Uso de imágenes multiespectrales tomadas con drones y mapeo de fertilidad para el diagnóstico de características edáficas químicas en cultivo de banano (Musa spp.) en el trópico húmedo.

dc.contributor.advisorPerret, Johan
dc.contributor.authorChacón Jiménez, Dilan Josue
dc.date.accessioned2022-11-26T21:24:36Z
dc.date.available2022-11-26T21:24:36Z
dc.date.issued2015-12
dc.description.abstractLa aplicación de conceptos de agricultura de precisión ha incentivado un desarrollo tecnológico, del cual han surgido alternativas con las que se puede llegar a incrementar los rendimientos únicamente utilizando los recursos disponibles. Lo que incentivó a probar esta herramienta, con el fin de brindar una nueva opción a los productores de banano del país. Éste sistema utilizando vehículos aéreos no tripulados consta de un dron equipado con una cámara multiespectral, equipo computarizado de alta calidad y softwares para el procesamiento de datos. El sistema se puso a prueba en el bloque 1 de la Finca Comercial de banano de la Universidad EARTH, cuya extensión es de 131 ha. El uso de dron demostró ser una opción viable para generar imágenes NDVI (índice de vegetación de diferencia normalizada) y NIR (infrarrojo cercano). Sin embargo, el equipo solía sobrecalentarse entre cada vuelo o durante el mismo, además de que fue complicado el procesamiento, interpretación y obtención de resultados. Los nutrientes evaluados fueron Ca, Mg, Fe y Zn. El resultado de la regresión múltiple generó un modelo o ecuación de regresión para cada nutriente, donde los valores de correlación “r” fueron muy bajos 0.17, 0.15, 0.13 y 0.03 respectivamente. Sin embargo, los valores “f” de Fisher fueron sumamente altos 1085764.37, 785029.68, 569303.43 y 33588.31 respectivamente, dando como resultado una probabilidad muy cercana a 0 en todos los casos; de manera que se puede afirmar que las variables predictoras generadas con drones (NDVI y NIR) incluidas en el modelo son estadísticamente significativas. Lo que indica que los modelos si se ajustan para predecir los valores de cada nutriente en la plantación. No obstante, al evaluar la proyección residual, se observan regiones donde el error de predicción aumenta, por lo que requiere de ajustes o la inclusión de variables independientes (pH, CICE, textura, etc.) que aumenten el valor de “r” y disminuyan el error.es_ES
dc.description.uriTrabajo de investigaciónes_ES
dc.formatapplication/pdfes_ES
dc.identifier.urihttps://repositorio.earth.ac.cr/handle/UEARTH/498
dc.language.isospaes_ES
dc.publisherUniversidad EARTHes_ES
dc.rightsinfo:eu-repo/semantics/restrictedAccesses_ES
dc.sourceUniversidad EARTHes_ES
dc.source.uriRepositorio Digital UEARTHes_ES
dc.subjectBANANOSes_ES
dc.subjectMUSA (BANANOS)es_ES
dc.subjectFERTILIDAD DEL SUELOes_ES
dc.subjectIMAGENES MULTIESPECTRALESes_ES
dc.subjectAGRICULTURA DE PRECISIONes_ES
dc.subjectPROPIEDADES DEL SUELOes_ES
dc.subjectMAPEOes_ES
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#4.01.01es_ES
dc.titleUso de imágenes multiespectrales tomadas con drones y mapeo de fertilidad para el diagnóstico de características edáficas químicas en cultivo de banano (Musa spp.) en el trópico húmedo.es_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
thesis.degree.disciplineAgronomíaes_ES
thesis.degree.grantorUniversidad EARTHes_ES
thesis.degree.levelLicenciaturaes_ES

Archivos

Universidad EARTH
Apartado 4442-1000
San José, Costa Rica
Tel. +506 2713-0000

Síguenos en nuestras redes:

Fundación Universidad EARTH
151 Ellis St NE
Floor 1, Suite 133
Atlanta, GA 30303
Phone +1 404995-1230