Evaluación del uso de imágenes RBG de drones para el estudio de la vegetación asociada a islas de recursos
DOI:
https://doi.org/10.5281/zenodo.10279636Palabras clave:
VANT, sensores remotos, islas de recursos, índices de vegetación, índice TGI, fracción de cobertura vegetal, índice VARI, bosque secoResumen
Las islas de recursos (IR) son arreglos estratégicos de vegetación en zonas áridas y semiáridas y el estudio de su estructura y dinámica es importante para entender su papel en la oferta de servicios ecosistémicos. Sin embargo, el trabajo de campo con metodologías convencionales está limitada por la severidad de las condiciones climáticas y dificultades técnicas para abarcar un área representativa de estudio mínima. Por lo tanto, evaluar metodologías alternativas indirectas basadas en la captura de datos geoespaciales puede aumentar la disponibilidad de información y facilitar su estudio. En este trabajo, se analizó la dinámica del cambio estructural interanual en IR de una zona semiárida de la península de La Guajira. La estrategia metodológica evaluada consistió en utilizar análisis en SIG de ortofotomosaicos en RGB adquiridos por un dron o vehículo aéreo no tripulado VANT. Se estimaron los cambios interanuales asociados con la fracción de cobertura vegetal utilizando el índice VARI, y el contenido de clorofila mediante el índice verdor triangular, en SIG. Los resultados muestran un mapa que describe el efecto de una mayor disponibilidad hídrica en un año con una anomalía climática sobre la cobertura vegetal. Además, el índice verdor triangular permitió hacer una inferencia sobre el papel del agua en la asimilación del nitrógeno, y por ende reflejando un incremento en la producción de clorofila. Finalmente, el uso de herramientas SIG permite obtener datos geoespaciales que describen la estructura y algunas funciones biológicas, de forma alternativa (menor tiempo y costos) a las metodologías tradicionales, permitiendo el seguimiento sistemático de activos ecológicos estratégicos como en este caso, la vegetación en las IR.
Descargas
Citas
Almeida, D. R. A. D., Broadbent, E. N., Ferreira, M. P., Meli, P., Zambrano, A. M. A., Gorgens, E. B., Resende, A. F., Almeida, C. T. D., Amaral, C. H. D., Corte, A. P. D., Silva, C. A., Romanelli, J. P., Prata, G. A., Papa, D. D. A., Stark, S. C., Valbuena, R., Nelson, B. W., Guillemot, J., Féret, J-B., ... & Brancalion, P. H. S. (2021). Monitoring restored tropical forest diversity and structure through UAV-borne hyperspectral and lidar fusion. Remote Sensing of Environment, 264, [112582]. https://doi.org/10.1016/j.rse.2021.112582
Brito, A., & Cumandá, N. (2021). Herramientas SIG para el estudio de la cobertura vegetal y cambio de uso de suelo en el cantón Chunchi, provincia del Chimborazo. http://dspace.ups.edu.ec/handle/123456789/20104
Candiago, S., Remondino, F., De Giglio, M., Dubbini, M., & Gattelli, M. (2015). Evaluating Multispectral Images and Vegetation Indices for Precision Farming Applications from UAV Images. Remote Sensing, 7(4), 4026-4047. https://doi.org/10.3390/rs70404026
Castellanos, L. C. J., Buitrago, M. L. P., & Soto, L. I. C. (2022). Determinación de la diversidad taxonómica y funcional de hongos a través de metagenómica en isla de recursos y su influencia en la degradación de materia orgánica en ambiente semiárido de La Guajira. https://repositorio.unicolmayor.edu.co/handle/unicolmayor/5713
Díaz, R. A. R. (2020). Análisis espacial de coberturas vegetales presentes en comunidades indígenas ubicadas en el municipio de Uribia, departamento de La Guajira, Colombia. https://ridum.umanizales.edu.co/xmlui/handle/20.500.12746/5904
Gitelson, A. A., Stark, R., Grits, U., Rundquist, D., Kaufman, Y., & Derry, D. (2002). Vegetation and soil lines in visible spectral space: A concept and technique for remote estimation of vegetation fraction. International Journal of Remote Sensing, 23(13), 2537–2562. https://doi.org/10.1080/01431160110107806
González, A., Amarillo, G., Amarillo, M., & Sarmiento, F. (2016). Drones Aplicados a la Agricultura de Precisión. Publicaciones e Investigación, 10, 23. https://doi.org/10.22490/25394088.1585
Guerra-Martínez, F., García Romero, A., & Martínez Morales, M. A. (2020). Evaluación de la resiliencia ecológica de los bosques tropicales secos: Una aproximación multiescalar. Madera y Bosques, 26(3). https://doi.org/10.21829/myb.2020.2631983
Hunt, E. R., Doraiswamy, P. C., McMurtrey, J. E., Daughtry, C. S. T., Perry, E. M., & Akhmedov, B. (2011). A visible band index for remote sensing leaf chlorophyll content at the canopy scale. International Journal of Applied Earth Observation and Geoinformation, 21, 103-112. https://doi.org/10.1016/j.jag.2012.07.020
IDEAM - Instituto de Hidrología, Meteorología y Estudios Ambientales (IDEAM). Consulta y Descarga de Datos Hidrometeorológicos. Consultado: (28/03/2023). http://dhime.ideam.gov.co/atencionciudadano/
Karlin, M. S., Coirini, R., Ringuelet, A., Bernasconi Salazar, J., Cora, A., Contreras, A., Bravo, M. B., & Buffa, E. (2021). Evaluación biofísica de islas de fertilidad en el Chaco Árido (Argentina). AgriScientia, 38(1), 1–13. https://doi.org/10.31047/1668.298x.v38.n1.30529
Li, S., Wang, C., Yang, S., Chen, W., Li, G., Luo, W., Wei, G., & Chen, C. (2023). Determining the contribution of microbiome complexity to the soil nutrient heterogeneity of fertile islands in a desert ecosystem. Science of The Total Environment, 857, 159355. https://doi.org/10.1016/j.scitotenv.2022.159355
Manrique, E. (2003). Los pigmentos fotosintéticos, algo más que la captación de luz para la fotosíntesis. Ecosistemas, 12. Metternicht, G. (2003). Vegetation indices derived from high-resolution airborne videography for precision crop management. International Journal of Remote Sensing, 24(14), 2855–2877. https://doi.org/10.1080/01431160210163074
Moncayo-Riascos, M. C., & Gálvez-Cerón, A. (2018). Islas de fertilidad: Una revisión sistemática de su estructura y operación. Idesia (Arica), 36(1), 115-122. https://doi.org/10.4067/S0718-34292018000100115
Montaño, N. M., Ayala, F., Bullock, S. H., Briones, O., García Oliva, F., García Sánchez, R., Maya, Y., Perroni, Y., Siebe, C., Tapia Torres, Y., Troyo, E., & Yépez, E. (2016). Almacenes y flujos de carbono en ecosistemas áridos y semiáridos de México: síntesis y perspectivas. Terra Latinoamericana, 34(1), 39-59. http://www.redalyc.org/articulo.oa?id=57344471003
Muñoz Iniestra, D. J., Chávez Mosqueda, M., Godínez Álvarez, H. O., & Cuéllar Arellano, N. A. (2017). Cambios edáficos en islas de fertilidad y su importancia en el funcionamiento de un ecosistema del valle de Tehuacán Puebla, México. Revista Terra Latinoamericana, 35(2), 123. https://doi.org/10.28940/terra.v35i2.142
Naranjo, O. L. (2020). Estrategias de parametrización de vuelo de un equipo RPAS para la generación de Ortomosaicos a partir de sensores multiespectrales y RGB. https://repositorio.ucm.edu.co/handle/10839/3438
de Ocampo, A. L. P., Bandala, A. A., & Dadios, E. P. (2019). Estimation of Triangular Greenness Index for Unknown Peak Wavelength Sensitivity of CMOS-acquired Crop Images. 2019 IEEE 11th International Conference on Humanoid, Nanotechnology, Information Technology, Communication and Control, Environment, and Management (HNICEM), 1-5. https://doi.org/10.1109/HNICEM48295.2019.9072796
Pinto, J., Rueda-Chacón, H., & Arguello, H. (2019). Classification of Hass avocado (Persea americana mill) in terms of its ripening via hyperspectral images. TecnoLógicas, 22(45), 109-128. https://doi.org/10.22430/22565337.1232
Radočaj, D., Šiljeg, A., Marinović, R., & Jurišić, M. (2023). State of Major Vegetation Indices in Precision Agriculture Studies Indexed in Web of Science: A Review. Agriculture, 13(3), 707. https://doi.org/10.3390/agriculture13030707
Rimolo-Donadio, R., Arriola Valverde, S., Umaña Soto, J., López Sampson, A., Sepúlveda, N., Villalobos Avellán, L. C., Monge Mora, J. C. & Somarriba, E. (2021). Fotogrametría Digital con Sistemas Aéreos no Tripulados para el Análisis de Sistemas Agroforestales. Turrialba, C. R. CATIE, 2021. 66 p. https://repositorio.catie.ac.cr/handle/11554/343
Rosero, A. (2021). Evaluación del uso de drones como herramienta de apoyo para un efectivo control y monitoreo de páramos en Colombia. https://hdl.handle.net/10495/24678
Silva, M. F., Maciel, G. M., Gallis, R. B., Barbosa, R. L., Carneiro, V. Q., Rezende, W. S., & Siquieroli, A. C. S. (2022). High-throughput phenotyping by RGB and multispectral imaging analysis of genotypes in sweet corn. Horticultura Brasileira, 40(1), 92-98. https://doi.org/10.1590/s0102-0536-2022012
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2023 revadmin
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
