ANÁLISIS DE AGRICULTURA MEDIANTE IMÁGENES MULTIESPECTRALES DE DRONES CREANDO ÍNDICES DE VEGETACIÓN NDVI Y NDRE EN ALOZAINA, MALAGA, ESPAÑA Y LA UNIVERSIDAD LA MOLINA, PERÚ

Introducción

El proyecto pretende identificar índices de vegetación con el fin de mirar la efectiva de los drones, las cámaras multiespectrales y los Sistemas de Información Geográfica en la agricultura, siendo así la combinación de estas técnicas la actual tecnología mas avanzada posible de implementar en la agricultura de precisión 

Antecedentes

Desde hace vario años los Índices de vegetación han permitido al agricultor, ingeniero ambiental o forestal o demás actores que ven con cultivos y plantas; determinar el estado de salud de las plantas. El análisis de imágenes multiespectrales en Software que permiten determinar de manera rápida y efectiva el estado de salud de las plantas y a manera general de lso cultivos. El rápido crecimiento de la industria de los drones, ahora permite tener en alta resolución calidad y fiabilidad una seria de datos de que permiten obtener con gran detalle Indices de vegetación. En este casó se analizarán dos índices de Vegetación, el NDVI (Índice De Vegetación De Diferencia Normalizada), este mide la biomasa fotosintéticamente activa de las plantas, y el NDRE (Índice De Diferencia Normalizada De Borde Rojo) que combina las bandas espectrales del infrarrojo cercano (NIR) y una banda específica para el estrecho rango entre el rojo visible y la zona de transición (la llamada región del borde rojo). La combinación de estos índices permite tener una alta precisión de datos.       

Descripción del área de estudio

Para el presente análisis de índices de vegetación se proponen las siguientes zonas: 

• Universidad Nacional Agraria La Molina 

La Universidad Nacional Agraria La Molina es una universidad pública ubicada en la ciudad de Lima, Perú. Fue fundada el 22 de julio de 1902, inicialmente como la "Escuela Nacional de Agricultura y Veterinaria". En la actualidad cuenta con 8 facultades, 12 escuelas académico-profesionales y 1 escuela de posgrado especializadas en el ámbito de las ciencias naturales, agrarias y medio ambientales. Siendo una de las mas importantes en materia agraria, agrícola y medio ambiental del pero, cuente con diferentes laboratorios y zonas de producción destinadas principalmente para estudios, por eso el presente proyecto se desarrolla en el cultivo de maíz de la universidad. 

Figura 1. Universidad Nacional Agraria La Molina

• Alozaina España 

Alhosaina, en árabe, según algunos, pequeña fortaleza. Con poco más de 2.500 habitantes. Su superficie es de 34,5 kilómetros cuadrados, rodeados de bastantes accidentes geográficos. Al Norte de su municipio se encuentra la Sierra Prieta, donde el pico que lleva el mismo nombre alcanza la máxima altura del término, con 1.521 metros, en el límite con Casarabonela. Al Oeste, Cerro Pelado, con 558 metros; Ardite, al Sureste, con sólo 459 metros, sirve de límite con Guaro; y, finalmente, la Loma del Pocico, de 634 metros, que separa las cuevas del río Jorox y Arroyo de las Viñas. Precisamente, este río y el manantial de Albar abastecen a la población.

Figura 2. Alozaina España

Objetivos del proyecto

• Diseñar un plan de vuelo sobre las zonas de interés 
• Adquirir Software necesario para procesar, utilizar y crear ortomosaico de imágenes multi espectrales adquiridas por drone 
• Calcular Índice de Vegetación de Diferencia Normalizada (NDVI) y el Índice de Diferencia Normalizada de Borde Rojo (NDRE) con las imágenes obtenidas de los ortomosaico 
• Identificar que es lo que permiten identificar los índices NDVI y NDRE en las zonas de estudio
• Elaborar un mapa de NDVI y NDRE para las zonas de estudio    

Procedimiento

1. Planes de Vuelo 

Inicialmente se utilizará Drone Deploy con el fin de crear rutas de vuelo, estas rutas de vuelo permitirán tener información cartográfica de la zona, para ello se realizará un plan del vuelo en el municipio de Pisba, Boyacá, Colombia. El cual es un municipio con apenas aproximadamente 1600 habitantes, del cual debido a su geografía y nubosidad no se cuenta con casi imágenes satelitales de gran calidad, por tal motivo se desea tener la cartografía aledaña a la zona municipio. Se realiza el plan de vuelo como se observa en la figura 2. Para el vuelo se utilizo una altura de 60 metros y se utilizó el drone DJI Air 2s en el plan de vuelo. 

Figura 3. Plan de Vuelo Municipio de Pisba, Colombia

Ahora utilizando DroneDeploy nuevamente se realizará un plan de vuelo seleccionando el DJI AIR 2S con una altura de 60 metros, en este caso se realiza un plan de vuelo en la universidad agraria la Molina en Perú, en la figura 4 Se observa el plan de vuelo en el Software DroneDeploy 

Figura 4. Plan De vuelo Universidad La Molina, Perú.

Metodología Creación de Mapas de Índices de Vegetación 

Inicialmente se cuenta con fotografías multiespectrales obtenidas de drone de dos zonas distintas, para ambos lo primero que se procede a hacer mediante Software es Construir el ortomosaico en .tif para la cual se hace carga de todas las fotografías dentro del software, en este debemos seleccionar que es del tipo multiespectral, con eso toma la fotografía compuesta por los distintos espectros, para la zona de la Universidad La Molina se tienen fotografías RGB, Green, Red, Red Edge y NIR, para el caso de Alozaina se tiene Blue, Green, Red, Red Edge y NIR. 

Para el procesamiento de imágenes de la Zona la Molina se procesaron todas las imágenes sin las RGB ralentizaban mucho el procesamiento debido a que estas estaban en una resolución superior a las de los demás espectros. 

Una vez procesadas las imágenes y creado el ortomosaico se procede a encontrar los Índices con sus respectivas formulas, para el caso de La Molina se determina el índice NDVI y para el caso de Alozaina se determinar el NDRE. 

• Índice De Vegetación De Diferencia Normalizada (NDVI)

El NDVI es uno de los más adecuados para seguir la dinámica de desarrollo de la vegetación, ya que mide la biomasa fotosintéticamente activa de las plantas. Sin embargo, este índice de vegetación es bastante sensible a la luminosidad del suelo y a los efectos atmosféricos, mitigados en otros índices como EVI, SAVI, ARVI, GCL o SIPI.

NDVI = (NIR – RED) / (NIR + RED)

Puede utilizarse durante toda la temporada de producción de cultivos, excepto cuando la vegetación y su cubierta vegetal es demasiado escasa, ya que su reflectancia espectral es demasiado baja. Los valores del NDVI son más precisos a mediados de la temporada, en la fase de crecimiento activo de los cultivos.

• Índice De Diferencia Normalizada De Borde Rojo (NDRE)

El índice NDRE combina las bandas espectrales del infrarrojo cercano (NIR) y una banda específica para el estrecho rango entre el rojo visible y la zona de transición (la llamada región del borde rojo). 

Fórmula: NDRE = (NIR – RED EDGE) / (NIR + RED EDGE)

Este índice de vegetación se aplica a la cubierta vegetal de alta densidad. El NDRE se utiliza normalmente para controlar los cultivos que han alcanzado la fase de madurez.

Con los índices de vegetación Deseados Obtenidos se procede a crear el .tiff en índice de colores e índice de valores. Posteriormente se abre QGIS donde se creará una capa ráster con el mapa en .tif de índice de valores, se realiza una escala acorde a los colores y nivel del suelo y se montan junto a la capa de GoogleMaps de QGIS como se observa en las figuras 5 y 6.  

Figura 5. Lugar Zona de Estudi Universidad La Molina en QGIS

Figura 6. Lugar Zona de Estudio Alozaina en QGIS

Posteriormente se realiza el procesamiento de los valores con el fin de tener un índice de colores que permitan determinar el estado de vegetación para ambos casos y con el procesamiento que identifique los índices de vegetación NDVI y NDRE en cada caso en QGIS como se observa en la figura 5 y 6. 

Figura 7. Procesamiento en QGIS NDVI para la Zona La Molina

Figura 8. Procesamiento en QGIS de NDRE para la Zona Alozaina.

Flujo de Trabajo Metodológico

Figura 9. Flujo Metodológico para obtención y análisis de mapas NDVI y NDRE

Resultados

Se obtiene el mapa de índice vegetativo espectral NDVI de la zona Universidad Nacional Agraria La Molina, tenemos una gran cantidad de suelo desnudo, aproximadamente en 67% partes de la Zona no se encuentra cultivo, se tiene que solo aproximadamente un 17% de la zona de estudio las plantas cuentan con un desarrollo vigorizo. Otro 17 % cuenta con plantas que hasta ahora deben estar en la etapa inicial de crecimiento del cultivo. Se concluye que hay ausencia de plantas en la mayoría de área de estudio.

Figura 10. Mapa NDVI La Molina

Se obtiene el mapa de índice vegetativo espectral NDRE de la zona agrícola del municipio de Alozaina , en la imagen se puede observar cerca de un 25 % indica crecimientos deficientes y suelos expuestos, el 30 % un desarrollo deficiente, un 35 % muestran un desarrollo intermedio y el restante 20% de las plantas muestran un nivel de vigorosidad optima. Se nota una baja cobertura vegetal en calidad y densidad, pero esto no esta necesariamente relacionado al estado de las plantas, sino a que se tiene forma de cultivo disperso. 

Figura 11. Mapa Alozaina, España

Conclusiones

• Los drones sumados a la agricultura de precisión permiten identificar variables de los cultivos que antes no era posible determinar, o su tiempo de análisis tardaban mucho, con los drones se puede analizar grandes extensiones en poco tiempo 
• Los Drones también permiten imágenes mucho más detallas, otros método para análisis de imágenes o índices de vegetación es mediante el uso de imágenes satelitales, la más usadas las del Landsat, sin embargo en estas no se tiene la cantidad y detalle de información que se puede llegar a tener con los drones. 
• Los índices de vegetación han sido fundamentales para determinar el estado de salud de las plantas ya sea para agricultura, silvicultura o medio ambiente, una cámara multiespectral sumada a un dron permite identificar el estado en tiempo récord, es la suma de las tecnologías. 
• En este caso los índices de vegetación NDVI y NDRE permitían mirar distintos factores del cultivo, razón por la cual se complementan, el NDRE discretiza mejor los valores de vegetación densa, lo que permite identificar en que temporada se encuentran los cultivos 

Recomendaciones

• Es pertinente siempre verificar el de donde son las imágenes que se obtienen del drone, estas pueden tener errores de coordenadas, de ubicación o de toma de datos, entre otras.
• Es pertinente tener y buscar mas opciones de software, todos si bien tienen interfaz diferentes y forma de procesamiento distinta, es posible llegar a los resultados planteados independientemente del Software utilizado 
• Entre más índices de vegetación se apliquen mayor información se tendrá del cultivo, sin embargo el experto del cultivo es quien mas sabe cuales son las variables que mas deben ser observadas para el mismo, según el cultivo o la etapa de crecimiento de la planta 

Referencias

1. Duarte, L., Teodoro, A. C., & Gonçalves, H. (2014, October). Deriving phenological metrics from NDVI through an open source tool developed in QGIS. In Earth Resources and Environmental Remote Sensing/GIS Applications V (Vol. 9245, p. 924511). International Society for Optics and Photonics.
2. González, A., Amarillo, G., Amarillo, M., & Sarmiento, F. (2016). Drones aplicados a la agricultura de precisión. Publicaciones e Investigación, 10, 23-37. 
3. Boiarskii, B., & Hasegawa, H. (2019). Comparison of NDVI and NDRE indices to detect differences in vegetation and chlorophyll content. Journal of mechanics of continua and mathematical sciences, 4, 20-29.
4. Boiarskii, B., & Hasegawa, H. (2019). Comparison of NDVI and NDRE indices to detect differences in vegetation and chlorophyll content. Journal of mechanics of continua and mathematical sciences, 4, 20-29. 
5. Anccori Vasquez, J. K., & Flores Lerma, J. E. (2022). Comparación de desplazamientos (X, Y, Z) obtenidos en el software Pix4D y Agisoft Metashape con el dron Phantom 4 RTK en la carretera Emp. PE-3S (Puno)-Vilque-Mañazo-Emp. PE-34A (Huataquita).