Evaluation of handheld optical sensors and drone-acquired multispectral images for yield estimation

• Autores: Víctor Manuel Gordillo Salinas, Alondra Villeda-Monsalvo, Juan Arista Cortes, Jorge Flores Velázquez
• Localización: Ingeniería agrícola y biosistemas, ISSN 2007-3925, ISSN-e 2007-4026, Vol. 16, Nº. 1, 2024, págs. 15-29
• Idioma: inglés
• Títulos paralelos:
  • Evaluación de sensores ópticos manuales e imágenes multiespectrales adquiridas con dron para estimación de rendimiento
• Enlaces
  • Texto completo
• Resumen
  • español

    Resumen Introducción La clorofila de las hojas de trigo está vinculada con el rendimiento de grano, y medir su reflectancia permite predecir el rendimiento del cultivo. Objetivo Evaluar el potencial de los sensores GreenSeeker (GS) y SPAD502+, y de imágenes espectrales adquiridas con una cámara infrarroja transportada en un vehículo aéreo no tripulado (VANT) para estimar el rendimiento de grano en trigo. Metodología Se aplicaron concentraciones variables de nitrógeno, y se tomaron lecturas con SPAD502+ y GS directo en trigo durante las etapas fenológicas de vaina engrosada y espigado. Simultáneamente, se capturaron imágenes aéreas con una cámara multiespectral para determinar índices de vegetación. Resultados La comparación entre el rendimiento medido y el estimado con los sensores ópticos muestra que el GS presentó el mejor ajuste, con un coeficiente de determinación (R2) de 0.86 en vaina engrosada. El ajuste con el índice de vegetación de diferencias normalizadas del verde (GNDVI) fue mejor en espigado (R2 = 0.89). Limitaciones del estudio Se deben evaluar sensores con mayor resolución espectral y etapas más tempranas del cultivo para estimar el rendimiento con mayor antelación. Originalidad El estudio muestra el potencial de los sensores ópticos para estimar el rendimiento; con ello, se superan las limitaciones de tiempo y recurso económico que demandan los métodos convencionales. Conclusiones El GNDVI y el GS son opciones confiables, rápidas y no destructivas para pronosticar el rendimiento de grano de trigo; sin embargo, los VANTs permiten escalar el monitoreo de los cultivos y reducir los tiempos de obtención de la información de campo.

  • English

    Abstract Introduction Chlorophyll in wheat leaves is linked to grain yield, and measuring its reflectance allows predicting crop yield. Objective To evaluate the potential of GreenSeeker (GS) and SPAD502+ sensors, and spectral images acquired with an infrared camera fitted on an unmanned aerial vehicle (UAV) to estimate grain yield in wheat. Methodology Variable nitrogen concentrations were applied, and readings were taken with SPAD502+ and direct GS on wheat during the thickened sheath and heading phenological stages. Simultaneously, aerial images were captured with a multispectral camera to determine vegetation indices. Results The comparison between measured and estimated yields with optical sensors shows that GS presented the best fit, with a coefficient of determination (R2) of 0.86 in thickened sheaths. The fit with the green normalized difference vegetation index (GNDVI) was better in heading (R2 = 0.89). Limitations of the study Sensors with higher spectral resolution and earlier crop stages should be evaluated to estimate yield earlier. Originality The study shows the potential of optical sensors to estimate yield, thereby overcoming the time and economic resource limitations entailed in conventional methods. Conclusions GNDVI and GS are reliable, fast and non-destructive options to forecast wheat grain yield; however, UAVs allow scaling up crop monitoring and reducing the time to obtain field information.