Modelo para Estimar las Propiedades Químicas del Suelo con Imágenes RGB de Drones
DOI:
https://doi.org/10.29019/enfoqueute.1078Palabras clave:
agricultura de precisión, índices espectrales, Phantom 4 Pro, PIX4Dmapper, ArcGISResumen
La agricultura de precisión optimiza la gestión de cultivos al proporcionar datos precisos sobre las propiedades químicas del suelo, mejorando así la productividad y sostenibilidad agrícola. Este estudio tiene como objetivo desarrollar modelos para estimar propiedades químicas del suelo, como pH, conductividad eléctrica (CE) y materia orgánica (MO), mediante el análisis de imágenes RGB capturadas por dron. La metodología incluyó vuelos fotogramétricos con un dron DJI Phantom 4 Pro equipado con una cámara de 20 Mpx y la toma simultánea de muestras de análisis de laboratorio y mediciones in situ, con sensores multiparámetros Royal Eijkelkamp EC meter set voor grond y pH meter set for soil and water. Las imágenes aéreas fueron procesadas con el software PIX4Dmapper, para generar la ortofoto y bandas espectrales. Con la ortofoto resultante de 1.6 cm/píxel, se calcularon ocho índices espectrales, usando las herramientas de análisis espacial del software ArcGIS. Los resultados in situ mostraron un valor promedio de pH de 5.83, indicando un suelo ligeramente ácido, y una CE de 1.09 dS/m, sugiriendo un suelo con baja concentración de sales disueltas. Los análisis de laboratorio evidenciaron un contenido medio-alto de MO, con un promedio de 5.19 %. Se encontró una correlación fuerte entre la MO y el pH_index con coeficientes de determinación R2=0.55, por su parte también se observaron correlaciones moderadas entre pH con el pH_index y CE con el sal_index6 con coeficientes de determinación R2=-0.39 y R2=0.42 respectivamente. Los resultados mencionados permitieron generar dos modelos para la estimación de estas variables a partir de imágenes RGB.
Descargas
Citas
[1] L. Toledo, R. L. Changoluisa Chiguano and O. Viteri Salazar, “Influencia de la agricultura en la economía y su contraste frente a los objetivos de desarrollo sostenible: caso Ecuador,” Revista Científica de Ciencias Sociales y Humanas. vol. 2, no. 83, pp. 28-49, 2023. https://doi.org/10.33324/uv.v2i83.697
[2] F. González Soto, D. Ullón and J. Loján, “Análisis multitemporal de cambios de uso del suelo en la isla Santa Cruz, archipiélago de las Galápagos, periodo 1991-2023,” Revista Ciencia y Tecnología, vol. 17, no. 1, pp. 1-9, 2024. https://doi.org/10.18779/cyt.v17i1.521
[3] R. Vicente Salar, M. Castelló Bueno, S. Logan de la Rosa and J. C. Padró García, “Efecto de los usos y las cubiertas del suelo y las políticas ambientales en el comportamiento de las temperaturas superficiales en campus universitarios: El caso de la Universidad Autónoma de Barcelona,” Revista Documents d’Analisi Geográfica, vol. 70, no. 2, pp. 261-289, 2024. https://doi.org/10.5565/rev/dag.875
[4] W. Zárate Martínez, M. Felipe Victoriano, F. E. Martínez Silva, K. Moreno León, J. L., Arispe Vázquez and J. F. Díaz Nájera, “Propiedades químicas del suelo y calidad del agua en Miahuatlán de Porfirio Díaz y Ejutla de crespo, Oaxaca, México,” Revista de Ecosistemas y Recursos Agropecuarios, vol. 11, no. 1, pp. 2-10, 2024. https://doi.org/10.19136/era.a11n1.3948
[5] A. Vélez, M. Vera, S. Valdez, D. Martínez and F. Cutipa, “Methods to determine enzymatic activity in contaminated soils,” South Sustainability, vol. 5, no. 1, pp. 1-11, 2024. https://doi.org/10.21142/SS-0501-2024-e092
[6] A. Gonzales and L. Castellanos, “Impacto de diferentes prácticas agrícolas sobre las características fisicoquímicas del suelo: un análisis crítico,” Revista Ambiental Agua, Aire y Suelo, vol. 15, no. 1, 90-105, 2024. https://doi.org/10.24054/raaas.v15i1.2916
[7] R. Enesi, M. Dyck, M. Thilakarathna, S. Strelkov, and L. Gorim, “Calibrated SoilOptix estimates of soil pH and exchangeable cations in three agricultural fields in western Canada – implications for managing spatially variable soil acidity”. Journal Heliyon, vol. 10 no. 17, pp. 1–18, 2024. https://doi.org/10.1016/j.heliyon.2024.e37106
[8] S. Boubehziz, C. Piccini, M. A. Jiménez González and G. Almendros, “Distribución espacial de los descriptores de calidad del carbono orgánico del suelo que determinan los factores que afectan su secuestro en el Noreste de Argelia”, Revista de Gestión Ambiental, vol. 358, pp. 1-10, 2024. https://doi.org/10.1016/j.jenvman.2024.120772
[9] M. Krestenitis, E. Raptis, A. Kapoutsis, K. Ioannidis, E. Kosmatopoulos and S. Vrochidis, “Overcome the fear of missing out: active sensing UAV scanning for precision agriculture,” Robotics and Autonomous Systems, pp. 1-13, 2024. https://doi.org/10.1016/j.robot.2023.104581
[10] J. M. Guzmán Albores, M. de J. Matuz Cruz, J. Y. Arana Llanes, E. López Carrasco, V. Gómez Vázquez and N. González Cárdenas, “Avances y perspectivas de la agricultura de precisión para la sostenibilidad agrícola”, XIKUA Boletín Científico de La Escuela Superior de Tlahuelilpan, vol. 12, no. 24, pp. 1-6, 2024. https://doi.org/10.29057/xikua.v12i24.12790
[11] B. Petrović, R. Bumbálek, T. Zoubek, R. Kuneš, L. Smutný and P. Bartoš, “Application of precision agriculture technologies in Central Europe-review,” Journal of Agriculture and Food Research, vol. 15, no. 1, pp. 1-10, 2024, https://doi.org/10.1016/j.jafr.2024.101048
[12] L. E. Sánchez Palacios, F. R. Martínez Alcivar, S. T. Torres Sánchez, A. C. Lascano Montes and G. N. Terán Guajala, “Agricultura de Precisión en El Ecuador”, Ciencia Latina Revista Científica Multidisciplinar, vol. 8, no. 1, pp. 1532-1542, 2024. https://doi.org/10.37811/cl_rcm.v8i1.9547
[13] R. Nitin Lilandhar, P. C. Saurabh, “Detección remota (rs), uav/drones y aprendizaje automático (ml) como potentes técnicas para la agricultura de precisión: eficaces aplicaciones en agricultura”. International Research Journal of Modernization in Engineering Technology and Science, vol. 5, pp. 4375-4395, 2023. https://doi.org/10.56726/irjmets36817
[14] P. Vigneault, J. Lafond-Lapalme, A. Deshaies, K. Khun, S. de la Sablonnière, M. Filion, L. Longchamps and B. Mimee, “An integrated data-driven approach to monitor and estimate plant-scale growth using UAV”, ISPRS Open Journal of Photogrammetry and Remote Sensing, vol. 11, pp. 1-13, 2024. https://doi.org/10.1016/j.ophoto.2023.100052
[15] Y. Mao et al., “Rapid monitoring of tea plants under cold stress based on UAV multi-sensor data”, Computers and Electronics in Agriculture, vol. 213, pp. 1-13, 2023. https://doi.org/10.1016/j.compag.2023.108176
[16] D. Kaimaris, “Aerial Remote Sensing Archaeology—A Short Review and Applications”, Article Land, vol. 13, no. 7, pp. 1-27. 2024. https://doi.org/10.3390/land13070997
[17] M. Raj, H. N. B., S. Gupta, M. Atiquzzaman, O. Rawlley, and L. Goel, “Leveraging precision agriculture techniques using UAVs and emerging disruptive technologies,” Energy Nexus, vol. 14, pp. 1-25, 2024. https://doi.org/10.1016/j.nexus.2024.100300
[18] J. Tan, J. Ding, Z. Wang, L. Han, X. Wang, Y. Li, Z. Zhang, S. Meng, W. Cai, and Y. Hong, “Estimating soil salinity in mulched cotton fields using UAV-based hyperspectral remote sensing and a Seagull Optimization Algorithm-Enhanced Random Forest Model,” Computers and Electronics in Agriculture, vol. 221, pp. 1-10, 2024. https://doi.org/10.1016/j.compag.2024.109017
[19] Y, Han, “Application of Unmanned Aerial Vehicle Remote Sensing for Agricultural Monitoring”, E3S Web of Conferences, pp. 1-6, 2024. https://doi.org/10.1051/e3sconf/202455302022
[20] G. Linets, A. Bazhenov, S. Malygin, N. Grivennaya, S. Melnikov and V. Gorchakov, “Method for remote measurement of specific conductivity and moisture of subsurface soil horizons,” Smart Agricultural Technology, vol. 8, pp. 1-9, 2024. https://doi.org/10.1016/j.atech.2024.100503
[21] M, Ngabire et al., “Mapeo de la salinización del suelo en diferentes tipos de cobertura terrestre arenosa en la cuenca del rio Shiyang: un enfoque de teledetección y regresión lineal múltiple,” Remote Sensing Applications: Society and Environment, vol. 28, pp. 1-18, 2024. https://doi.org/10.1016/j.rsase.2022.100847
[22] O. Yuzugullu, N. Fajraoui and F. Liebisch, “Soil Texture and Ph Mapping Using Remote Sensing and Support Sampling,” IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, pp. 1-21, 2024. https://doi.org/10.1109/JSTARS.2024.3422494
[23] INAMHI, “Datos meteorológicos de la estación La Teodomira Manabí, Santa Ana,” Inst. Nac. de Meteorología e Hidrología, Manabí, Ecuador, Rep. 2023.
[24] S. Schweizer Lassaga, “Muestreo y análisis de suelos para diagnóstico de fertilidad,” 1a ed. Reading, MA: M. Mesén Villalobos and L. Ramírez Cartín, 2011. https://www.mag.go.cr/bibliotecavirtual/P33-9965.pdf
[25] Eijkelkamp, “EC-pH meters”, 2024. www.eijkelkamp.com.
[26] S. Barrezueta Undas, A. Cervantes Alava, M. Ullauri Espinoza, J. Barrera Leon, and A. Condoy Gorotiza, “Evaluación del método de ignición para determinar materia orgánica en suelos de la provincia el Oro-Ecuador”, FAVE Sección Ciencias Agrarias, vol. 19, no. 2, pp. 25-36, 2020. https://doi.org/10.14409/fa.v19i2.9747
[27] L. M. Dos Santos-Tonial, M. Schimit Colla, J. Bassetto Carra, M. Fabris and V. Aparecido de Lima, “Classification and total carbon determination of the soils using RGB digital images combined with machine learning”, Communications in Soil Science and Plant Analysis, vol. 54, no. 2, pp. 1-13, 2023. https://doi.org/10.1080/00103624.2022.2110891
[28] R. Shrestha Prasad, S. Qasim and S. Bachri, “Investigating remote sensing properties for soil salinty mapping: A case study in Korat province of Thailand,” Environmental Challenges, vol. 5, pp. 1-10, 2021. https://doi.org/10.1016/j.envc.2021.100290
[29] Y. K. Sonn et al., “Development of models to estimate total soil carbon across different croplands at a regional scale using RGB photography”, International Journal of Environmental Research and Public Health, vol. 19, no. 15, pp. 2-11, 2022. https://doi.org/10.3390/ijerph19159344
[30] V. Kumar, B. Kumar Vimal, R. Kumar, M. Kumar and K. Vigyan Kendra, Determination of soil pH by using digital image processing technique. Journal of Applied and Natural Science, vol. 6, no. 1, pp. 14-18, 2014. https://doi.org/10.31018/jans.v6i1.368
[31] S. Yeon Kyu et al., Development of Models to Estimate Total Soil Carbon across Different Croplands at a Regional Scale Using RGB Photography. International Journal of Environmental Research and Public Health, vol. 19, no. 15, pp. 2-11, 2022. https://doi.org/10.3390/ijerph19159344
[32] M. F. Ikhwan, W. Mansor, Z. I. Khan, M. K. A. Mahmood, A. Bujang, and K. Haddadi, “Pearson Correlation and Multiple Correlation Analyses of the Animal Fat S Parameter”, TEM Journal, vol. 13 no. 1, pp. 155-160, 2024, https://doi.org/10.18421/TEM131-15
[33] C. Omuto, R. Vargas, K. Viatkin and Y. Yigini, “Mapeo de suelos afectados por salinidad”, Modelo espacial de suelos afectados por salinidad, 2021, http://www.wipo.int/amc/en/mediation/rules
[34] D. Ibarra Castillo, J. A. Ruiz Corral, D. R. González Eguiarte, J. G. Flores Garnica and G. Díaz Padilla, “Distribución espacial del pH de los suelos agrícolas de Zapopan, Jalisco, México”, Agricultura Técnica En México, vol. 35, no. 3, pp. 267-276, 2009.
[35] N. C. Arzola Pina and J. Machado de Armas,”Soil aptitude for the production of sugarcane. Part I. Calibration in experimental and production conditions,” Centro Agricola, vol. 42, no. 2, pp. 33-38, 2015. http://cagricola.uclv.edu.cu/descargas/pdf/V42-Numero_2/cag05215.pdf
[36] G. Mesías Ruiz, J. Peña, A. Castro, I. Borra Serrano and J. Dorado, “Detección y clasificación de malas hierbas mediante drones y redes neuronales profundas: creación de mapas para tratamiento localizado Weed detection and classification using UAVs and deep neural networks: mapping for localized treatment,” Revista de Ciencias Agrarias, vol. 47, no. 1, pp. 175-179, 2024,https://doi.org/10.19084/rca.34973
[37] L. Biró, V. Kozma-Bognár and J. Berke, “Comparison of RGB Indices used for Vegetation Studies based on Structured Similarity Index (SSIM),” Journal of Plant Science and Phytopathology, vol. 8, no. 1, pp. 007-012, 2024, https://doi.org/10.29328/journal.jpsp.1001124
[38] A. Dwi Priyo, R. Isnain Rachmanto, Mujiyo and Komariah, “The accuracy of soil moisture prediction using an RGB camera on maize and peanut plantation”, E3S Web of Conferences, pp. 1-6, 2023. https://doi.org/10.1051/e3sconf/202346701031
[39] F. J. Diaz, A. Ahmad, L. Parra, S. Sendra and J. Lloret, “Low-Cost Optical Sensors for Soil Composition Monitoring”, Sensors, vol. 24, no. 4, pp. 1-20, 2024. https://doi.org/10.3390/s24041140
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Los Autores
Esta obra está bajo una licencia Creative Commons Reconocimiento 3.0 Unported.
Los artículos e investigaciones publicadas por la Universidad UTE, se realizan en régimen de Acceso Abierto [Open Access] en formato electrónico. Esto significa que todo el contenido está disponible de forma gratuita sin costo para el usuario o su institución. Los usuarios pueden leer, descargar, copiar, distribuir, imprimir, buscar o enlazar los textos completos de los artículos, o usarlos para cualquier otro propósito legal, sin necesidad de pedir permiso previo al editor o al autor. Esto está de acuerdo con la definición de acceso abierto de la Iniciativa de Acceso Abierto de Budapest (BOAI). Al enviar un artículo a cualquiera de las revistas científicas de la Universidad UTE, el o los autores aceptan estas condiciones.
La UTE aplica la licencia Creative Commons Attribution (CC-BY) a los artículos de sus revistas científicas. En virtud de esta licencia de acceso abierto, como autor usted acuerda que cualquier persona puede reutilizar su artículo en su totalidad o en parte para cualquier propósito, de forma gratuita, incluso para fines comerciales. Cualquiera puede copiar, distribuir o reutilizar el contenido siempre y cuando el autor y la fuente original estén correctamente citados. Esto facilita la libertad de reutilización y también asegura que el contenido pueda ser extraído sin barreras para necesidades de investigación.
Esta obra está bajo una Creative Commons Attribution 3.0 International (CC BY 3.0).
Además, la Revista Enfoque UTE garantiza y declara que los autores conservan siempre todos los derechos de autor y todos los derechos de publicación sin restricciones [© Los Autores]. El reconocimiento (BY) permite cualquier explotación de la obra, incluyendo una finalidad comercial, así como la creación de obras derivadas, la distribución de las cuales también está permitida sin ninguna restricción.
Enfoque UTE - Facultad de Ciencias de la Ingeniería e Industrias - Universidad UTE
