop nutritional status , spectral measurements and Sentinel 2 images Relación entre el estado nutricional de los cultivos , las mediciones espectrales y las imágenes Sentinel 2. Agronomia Colombiana, 35(2), pp.205–215.

1. Cho, M.A. & Skidmore, A.K., 2006. A new technique for extracting the red edge position from hyperspectral data: The linear extrapolation method. Remote Sensing of Environment, 101(2), pp.181–193. Available at: http://www.sciencedirect.com/science/article/pii/S0034425705004244 [AccessedJanuary 28, 2015].

2. Curran, P.J. et al., 1991. The effect of a red leaf pigment on the relationship between red edge and chlorophyll concentration. Remote Sensing of Environment, 35(1), pp.69–76. Available at: http://www.sciencedirect.com/science/article/pii/003442579190066F [Accessed January 28, 2015].

3. Filella, I. & Penuelas, J., 1994. The red edge position and shape as indicator of plant chlorophyll content, biomass and hydric status. Int. J. RemoteSensing, 15(7), pp.1459–1470.

4. Gitelson, A., 2012. Nondestructive Estimation of Foliar Pigment (Chlorophylls, Carotenoids, and Anthocyanins) Contents: Evaluating a SemianalyticalThree-Band Model. In A. H. Prasad S. Thenkabail , John G. Lyon, ed. Hyperspectral Remote Sensing of Vegetation. CRC Press, pp. 141–167.

5. Gitelson, A.A., Merzlyak, M.N. & Lichtenthaler, H.K., 1996. Detection of Red Edge Position and Chlorophyll Content by Reflectance MeasurementsNear 700 nm. Journal of Plant Physiology, 148(3–4), pp.501–508.

6. Liang, S., 2004. Quantitative Remote Sensing of Land Surfaces Wiley & Sons, ed., Wiley & Sons. Available at: http://onlinelibrary.wiley.com/book/10.1002/047172372X.

7. Peñuelas, J., Garbulsky, M.F. & Filella, I., 2011. Photochemical reflectance index (PRI) and remote sensing of plant CO2 uptake. New Phytologist, 191(3), pp.596–599.

8. Ruiz, M. & Chen, P., 1982. Use of the First Derivative of Spectral Reflectance to Detect Mold on Tomatoes. , 25(3), pp.759–762.

9. Savitzky, A., & Golay, M.J., 1964. Smoothing and differentiation of data by simplified least squares procedures. Analytical chemistry, 36(8), pp.1627–1639.

10. Schlemmer, M.R. et al., 2005. Remotely measuring chlorophyll content in corn leaves with differing nitrogen levels and relative water content. Agronomy Journal, 97(1), pp.106–112.

•

http://www.int-arch-photogramm-remote-sens-spatial-inf-sci.net/XL-7-W3/65/2015/


PROGRAMA DE MAESTRIA EN GEOAMATICA

• FACULTAD DE CIENCIAS AGRARIAS

Maestría en Geomática

Admisiones

http://www.cienciasagrarias.bogota.unal.edu.co/maestr%C3%ADa-en-geom%C3%A1tica

https://admisiones.unal.edu.co/posgrado

aplicaciones de la espectroscopia en la agricultura · schlemmer, m.r. et al., 2005. remotely...

Documents