Influencia de la variabilidad varietal del arroz en la clasificación de niveles de nitrógeno mediante teledetección
DOI:
https://doi.org/10.17398/3101-7177.2.247Palabras clave:
Variedades de arroz, clasificación de nitrógeno, Random ForestResumen
El arroz (Oryza sativa L.) es un cultivo básico a nivel mundial, siendo España el segundo productor europeo. Sin embargo, el sector afronta importantes retos ambientales derivados del cambio climático y la creciente demanda de agua. Aunque la teledetección ofrece herramientas para optimizar insumos como el nitrógeno (N), muchos modelos actuales están calibrados para variedades específicas, lo que limita su aplicabilidad. Este estudio evalúa la transferibilidad de modelos de RS para monitorizar el estado de fertilización nitrogenada en un conjunto altamente heterogéneo de genotipos, localizaciones y campañas. Se realizaron ensayos en seis sitios experimentales de Valencia y Tarragona durante 2022 y 2023, incluyendo más de 170 variedades comerciales y otras en desarrollo, bajo dos dosis de N (100 y 200 kg N/ha). Las imágenes multiespectrales de UAV (MAIA S2) se utilizaron para entrenar clasificadores Random Forest, con el fin de diferenciar entre dosis de N. Los clasificadores lograron más del 85% de exactitud en varias localizaciones, mostrando que las bandas del visible son más relevantes en etapas tempranas, mientras que el infrarrojo cercano y el red-edge son clave durante todo el ciclo. El 82% de las variedades mostró alta compatibilidad con el modelo global de N. En conclusión, la monitorización del nivel de nitrógeno mediante clasificadores RF y teledetección con UAVs es robusta frente a la variabilidad genética.
Descargas
Referencias
Colorado, J. D., Cera-Bornacelli, N., Caldas, J. S., Petro, E., Rebolledo, M. C., Cuellar, D., Calderon, F., Mondragon, I. F., & Jaramillo-Botero, A. (2020). Estimation of Nitrogen in Rice Crops from UAV-Captured Images. Remote Sensing, 12(20), 3396. https://doi.org/10.3390/rs12203396
Farooq, M. S., Fatima, H., Rehman, O. U., Yousuf, M., Kalsoom, R., Fiaz, S., Khan, M. R., Uzair, M., & Huo, S. (2023). Major challenges in widespread adaptation of aerobic rice system and potential opportunities for future sustainability. South African Journal of Botany, 159, 231–251. https://doi.org/10.1016/j.sajb.2023.06.017
Franch, B., Bautista, A. S., Fita, D., Rubio, C., Tarrazó-Serrano, D., Sánchez, A., Skakun, S., Vermote, E., Becker-Reshef, I., & Uris, A. (2021). Within-Field Rice Yield Estimation Based on Sentinel-2 Satellite Data. Remote Sensing, 13(20), 4095. https://doi.org/10.3390/rs13204095
Shukla, S., Chaudhary, K., Aahana, Phutela, S., Bhutani, R., & Shukla, S. K. (2025). Smart crop varieties and precision agriculture: A way ahead for climate-resilient sustainable agriculture. Kumar, O. O. Babalola, J. S. Panwar, & G. Santoyo (Eds.), Climate change and agricultural ecosystems (2.ª ed., pp. 435–466). Woodhead Publishing. https://doi.org/10.1016/B978-0-443-26520-4.00027-5
Tripathi, R., Tripathy, B. R., Jena, S. S., Swain, C. K., Mohanty, S., Sahoo, R. N., Mohapatra, S. D., & Nayak, A. K. (2025). Predicting nitrogen content in rice using unmanned aerial vehicle based multispectral imaging. CLEAN – Soil, Air, Water, 53(10), Article e70048. https://doi.org/10.1002/clen.70048
Xu, S., Xu, X., Zhu, Q., Wang, M., & Guo, Y. (2023). Monitoring leaf nitrogen content in rice based on information fusion of multi-sensor imagery from UAV. Precision Agriculture, 24(6), 2327–2349. https://doi.org/10.1007/s11119-023-10042-8
Yang, M.-D., Hsu, Y.-C., Chen, Y.-H., Yang, C.-Y., & Li, K.-Y. (2025). Precision monitoring of rice nitrogen fertilizer levels based on machine learning and UAV multispectral imagery. Computers and Electronics in Agriculture, 237, 110523. https://doi.org/10.1016/j.compag.2025.110523
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Fàtima Della Bellver, Belen Franch Gras, Javier Tarin Mestre, Cesar José Guerrero Benavent, Concha Domingo Carrasco, Mar Català Forner, Karen Martí, Luis Marqués (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)
