Evaluation of moisture index and vegetation performance in a coffee crop by remote sensing using Unmanned Aerial Systems
Article Sidebar
Main Article Content
Abstract
The coffee production sector constantly faces threats from market conditions and extreme weather changes, which affect its yield. Remote sensing technologies serve as a tool to contribute to efficient crop management. This study evaluated the behavior of moisture and vegetation indices in a coffee plantation under agronomic systems of sun and shade using remote sensors. Direct measurements of moisture, height, and canopy diameter were taken through field sampling and indirectly through LiDAR sensors and multispectral images using unmanned aerial vehicles. Geospatial analysis, at resolutions of 5, 10, and 20 cm/px, determined that the diameter of coffee trees had lower error rates with increasing resolution, contrary to tree height, where a resolution of 10 cm/pixel resulted in less error compared to observed data. Statistical analysis showed significant differences in vegetation indices NDVI and water NDWI between sun and shade treatments concerning water consumption. NDVI exhibited a strong correlation with water consumption in the sun treatment (proportional), while NDWI showed a strong proportional correlation with consumption in the shade treatment and an insignificant correlation in the sun treatment. LiDAR sensors proved to be a useful tool for obtaining height and diameter information in coffee trees, while multispectral images are an option for estimating crop water consumption.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Los autores conservan los derechos de autor y ceden a la revista el derecho de la primera publicación y pueda editarlo, reproducirlo, distribuirlo, exhibirlo y comunicarlo en el país y en el extranjero mediante medios impresos y electrónicos. Asimismo, asumen el compromiso sobre cualquier litigio o reclamación relacionada con derechos de propiedad intelectual, exonerando de responsabilidad a la Editorial Tecnológica de Costa Rica. Además, se establece que los autores pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
References
C. Brenes, “El fenómeno de El Niño y la agricultura latinoamericana”, San José, Costa Rica, 2014. Consultado: el 20 de abril de 2024. [En línea]. Disponible en: https://repositorio.iica.int/handle/11324/2992
Instituto del Café de Costa Rica (Icafe), “Actualización Área Cafetalera 2017 - 2018”, Heredia, jun. 2019. [En línea]. Disponible en: https://goo.gl/maps/gxPZgBn8ZXB2.
E. F. Avila- Vélez y B. Royero Benavides, “Application of vegetable indices in coffee (Coffea arabica L.)”, Revista U.D.C.A Actualidad and Divulgacion Cientifica, vol. 24, núm. 2, dic. 2021, doi: 10.31910/rudca.v24.n2.2021.1584.
Piedad A, D. Hernández, H. Lárraga, y E. Zacarías, “Teledetección en la Agricultura de Precisión: Estado del Arte en los Índices de Vegetación”, TECTZAPIC, vol. 6, pp. 46–58, 2020, Consultado: el 20 de abril de 2024. [En línea]. Disponible en: https://dialnet.unirioja.es/servlet/articulo?codigo=8504957
C. Chinchilla-Soto, A. M. Durán-Quesada, M. Monge-Muñoz, y M. V. Gutiérrez-Soto, “Quantifying the annual cycle of water use efficiency, energy and CO2 fluxes using micrometeorological and physiological techniques for a coffee field in costa rica”, Forests, vol. 12, núm. 7, jul. 2021, doi: 10.3390/f12070889.
E. Ortis, “Atlas de Costa Rica 2014”, 2014. Consultado: el 20 de abril de 2024. [En línea]. Disponible en: https://hdl.handle.net/2238/6749
FAO and IUSS, “Base referencial mundial del recurso suelo 2014”, Roma, Italia, 2016. Consultado: el 20 de abril de 2024. [En línea]. Disponible en: http://www.fao.org
M. Zakir, “GIS and RS Based Spatio-Temporal Analysis of Soil Moisture/Water Content Variation in Southern Irrigated Part of Sindh, Pakistan”, Journal of Remote Sensing & GIS, vol. 07, núm. 04, sep. 2018, doi: 10.4172/2469-4134.1000250.
G. Golmohammadi, S. Prasher, A. Madani, y R. Rudra, “Evaluating three hydrological distributed watershed models: MIKE-SHE, APEX, SWAT”, Hydrology, vol. 1, núm. 1, pp. 20–39, 2014, doi: 10.3390/hydrology1010020.
M. Coromines Munt, E. Blanco Casellas, y A. Ruiz García, “Aplicación de la Tecnología LÍDAR al Estudio de la Cobertura Vegetal”, Cuadernos de la Sociedad Española de Ciencias Forestales, vol. 19, pp. 71–77, 2005, Consultado: el 20 de abril de 2024. [En línea]. Disponible en: https://dialnet.unirioja.es/servlet/articulo?codigo=2981951
M. Maesano et al., “UAV-based LiDAR for high-throughput determination of plant height and above‐ground biomass of the bioenergy grass arundo donax”, Remote Sens (Basel), vol. 12, núm. 20, pp. 1–20, oct. 2020, doi: 10.3390/rs12203464.
F. Islas Gutiérrez et al., “Ecuación Alométrica para Estimar Biomasa Aérea de Árboles de Pinus harwegii a partir de Datos LIDAR”, Revista Fitotecnia Mexicana, vol. 47, núm. 1, p. 70, mar. 2024, doi: 10.35196/rfm.2024.1.70.
E. F. Avila-Vélez y B. Royero-Benavides, “Application of vegetable indices in coffee (Coffea arabica L.)”, Revista U.D.C.A Actualidad and Divulgación Científica, vol. 24, núm. 2, dic. 2021, doi: 10.31910/rudca.v24.n2.2021.1584.
D. Revelo, J. Mejía, B. Montoya, y J. Hoyos, “Análisis de los índices de vegetación NDVI, GNDVI y NDRE para la caracterización del cultivo de café (Coffea arabica)”, Colombia, ago. 2020. doi: https://doi.org/10.14482/inde.38.2.628.
J. Necochea, “Efecto del Biochar en la Curva de Retención de Agua de Materiales de Revale de Cobre”, Pontificia Universidad Católica de Chile, Santiago de Chile, 2021. doi: 10.7764/tesisUC/ING/62196.
J. Gomes, J. Pacheco, R. Carlesso, C. Trois, y A. Knies, “Perdidas de agua por evaporación en maíz con siembra convencional y directa para diferentes niveles de cobertura muerta. I. resultados experimentales”, Revista Ciencias Técnicas Agropecuarias, vol. 20, pp. 60–64, 2011, [En línea]. Disponible en: http://www.redalyc.org/articulo.oa?id=93222228012
L. Bonnaire, B. Bonilla, y F. Obando, “Procesamiento de imágenes multiespectrales captadas con drones para evaluar el índice de vegetación de diferencia normalizada en plantaciones de café variedad Castillo”, Ciencia Tecnologia Agropecuaria, vol. 22, núm. 1, abr. 2021, doi: 10.21930/RCTA.VOL22_NUM1_ART:1578.