Millora i validació d'un model basat en imatges satèl·lit per caracteritzar vegetació en vinya
Visualitza/Obre
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/376356
Correu electrònic de l'autorfpuyo26gmail.com
Tipus de documentProjecte Final de Màster Oficial
Data2022-09-30
Condicions d'accésAccés obert
Llevat que s'hi indiqui el contrari, els
continguts d'aquesta obra estan subjectes a la llicència de Creative Commons
:
Reconeixement-NoComercial-SenseObraDerivada 3.0 Espanya
Abstract
An effective and efficient characterization of the vegetation is key to being able to determine the appropriate amount of phytosanitary product to be applied when carrying out phytosanitary treatments in the vineyard. Vegetation evolves and develops based on factors linked to the soil, the climate or the physiology of the plant itself, and that is why within the same plot there is a certain spatial variability in crop growth. It has been proven that expressing the application volumes based on parameters linked to the crop, such as the leaf volume per surface unit, provide significant savings and improvements in the quality of the applications. These new methods of dose expression are based on manual measurements in the field, which are costly to carry out and sometimes slow down the introduction of these methodologies. New technologies such as remote sensing provide information at a global level and local resolutions, together with a high frequency of data. It is for this reason that an opportunity opens up to automate data acquisition processes, which in the case of the application of phytosanitary products involves being able to estimate the characteristics of the crop automatically. The aim of this project was to improve an existing mathematical model that allows to relate vegetation indices calculated from satellite images with vegetation measurements in different vegetative stages in vineyard cultivation. The existing model includes data from the years 2018 and 2019 and has a single vegetation index as an independent variable. During this project, the model was complemented with data acquired during the years 2021 and 2022, and 7 new spectral indices were calculated that served to develop new prediction models. The results showed that the existing model based on the Normalized Differential Vegetation Index (NDVI) and used to estimate the width of the vegetation, lost its predictive capacity when adding samples from 2021 and 2022. Similarly, the Normalized Red Edge Vegetation Index (NDRE) appeared as a potential candidate to estimate the height and width of the vegetation with determination coefficients above 0,55 and 0,45, respectively. When data were grouped by vigor class, all measured spectral indices were significantly correlated with crop height, with coefficients of determination above 0,55. With these results, it can be concluded that satellite images are a promising tool for the remote characterization of vineyard cultivation, although due to their technical limitations, in early phenological stages, with shoots below 40 cm, it will be difficult to obtain data reliable. Once the vineyard is developed, both the NDVI and the NDRE are indices that can provide us with good results that will help implement new management strategies for phytosanitary products based on variable application technologies. Una caracterització eficaç i eficient de la vegetació és clau per poder determinar la quantitat adequada de producte fitosanitari que cal aplicar quan es realitzen tractaments fitosanitaris a la vinya. La vegetació evoluciona i es desenvolupa en funció de factors lligats al sòl, al clima o a la mateixa fisiologia de la planta, i és per això que dins una mateixa parcel·la hi ha una certa variabilitat espacial en el creixement del cultiu. Ha quedat provat que expressar els volums d'aplicació en funció de paràmetres lligats al cultiu, com ara el volum de fulla per unitat de superfície, proporcionen importants estalvis i millores en la qualitat de les aplicacions. Aquests nous mètodes d¿expressió de dosis es basen en mesures manuals en camp, costoses de realitzar i que de vegades frenen la introducció d¿aquestes metodologies. Les noves tecnologies com la teledetecció aporten informació a nivell global i resolucions locals, juntament amb una alta freqüència de dades. És per aquest motiu que s'obre una oportunitat per automatitzar processos d'adquisició de dades, que en el cas de l'aplicació de fitosanitaris passa per poder estimar automàticament les característiques del cultiu. En aquest projecte es pretenia millorar un model matemàtic ja existent que permet relacionar índexs de vegetació calculats a partir d'imatge satèl·lit amb mesures de vegetació en diferents estadis vegetatius al cultiu de la vinya. El model existent comprèn dades dels anys 2018 i 2019 i compta amb un sol índex de vegetació com a variable independent. Durant aquest projecte es va complementar el model amb dades adquirides durant els anys 2021 i 2022, i es van calcular 7 nous índexs espectrals que van servir per desenvolupar nous models de predicció. Els resultats van mostrar que el model existent basat en el Normalized Differential Vegetation Index (NDVI) i que servia per estimar l'amplada de la vegetació, va perdre la capacitat predictiva en afegir mostres de 2021 i 2022. De la mateixa manera, l'índex de vegetació Normalized Red Edge Vegetation Index (NDRE) va aparèixer com a potencial candidat per estimar l'alçada i amplada de la vegetació amb coeficients de determinació per sobre del 0,55 i 0,45 respectivament. Quan les dades es van agrupar per classe de vigor, tots els índexs espectrals mesurats es van correlacionar significativament amb l'alçada del cultiu, amb coeficients de determinació per sobre del 0,55. Amb aquests resultats, es pot concloure que les imatges satèl·lit són una eina prometedora per a la caracterització en remot del cultiu de la vinya, encara que a causa de les seves limitacions tècniques, en estadis fenològics primerencs, amb brots per sota dels 40 cm, difícilment podrem obtenir dades fiables. Un cop la vinya està desenvolupada, tant l'NDVI com l'NDRE son índexs que ens poden aportar bons resultats que ajudaran a implementar noves estratègies de maneig dels fitosanitaris sobre la base de tecnologies d'aplicació variable. Una caracterización eficaz y eficiente de la vegetación es clave para poder determinar la cantidad adecuada de producto fitosanitario que debe aplicarse cuando se realizan tratamientos fitosanitarios en viñedo. La vegetación evoluciona y se desarrolla en función de factores ligados al suelo, al clima o a la misma fisiología de la planta, y es por eso que dentro de una misma parcela existe cierta variabilidad espacial en el crecimiento del cultivo. Ha quedado probado que expresar los volúmenes de aplicación en función de parámetros ligados al cultivo, como pueden ser el volumen de hoja por unidad de superficie, proporcionan importantes ahorros y mejoras en la calidad de las aplicaciones. Estos nuevos métodos de expresión de dosis se basan en medidas manuales en campo, costosas de realizar y que a veces frenan la introducción de estas metodologías. Las nuevas tecnologías como la teledetección, aportan información a nivel global y resoluciones locales, junto con una alta frecuencia de datos. Es por este motivo que se abre una oportunidad para automatizar procesos de adquisición de datos, que en el caso de la aplicación de fitosanitarios pasa por poder estimar las características del cultivo de forma automática. En este proyecto se pretendía mejorar un modelo matemático ya existente que permite relacionar índices de vegetación calculados a partir de imagen satélite con medidas de vegetación en distintos estadios vegetativos en el cultivo del viñedo. El modelo existente comprende datos de los años 2018 y 2019 y cuenta con un solo índice de vegetación como variable independiente. Durante este proyecto se complementó el modelo con datos adquiridos durante los años 2021 y 2022, y se calcularon 7 nuevos índices espectrales que sirvieron para desarrollar nuevos modelos de predicción. Los resultados mostraron que el modelo existente basado en el Normalized Differential Vegetation Index (NDVI) y que servía para estimar la anchura de la vegetación, perdió su capacidad predictiva al añadir muestras de 2021 y 2022. Del mismo modo, el índice de vegetación Normalized Red Edge Vegetation Index (NDRE) apareció como potencial candidato para estimar la altura y anchura de la vegetación con coeficientes de determinación por encima del 0,55 y 0,45 respectivamente. Cuando los datos se agruparon por clase de vigor, todos los índices espectrales medidos se correlacionaron significativamente con la altura del cultivo, con coeficientes de determinación por encima del 0,55. Con estos resultados, se puede concluir que las imágenes satélite son una herramienta prometedora para la caracterización en remoto del cultivo del viñedo, aunque debido a sus limitaciones técnicas, en estadios fenológicos tempranos, con brotes por debajo de los 40 cm, difícilmente podremos obtener datos fiables. Una vez el viñedo está desarrollado, tanto el NDVI como el NDRE son índices que nos pueden aportar buenos resultados que ayudarán a implementar nuevas estrategias de manejo de los fitosanitarios en base a tecnologías de aplicación variable.
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
memoria.pdf | 1,574Mb | Visualitza/Obre |