Construcción de un banco de firmas espectrales de cultivos en Cundinamarca, Colombia
DOI:
https://doi.org/10.18041/1900-3803/entramado.1.13083Palabras clave:
Espectrorradiometría de campo, Biblioteca espectral, Reflectancia de cultivos, Agricultura de precisión, Caracterización fenológicaResumen
Este estudio tuvo como finalidad cuantificar y caracterizar el comportamiento espectral de cultivos estratégicos en la región del Sumapaz, Cundinamarca (aguacate Hass, arveja, café, cebolla, frijol, maíz y papa), ante la ausencia de bibliotecas espectrales locales. La metodología empleó espectroradiometría de campo con un equipo ASD FieldSpec HandHeld 2 (350--1050 nm) y un diseño estadístico basado en poblaciones infinitas, garantizando un nivel de confianza del 95%. Como resultado principal, se recolectaron entre 50 y 80 espectros por cultivo, cuya depuración y procesamiento permitieron consolidar el "Catálogo de Firmas Espectrales Sumapaz". Esta plataforma web abierta integra datos de reflectancia, estados fenológicos, condiciones fitosanitarias y metadatos de captura. Los hallazgos revelaron patrones de reflectancia distintivos para cada especie, destacando una elevación marcada en el infrarrojo cercano (NIR) para el aguacate Hass frente a una mayor dispersión en café y papa. Se concluye que este banco de datos constituye una tecnología fundamental para la agricultura de precisión, permitiendo el monitoreo no destructivo de la actividad fotosintética, la detección temprana de estrés y la optimización sostenible de recursos agrícolas en el contexto territorial colombiano.
Descargas
Referencias
1. ACUÑA-RUZ, Tomás. Firmas espectrales de vegetación urbana en Santiago de Chile: Caracterización y separabilidad de especies a escala foliar. Memoria para optar al Título Profesional de Ingeniero en Recursos Naturales Renovables. Repositorio Académico. Universidad de Chile. Santiago de Chile, 2015. 3 p. https://repositorio.uchile.cl/handle/2250/150870
2. ALONSO, Carmelo; MORENO, Victoriano; RODRÍGUEZ, Elías. Determinación experimental de la firma espectral de la vegetación: una sencilla práctica de introducción a la teledetección. En: Congreso Nacional de Teledetección, 8, 1999, Albacete, España. Teledetección: Avances y Aplicaciones. Asociación Española de Teledetección, 1999. p. 429-433. https://aet.org.es/documentos/congresos/08%201999%20Albacete/10%20Ensenanza%20y%20Difusion%20de%20la%20Teledeccion/1999Albacete%20(1).pdf
3. ANDREU, Ana; CARPINTERO, Elisabet; GONZÁLEZ-DUGO, María P. Teledetección para agricultura. Instituto de Investigación y Formación Agraria y Pesquera (IFAPA). Consejería de Agricultura, Ganadería, Pesca y Desarrollo Sostenible Sevilla, 2018. p. 1-10 https://savannahwatch.cc/wp-content/uploads/2021/02/TELEDETECCION-SERVIFAPA.pptx.pdf
4. ARAQUE, Leonardo; JIMÉNEZ, Andrés. Characterization of the spectral signature from remote sensors for the management of plant health in the oil palm crop. En: Palmas. 2009. vol. 30, no 3. p. 63-79 https://publicaciones.fedepalma.org/index.php/palmas/article/view/1455
5. ÁVILA VÉLEZ, Edier Fernando.; ESCOBAR ESCOBAR, Natalia.; MORANTES CHOCONTA, Carlos Francisco. Applying satellite images to spectral signature development of maize production (Zea mays L.) under Colombia’s middle tropics conditions. En: Entramado. Julio - Diciembre, 2019. vol. 15, no. 2. p. 256-262 https://doi.org/10.18041/1900-3803/entramado.2.5734
6. ASD INC. FieldSpec® HandHeld 2™ User’s Guide. Boulder, CO: ASD Inc., 2010. 105 p. https://www.aslenv.com/assets/files/Lease-PDF/600860%20HH2%20User%20Manual%20-%20Jan%202011.pdf
7. BELLAIRS, Sean; TURNER, Neil; HICK, P; SMITH, R. Plant and soil influences on estimating biomass of wheat in plant breeding plots using field spectral radiometers. En: Australian Journal of Agricultural Research. 1996. vol. 47 no 7. p. 1017-1029. https://doi.org/10.1071/AR9961017
8. COMISIÓN NACIONAL DE ACTIVIDADES ESPACIALES – CONAE. Catálogo de firmas espectrales: Biblioteca espectral Argentina. Buenos Aires: CONAE, 2024. https://catalogos5.conae.gov.ar/FirmasEspectrales/
9. DÍAZ DE LEÓN ZAPATA, Ramón; FLORES GARCÍA, Efrén; LARA VELÁZQUEZ, Ismael; LUNA TORRES, J. F. Enmanuel. Segmento de los THz en el espectro electromagnético y sus aplicaciones. En: Pistas Educativas. 2017. vol. 38, no. 124. p. 83-101. https://pistaseducativas.celaya.tecnm.mx/index.php/pistas/article/view/699/722
10. DÍAZ DELGADO, Ricardo.; BUSTAMANTE, Javier.; ARAGONÉS, David. La teledetección como herramienta en la cartografía de especies invasoras: Azolla filiculoides en Doñana. En: J. (ed.). Teledetección aplicada a la gestión ambiental. Madrid: Ministerio de Medio Ambiente, 2008. p. 159-163. https://digital.csic.es/bitstream/10261/60242/1/Diaz-Delgado_etal_2008.pdf
11. DOERING, Dionisio; BENENMANN, Aarthur; LERM, Rafael; DE FREITAS, Edison; MULLER, Ivan; WINTER, Jea; PEREIRA, Carlos. Design and optimization of a heterogeneous platform for multiple UAV use in precision agriculture applications. IFAC-PapersOnline. 2014. vol. 19, no 3. https://doi.org/10.3182/20140824-6-za-1003.02261
12. ELMOKADEM, Taha. Distributed coverage control of quadrotor multi-UAV systems for precision agriculture. IFAC-PapersOnline. 2019. vol. 52, no 30. p. 251-256. https://doi.org/10.1016/j.ifacol.2019.12.530
13. ESPERANZA, Flavio. C.; ZERDA, Hugo Raúl. Potencialidad de los índices de vegetación para la discriminación de coberturas forestales. En: Congreso Forestal Argentino y Latinoamericano, 3, 2005. Corrientes, Argentina. Asociación Forestal Argentina. https://www.researchgate.net/publication/337907941_Potencialidad_de_los_indices_de_vegetacion_para_la_discriminacion_de_coberturas_forestales
14. FONTAL, Bernardo. El Espectro Electromagnético y sus Aplicaciones Mérida, Venezuela: Universidad de los Andes, Facultad de Ciencias, 2017. 2.ª ed. p. 25-40 http://www.saber.ula.ve/bitstream/handle/123456789/16746/espectro_electromagnetico.pdf;jsessionid=80CF381CE2470A7214CA82A101C7A95F?sequence=1
15. FRANCO, Germán et al. . Producción de menta (Mentha spicata L.) y su aprovechamiento agroindustrial. Mosquera, (Colombia): AGROSAVIA, 2023.114 páginas (Colección Alianzas Agrosavia) https://doi.org/10.21930/agrosavia.analisis.7406405
16. GAO, Bo-Cai; GOETZ, Alexander. F. Column atmospheric water vapor and vegetation liquid water retrievals from airborne imaging spectrometer data. In: Journal of Geophysical Research: Atmospheres. 1990. vol. 95, no D4. p. 3549-3564. https://agupubs.onlinelibrary.wiley.com/doi/abs/10.1029/JD095iD04p03549
17. GIRÓN, Andrea; FAJARDO, Erich Leonardo. Creación de una librería de datos espectrales y fotosintéticos de algunas especies vegetales representativas en el arbolado urbano de Bogotá. Proyecto de grado como requisito parcial para optar al Título de Ingeniero Catastral y Geodesta. En: Repositorio Académico. Universidad Distrital, 2015. http://hdl.handle.net/11349/25473
18. GITELSON, Anatoly A.; VIÑA, Andres; CIGANDA, Veronica; RUNDQUIST, Donald C.; ARKEBAUER, Timothy J. Remote estimation of canopy chlorophyll content in crops. In: Geophysical Research Letters. 2005, vol. 32, no. 8 p. 1-4. https://doi.org/10.1029/2005GL022688
19. HABOUDANE, Driss; MILLER, John R.; PATTEY, Elizabeth; ZARCO-TEJADA, Pablo J.; STRACHAN, Ian B. Hyperspectral vegetation indices and novel algorithms for predicting green LAI of crop canopies: modeling and validation in the context of precision agriculture. In: Remote Sensing of Environment. 2004. vol. 30, no 3. p. 337-352. https://doi.org/10.1016/J.RSE.2003.12.013
20. INSTITUTO NACIONAL DE ESTADÍSTICA Y GEOGRAFÍA – INEGI. Catálogo de firmas espectrales de coberturas de la tierra. Ciudad de México: INEGI, 2024. https://www.inegi.org.mx/app/biblioteca/ficha.html?upc=702825322926
21. KOKALY, Raymond F.; CLARK, Roger N.; SWAYZE, Gregg A.; LIVO, K. Erick; HOEFEN, Todd M.; PEARSON, Neil C.; … KLEIN, Anna. J. USGS spectral library version 7. In: US Geological Survey, 2017. no. 1035. https://pubs.usgs.gov/ds/1035/ds1035.pdf
22. KOOISTRA, Lammert.; CLEVERS, Jan. G. P. W. Estimating potato leaf chlorophyll content using ratio vegetation indices. In: Remote Sensing Letters. 2016. vol. 7, no 16. p. 611-620. https://doi.org/10.1080/2150704X.2016.1171925
23. LABORATORIO OLIVARUM. Protocolo para la toma de muestras de suelos. En: Fundación Caja Rural de Jaén, s. f. https://www.olivarum.es/protocolo-para-la-toma-de-muestras-de-suelo/
24. LIRA, Jorge. La percepción remota: Nuestros ojos desde el espacio. México: 2a ed. México: Fondo de Cultura Económica, Secretaría de Educación Pública. 1997. https://bibliotecadigital.ilce.edu.mx/sites/ciencia/volumen1/ciencia2/33/htm/percep.htm
25. LUNA, Inti.; LOBO, Agustib. Mapping crop planting quality in sugarcane from UAV imagery: a pilot study in Nicaragua. In: Remote Sensing. 2016. vol. 8, no 6. p. 500. https://doi.org/10.3390/rs8060500
26. MILTON, Edward. J.; SCHAEPMAN, Michael. E.; ANDERSON, Karen.; KNEUBÜHLER, Mathias.; FOX, Nigel. Progress in field spectroscopy. In: Remote Sensing of Environment. 2009. vol. 113, no 1, S92-S109. https://www.sciencedirect.com/science/article/abs/pii/S003442570700363X
27. NAKSHMI, J. V. N.; HEMANTH, K. S.; BHARATH, J. Optimizing quality and outputs by improving variable rate prescriptions in agriculture using UAVs. In: Procedia Computer Science. 2020, no.167, p. 1981-1990. https://doi.org/10.1016/j.procs.2020.03.229
28. PEREA, Alberto Jesús.; MEROÑO, José Emilio.; AGUILERA, Maria Jesús. Algoritmos de clasificación experta aplicados en imágenes satelitales QuickBird para el mapeo de la cobertura de la tierra. En: Chilean Journal of Agricultural Research. 2009. vol. 69, no 3. p. 400-405. https://doi.org/10.4067/S0718-58392009000300013
29. PEÑUELAS, Josep.; GAMON, John. A.; FREDEEN, Arthur. L.; MERINO, J.; FIELD, Christopher B. Reflectance indices associated with physiological changes in nitrogen- and water-limited sunflower leaves. In: Remote Sensing of Environment. 1994. vol. 48, no 2. p. 135-146. https://doi.org/10.1016/0034-4257(94)90136-8
30. PEÑUELAS, Josep.; PIÑOL, J.; OGAYA, R.; FILELLA, Ioland. Estimation of plant water concentration by the reflectance Water Index WI (R900/R970). En: International Journal of Remote Sensing. 1997. vol. 18 no 13, p 2869-2875.https://www.researchgate.net/publication/229084550_Estimation_of_Plant_Water_Concentration_by_the_Reflectance_Water_Index_WI_R900R970
31. PINTER Jr, Paul. J.; HATFIELD, Jerry. L.; SCHEPERS, James. S.; BARNES, Edward. M.; MORAN, M. Susan.; DAUGHTRY, Craig. S.; UPCHURCH, Dan. R. Remote sensing for crop management. En: Photogrammetric Engineering & Remote Sensing. 2003. vol. 69, no 6. p. 647-664. https://doi.org/10.14358/PERS.69.6.647
32. ROKHMANA, Catur Aries. The potential of UAV-based remote sensing for supporting precision agriculture in Indonesia. En: Procedia Environmental Sciences. 2015. vol. 24. p. 245-253. https://doi.org/10.1016/j.proenv.2015.03.032
33. SÁNCHEZ GALÁN, Javier E.; JIMÉNEZ, José Ulises.; FÁBREGA, José; SERRANO, Jorge; QUIRÓS McINTIRE, Evelyn Itzel. Clasificación supervisada de firmas espectrales de coberturas agropecuarias en Panamá utilizando el mapeo del ángulo espectral. Informe técnico. Universidad Tecnológica de Panamá. Panamá, 2019. https://cihh.utp.ac.pa/sites/default/files/documentos/2022/pdf/supervised_classification_of_spectral_signatures.pdf
34. SÁNCHEZ REINOSO, H. R. Técnicas estadísticas para el cálculo de muestras en poblaciones finitas e infinitas. Bogotá: Ecoe Ediciones, 2009.
35. SOUZA, Fernando Henrique Queiroz.; MARTINS, Pedro Henrique Alves.; DRESCH MARTINS, Tulio Henrique.; TEODORO, Paulo Eduardo.; BAIO, Fabio Henrique. The use of vegetation index via remote sensing allows estimation of soybean application rate. In: Remote Sensing Applications: Society and Environment. 2020. vol. 17. 2020. 100279. https://doi.org/10.1016/j.rsase.2019.100279
36. SRIVASTAVA, Kshitij.; BHUTORIA, Aman Jain.; SHARMA, Jyoti K.; SINHA, Aakash; PANDEY, Prem. Chandra. UAVs technology for the development of GUI based application for precision agriculture and environmental research. In: Remote Sensing Applications: Society and Environment. 2019. vol. 16. 100258. https://doi.org/10.1016/j.rsase.2019.100258
37. TORRES-MADRONERO, María C.; RONDON, Tatiana; FRANCO, Ricardo; CASAMITJANA, María; TRÓCHEZ-GONZÁLEZ, Johana. Spectral Characterization of Avocado Persea Americana Mill. Cv. Hass Using Spectrometry and Imagery from the Visible to Near-Infrared Range. In: TecnoLógicas. 2023. vol. 26, no 56. e2567. https://doi.org/10.22430/22565337.2567
38. TORRES-MADRONERO, Maria C.; FRANCO Ricardo.; CASAMITJANA, María. Characterization of Maize, Common Bean, and Avocado Crops under Abiotic Stress Factors Using Spectral Signatures on the Visible to Near-Infrared Spectrum. In: MDPI Agronomy. 2024. vol. 14, no 10. https://doi.org/10.3390/agronomy14102228
39. VAESEN, K.; GILLIAMS, S.; NACKAERTS, K.; COPPIN, P. Ground-measured spectral signatures as indicators of ground cover and leaf area index: the case of paddy rice. In: Field Crops Research. 2001. vol. 69, no 1. p. 13-25. https://doi.org/10.1016/S0378-4290(00)00129-5
40. VENEROS, Jaris; GARCÍA, Ligia; MORALES, Eli; GÓMEZ, Víctor; TORRES, Mariana; LÓPEZ-MORALES, Fernando. Aplicación de sensores remotos para el análisis de cobertura vegetal y cuerpos de agua. In: Idesia (Arica). 2020. vol. 38, no 4. p. 99-107. https://doi.org/10.4067/S0718-34292020000400099
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Entramado
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
