Development of a Spectral Signature Database of Crops in Cundinamarca, Colombia
DOI:
https://doi.org/10.18041/1900-3803/entramado.1.13083Keywords:
Field Spectroradiometry, Spectral Library, Crop Reflectance, Precision Agriculture, Phenological CharacterizationAbstract
This study aimed to characterize the spectral behavior of strategic crops in the Sumapaz region, Cundinamarca (Hass avocado, pea, coffee, onion, bean, corn, and potato), to address the lack of local spectral libraries. The methodology employed field spectroradiometry via an ASD FieldSpec HandHeld 2 device (350–1050 nm) and a statistically representative sampling design on the basis of finite and infinite population theory. To ensure data reliability, a 95% confidence level and a 5% margin of error were established. As a primary result, between 50 and 80 spectra were collected per crop, leading to the development and implementation of the "Sumapaz Spectral Signature Catalog". This open-access web platform integrates reflectance data, phenological stages, and phytosanitary conditions and captures metadata. Key findings revealed distinctive reflectance patterns for each species, such as a marked elevation in the near-infrared (NIR) region for Hass avocados compared with greater dispersion in coffee and potato crops. This database constitutes a fundamental technological asset for precision agriculture, enabling nondestructive monitoring of photosynthetic activity, early stress detection, and sustainable optimization of agricultural resources within the Colombian territorial context.
Downloads
References
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
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Entramado
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
