Uso de sensores para estimar el potencial productivo y la fenología en genotipos de trigo
DOI:
https://doi.org/10.17398/3101-7177.2.232Palabras clave:
sensores remotos, sensores próximos, fenotipado, rendimiento potencial, cerealesResumen
El empleo de imágenes y sensores remotos pueden ser un apoyo importante para el fenotipado de cultivos. El objetivo de este estudio fue explorar la capacidad de medidas proximales y remotas para estimar la estimación de rendimiento y las diferencias en fenología de 57 genotipos de trigo procedentes de diversos países europeos. Para ello se seleccionaron 57 variedades de un ensayo que se llevó a cabo durante dos campañas de cultivo en Alcalá de Henares (Madrid). De cada variedad se determinaron las fechas de espigado, floración y maduración, así como el rendimiento en cosecha. Igualmente se tomaron medidas con un sensor de proximidad para calcular los índices NDVI, NDRE y CCCI así como imágenes de campo para obtener la cubierta vegetal en tres fechas. La altura del cultivo se obtuvo a partir de imágenes aéreas adquiridas con un UAV. La variable que mostró mayor capacidad para estimar el rendimiento fue la cubierta vegetal que, al incluir la altura estimada del dosel, permitió alcanzar un R² de 0,53 y un RMSE de 990 kg/ha. Al analizar las variedades según su origen, se observó que las mejoras más significativas correspondieron a las variedades españolas y suizas, con valores de R² de 0,43 y 0,53, respectivamente. En cuanto a la fecha de adquisición, la variable que mejor estimó el momento de espigado fue el índice CCCI, con un error del 47 %. Asimismo, los índices espectrales y los rasgos estructurales del cultivo aportaron información complementaria para explicar el rendimiento. Como alternativa basada en teledetección, se propone el uso de modelos texturales o geométricos del cultivo y técnicas de inteligencia artificial, que han demostrado ser eficaces en la estimación de la maduración de frutos y en la identificación de malas hierbas.
Descargas
Referencias
de Castro, A. I., Jiménez-Brenes, F. M., Torres-Sánchez, J., Peña, J. M., Borra-Serrano, I., & López-Granados, F. (2018). 3-D characterization of vineyards using a novel UAV imagery-based OBIA procedure for precision viticulture applications. Remote Sensing, 10(4). https://doi.org/10.3390/rs10040584
Gracia-Romero, A., Rufo, R., Gómez-Candón, D., Soriano, J. M., Bellvert, J., Yannam, V. R. R., Gulino, D., & Lopes, M. S. (2023). Improving in-season wheat yield prediction using remote sensing and additional agronomic traits as predictors. Frontiers in Plant Science, 14. https://doi.org/10.3389/fpls.2023.1063983
Okyere, F. G., Cudjoe, D. K., Virlet, N., Castle, M., Riche, A. B., Greche, L., Mohareb, F., Simms, D., Mhada, M., & Hawkesford, M. J. (2024). Hyperspectral Imaging for Phenotyping Plant Drought Stress and Nitrogen Interactions Using Multivariate Modeling and Machine Learning Techniques in Wheat. Remote Sensing, 16(18). https://doi.org/10.3390/rs16183446
Paredes, P., López-Urrea, R., Martínez-Romero, Á., Petry, M. T., Cameira, M. do R., Montoya, F., Almeida, W., Salman, M., & Pereira, L. S. (2025). Base and upper temperature thresholds to support the calculation of growing degree days aiming at their use with the FAO56rev crop coefficients curve: A review. In Agricultural Water Management (Vol. 319). Elsevier B.V. https://doi.org/10.1016/j.agwat.2025.109755
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Nuria Arencibia Pérez, Miguel Quemada, Ana M. Tarquis, Ana de Castro, Magdalena Ruiz, Raúl San Juan, Jose Luis Gabriel (Autor/a)

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Todo el contenido disponible en el Portal de Revistas-UEx se distribuye bajo una licencia Creative Commons: Atribución 4.0 Internacional (CC BY 4.0)