Correlación del contenido de clorofila foliar de la especie Coffea arabica con índices espectrales en imágenes

  • Andrés Felipe Solis Universidad del Cauca
Palabras clave: Contenido de clorofila, Índices de Vegetación, Espectrofotometría Visible

Resumen

La clorofila es un pigmento fundamental para los procesos fotosintéticos de las especies vegetales, y constituye una limitante en la producción agrícola. La estimación del contenido de clorofila foliar (LCC) se realiza generalmente mediante técnicas invasivas de espectrofotometría. Las imágenes multiespectrales y los Índices de Vegetación (IV), constituyen una alternativa importante debido a que permiten la estimación in situ del pigmento. En este trabajo se pretende encontrar la variabilidad y relaciones entre el contenido localizado de clorofila, de la especie Coffea arabica, e IV tomados de imágenes multiespectrales. Se realizó un muestreo de hojas al azar, y se seleccionaron hojas sanas y enfermas. Se estimó el LCC de 60 muestras mediante espectrofotometría y se encontró el coeficiente de correlación con IV. Los mejores indicadores del pigmento fueron los índices GARI, GNDVI y NDVI, entre 14 índices estudiados. Se encontró que la variabilidad de los datos de IV en diferentes zonas de hojas enfermas, concuerda con la distribución de clorofila no homogénea en esas hojas, ya que la degradación de clorofila en esta variedad no se comporta de forma isotrópica. Este resultado alienta la posibilidad de usar esta técnica para inferir el estado de salud de esta planta.

Descargas

La descarga de datos todavía no está disponible.

Referencias bibliográficas

[1] Federación Nacional de Cafeteros, «EL CAFÉ DEL CAUCA», Federación Nacional de Cafeteros, 2010. http://cauca.cafedecolombia.com/es/cauca/el_cafe_del_cauca (accedido feb. 13, 2020).
[2] J. F. M. Calvo y J. A. C. Gómez, «Análisis de la clorofila de spinacia oleracea y cuantificación de albumina de espagueti utilizando espectrofotometría», UGCiencia, vol. 22, n.o 1, pp. 99–109, 2016, doi: 10.18634/ugcj.22v.1i.597.
[3] K. Grossmann, C. Frankenberg, T. S. Magney, S. C. Hurlock, U. Seibt, y J. Stutz, «PhotoSpec: A new instrument to measure spatially distributed red and far-red Solar-Induced Chlorophyll Fluorescence», Remote Sensing of Environment, vol. 216, pp. 311-327, oct. 2018, doi: 10.1016/j.rse.2018.07.002.
[4] C. E. Binding, T. A. Greenberg, G. McCullough, S. B. Watson, y E. Page, «An analysis of satellite-derived chlorophyll and algal bloom indices on Lake Winnipeg», Journal of Great Lakes Research, vol. 44, n.o 3, pp. 436-446, jun. 2018, doi: 10.1016/j.jglr.2018.04.001.
[5] F. Paz, E. Romero, E. Palacios, M. Bolaños, R. Valdez, y A. Aldrete, «Alcances y limitaciones de los índices espectrales de la vegetación: marco teórico», Terra Latinoam, vol. 32, n.o 3, pp. 177–194, 2014.
[6] A. de la Casa, G. Ovando, L. Bressanini, J. Martínez, G. Díaz, y C. Miranda, «Soybean crop coverage estimation from NDVI images with different spatial resolution to evaluate yield variability in a plot», ISPRS Journal of Photogrammetry and Remote Sensing, vol. 146, pp. 531-547, dic. 2018, doi: 10.1016/j.isprsjprs.2018.10.018.
[7] M. T. Jaramillo-Salazar, Y. Marín-Giraldo, y D. M. Ocampo-Serna, «Efectos en el nivel fotosintético en tres especies de plantas acuáticas sometidas a un tratamiento con agua residual de origen minero», Bol.Cient.Mus.Hist.Nat.U.de Caldas, vol. 22, n.o 1, pp. 43–57, 2018, doi: 10.17151/bccm.2018.22.1.3.
[8] O. A. Orozco Sarasti y G. Llano Ramírez, «Sistemas de Información enfocados en tecnologías de agricultura de precisión y aplicables a la caña de azúcar, una revisión», REVISTA INGENIERíAS UNIVERSIDAD DE MEDELLíN, vol. 15, n.o 28, pp. 103-124, may 2016, doi: 10.22395/rium.v15n28a6.
[9] M. R. González et al., «Estimación de la variación espacial y temporal de la concentracion de nitrogeno en maíz forrajero mediante sensoria remota», Agrofaz: publicación semestral de investigación científica, vol. 17, n.o 2, pp. 53–59, 2017.
[10] H. Zheng et al., «Detection of rice phenology through time series analysis of ground-based spectral index data», Field Crops Research, vol. 198, pp. 131-139, nov. 2016, doi: 10.1016/j.fcr.2016.08.027.
[11] A. Chemura, O. Mutanga, J. Odindi, y D. Kutywayo, «Mapping spatial variability of foliar nitrogen in coffee ( Coffea arabica L.) plantations with multispectral Sentinel-2 MSI data», ISPRS Journal of Photogrammetry and Remote Sensing, vol. 138, pp. 1-11, abr. 2018, doi: 10.1016/j.isprsjprs.2018.02.004.
[12] A. Chemura, O. Mutanga, y T. Dube, «Remote sensing leaf water stress in coffee (Coffea arabica ) using secondary effects of water absorption and random forests», Physics and Chemistry of the Earth, Parts A/B/C, vol. 100, pp. 317-324, ago. 2017, doi: 10.1016/j.pce.2017.02.011.
[13] S. Taugourdeau et al., «Leaf area index as an indicator of ecosystem services and management practices: An application for coffee agroforestry», Agriculture, Ecosystems & Environment, vol. 192, pp. 19-37, jul. 2014, doi: 10.1016/j.agee.2014.03.042.
[14] A. Chemura, O. Mutanga, y J. Odindi, «Modelling Leaf Chlorophyll Content in Coffee (Coffea Arabica) Plantations Using Sentinel 2 Msi Data», en IGARSS 2018 - 2018 IEEE International Geoscience and Remote Sensing Symposium, Valencia, jul. 2018, pp. 8228-8231, doi: 10.1109/IGARSS.2018.8518848.
[15] B. T. Widjaja Putra y P. Soni, «Dataset of chlorophyll content estimation of Coffea Canephora using Red and Near-Infrared consumer-grade camera», Data in Brief, vol. 21, pp. 736-741, dic. 2018, doi: 10.1016/j.dib.2018.10.035.
[16] M. Choi, R. Y. Kim, M.-R. Nam, y H. O. Kim, «Fusion of Multispectral and Panchromatic Satellite Images Using the Curvelet Transform», IEEE Geosci. Remote Sensing Lett., vol. 2, n.o 2, pp. 136-140, abr. 2005, doi: 10.1109/LGRS.2005.845313.
[17] Qian Du y Chein-I Chang, «A signal-decomposed and interference-annihilated approach to hyperspectral target detection», IEEE Trans. Geosci. Remote Sensing, vol. 42, n.o 4, pp. 892-906, abr. 2004, doi: 10.1109/TGRS.2003.821887.
[18] E. R. Hunt, C. S. T. Daughtry, J. U. H. Eitel, y D. S. Long, «Remote Sensing Leaf Chlorophyll Content Using a Visible Band Index», Agronomy Journal, vol. 103, n.o 4, pp. 1090-1099, jul. 2011, doi: 10.2134/agronj2010.0395.
[19] F. Johan, M. Z. Jafri, H. S. Lim, y W. O. Wan Maznah, «Laboratory measurement: Chlorophyll-a concentration measurement with acetone method using spectrophotometer», en 2014 IEEE International Conference on Industrial Engineering and Engineering Management, Selangor Darul Ehsan, Malaysia, dic. 2014, pp. 744-748, doi: 10.1109/IEEM.2014.7058737.
[20] G. Caruso et al., «Estimating biophysical and geometrical parameters of grapevine canopies (‘Sangiovese’) by an unmanned aerial vehicle (UAV) and VIS-NIR cameras», Vitis, vol. 56, n.o 2, pp. 63–70, 2017, doi: 10.5073/vitis.2017.56.63-70.
[21] R. Moran y D. Porath, «Chlorophyll Determination in Intact Tissues Using N,N -Dimethylformamide», Plant Physiol., vol. 65, n.o 3, pp. 478-479, mar. 1980, doi: 10.1104/pp.65.3.478.
[22] A. A. Gitelson, Y. Gritz †, y M. N. Merzlyak, «Relationships between leaf chlorophyll content and spectral reflectance and algorithms for non-destructive chlorophyll assessment in higher plant leaves», Journal of Plant Physiology, vol. 160, n.o 3, pp. 271-282, ene. 2003, doi: 10.1078/0176-1617-00887.
[23] D. I. Arnon, «Copper enzymes in isolated chloroplasts. Polyphenoloxidase in beta vulgaris», Plant Physiol., vol. 24, n.o 1, pp. 1-15, ene. 1949, doi: 10.1104/pp.24.1.1.
[24] H. K. Lichtenthaler, «[34] Chlorophylls and carotenoids: Pigments of photosynthetic biomembranes», Methods in Enzymology, vol. 148, pp. 350-382, 1987, doi: 10.1016/0076-6879(87)48036-1.
[25] O. F. E. Pardo, «Respuestas espectrales a la fertilización Con nitrógeno y potasio en el cultivo del Banano (musa aaa simmonds), caso Municipio Zona Bananera», Universidad Nacional de Colombia, Bogotá - Colombia, 2015.
[26] J. F. G. M. Wintermans y A. De Mots, «Spectrophotometric characteristics of chlorophylls a and b and their phenophytins in ethanol», Biochimica et Biophysica Acta (BBA) - Biophysics including Photosynthesis, vol. 109, n.o 2, pp. 448-453, nov. 1965, doi: 10.1016/0926-6585(65)90170-6.
[27] S. W. Jeffrey y G. F. Humphrey, «New spectrophotometric equations for determining chlorophylls a, b, c1 and c2 in higher plants, algae and natural phytoplankton», Biochemie und Physiologie der Pflanzen, vol. 167, n.o 2, pp. 191-194, 1975, doi: 10.1016/S0015-3796(17)30778-3.
[28] J. W. Rouse Jr, R. H. Haas, J. Schell, y D. Deering, «Monitoring the vernal advancement and retrogradation (green wave effect) of natural vegetation», 1973.
[29] C. J. Tucker, «Red and photographic infrared linear combinations for monitoring vegetation», Remote Sensing of Environment, vol. 8, n.o 2, pp. 127-150, may 1979, doi: 10.1016/0034-4257(79)90013-0.
[30] A. A. Gitelson, Y. J. Kaufman, y M. N. Merzlyak, «Use of a green channel in remote sensing of global vegetation from EOS-MODIS», Remote Sensing of Environment, vol. 58, n.o 3, pp. 289-298, dic. 1996, doi: 10.1016/S0034-4257(96)00072-7.
[31] N. S. Goel y W. Qin, «Influences of canopy architecture on relationships between various vegetation indices and LAI and FPAR: A computer simulation», Remote Sensing Reviews, vol. 10, n.o 4, pp. 309–347, 1994, doi: 10.1080/02757259409532252.
[32] T. Ahamed, L. Tian, Y. Zhang, y K. C. Ting, «A review of remote sensing methods for biomass feedstock production», Biomass and Bioenergy, vol. 35, n.o 7, pp. 2455-2469, jul. 2011, doi: 10.1016/j.biombioe.2011.02.028.
[33] R. Crippen, «Calculating the vegetation index faster», Remote Sensing of Environment, vol. 34, n.o 1, pp. 71-73, oct. 1990, doi: 10.1016/0034-4257(90)90085-Z.
[34] A. Huete, K. Didan, T. Miura, E. P. Rodriguez, X. Gao, y L. G. Ferreira, «Overview of the radiometric and biophysical performance of the MODIS vegetation indices», Remote Sensing of Environment, vol. 83, n.o 1-2, pp. 195-213, nov. 2002, doi: 10.1016/S0034-4257(02)00096-2.
[35] F. Wang, J. Huang, Y. Tang, y X. Wang, «New Vegetation Index and Its Application in Estimating Leaf Area Index of Rice», Rice Science, vol. 14, n.o 3, pp. 195-203, sep. 2007, doi: 10.1016/S1672-6308(07)60027-4.
[36] Y. J. Kaufman y D. Tanre, «Atmospherically resistant vegetation index (ARVI) for EOS-MODIS», IEEE Trans. Geosci. Remote Sensing, vol. 30, n.o 2, pp. 261-270, mar. 1992, doi: 10.1109/36.134076.
[37] B. Pinty y M. M. Verstraete, «GEMI: a non-linear index to monitor global vegetation from satellites», Vegetatio, vol. 101, n.o 1, pp. 15-20, jul. 1992, doi: 10.1007/BF00031911.
[38] Z. K. Ordoñez Fernández y B. P. Montoya Bonilla, «Evaluación agronómica de Coffea Arábica variedad castillo y caturra en dos sistemas de producción (sol y sombra); en la hacienda los naranjos, vereda la Venta (Cajibio-Cauca)», ACCB, vol. 1, n.o 29, p. Artículo Páginas 58-66, oct. 2017.
[39] E. González-Estrada y W. Cosmes, «Shapiro–Wilk test for skew normal distributions based on data transformations», Journal of Statistical Computation and Simulation, vol. 89, n.o 17, pp. 3258-3272, nov. 2019, doi: 10.1080/00949655.2019.1658763.
[40] H. G. Song, S. Y. Byeon, G. Y. Chung, S.-M. Jung, J. I. Choi, y H. S. Shin, «A systematic correlation analysis of carotenoids, chlorophyll, non-pigmented cell mass, and cell number for the blueprint of Dunaliella salina culture in a photobioreactor», Bioprocess Biosyst Eng, vol. 41, n.o 9, pp. 1295-1303, sep. 2018, doi: 10.1007/s00449-018-1957-5.
[41] Y. Fong y Y. Huang, «Modified Wilcoxon–Mann–Whitney Test and Power Against Strong Null», The American Statistician, vol. 73, n.o 1, pp. 43-49, ene. 2019, doi: 10.1080/00031305.2017.1328375.
[42] M. Rani et al., «Multi-temporal NDVI and surface temperature analysis for Urban Heat Island inbuilt surrounding of sub-humid region: A case study of two geographical regions», Remote Sensing Applications: Society and Environment, vol. 10, pp. 163-172, abr. 2018, doi: 10.1016/j.rsase.2018.03.007.
[43] D. Cammarano et al., «Use of the Canopy Chlorophyl Content Index (CCCI) for Remote Estimation of Wheat Nitrogen Content in Rainfed Environments», Agronomy Journal, vol. 103, n.o 6, pp. 1597–1603, 2011, doi: 10.2134/agronj2011.0124.
[44] S. Bhatnagar, B. Ghosh, S. Regan, O. Naughton, P. Johnston, y L. Gill, «Monitoring environmental supporting conditions of a raised bog using remote sensing techniques», Proc. IAHS, vol. 380, pp. 9–15, 2018, doi: 10.5194/piahs-380-9-2018.
[45] M. D. Cross, T. Scambos, F. Pacifici, y W. E. Marshall, «Determining Effective Meter-Scale Image Data and Spectral Vegetation Indices for Tropical Forest Tree Species Differentiation», IEEE J. Sel. Top. Appl. Earth Observations Remote Sensing, vol. 12, n.o 8, pp. 2934-2943, ago. 2019, doi: 10.1109/JSTARS.2019.2918487.
[46] S. O. Ihuoma y C. A. Madramootoo, «Narrow-band reflectance indices for mapping the combined effects of water and nitrogen stress in field grown tomato crops», Biosystems Engineering, vol. 192, pp. 133-143, abr. 2020, doi: 10.1016/j.biosystemseng.2020.01.017.
[47] D. M. Glover, S. C. Doney, W. K. Oestreich, y A. W. Tullo, «Geostatistical Analysis of Mesoscale Spatial Variability and Error in SeaWiFS and MODIS/Aqua Global Ocean Color Data: SEAWIFS AND MODIS MESOSCALE VARIABILITY», J. Geophys. Res. Oceans, vol. 123, n.o 1, pp. 22-39, ene. 2018, doi: 10.1002/2017JC013023.
[48] F. M. Breunig et al., «Spectral anisotropy of subtropical deciduous forest using MISR and MODIS data acquired under large seasonal variation in solar zenith angle», International Journal of Applied Earth Observation and Geoinformation, vol. 35, pp. 294-304, mar. 2015, doi: 10.1016/j.jag.2014.09.017.
[49] B. Kuai, J. Chen, y S. Hörtensteiner, «The biochemistry and molecular biology of chlorophyll breakdown», Journal of Experimental Botany, vol. 69, n.o 4, pp. 751-767, feb. 2018, doi: 10.1093/jxb/erx322.
[50] F. Van Breusegem y J. F. Dat, «Reactive oxygen species in plant cell death», Plant physiology, vol. 141, n.o 2, pp. 384–390, 2006.
[51] D. A. García Cárdenas, J. A. Ramón Valencia, D. F. Alzate Velásquez, y J. R. Palacios Gonzalez, «Dynamics of the Indices NDVI and GNDVI in a Rice Growing in Its Reproduction Phase from Multi-spectral Aerial Images Taken by Drones», en Advances in Information and Communication Technologies for Adapting Agriculture to Climate Change II, vol. 893, J. C. Corrales, P. Angelov, y J. A. Iglesias, Eds. Cham: Springer International Publishing, 2019, pp. 106-119.
[52] S. C. Jiménez-Suancha, H. E. BALAGUERA-LÓPEZ, y others, «Fluorescence as an indicator of stress in Helianthus annuus L. A review», Revista Colombiana de Ciencias Hortícolas, vol. 9, n.o 1, pp. 149–160, 2015, doi: 10.17584/rcch.2015v9i1.3753.
[53] H. Zheng et al., «Evaluation of RGB, Color-Infrared and Multispectral Images Acquired from Unmanned Aerial Systems for the Estimation of Nitrogen Accumulation in Rice», Remote Sensing, vol. 10, n.o 6, p. 824, may 2018, doi: 10.3390/rs10060824.
[54] P. Thenkabail, Remote Sensing Handbook - Three Volume Set. CRC Press, 2018.
[55] C. Qiu et al., «Derivative Parameters of Hyperspectral NDVI and Its Application in the Inversion of Rapeseed Leaf Area Index», Applied Sciences, vol. 8, n.o 8, p. 1300, ago. 2018, doi: 10.3390/app8081300.
[56] Y. Gu, B. K. Wylie, D. M. Howard, K. P. Phuyal, y L. Ji, «NDVI saturation adjustment: A new approach for improving cropland performance estimates in the Greater Platte River Basin, USA», Ecological Indicators, vol. 30, pp. 1-6, jul. 2013, doi: 10.1016/j.ecolind.2013.01.041.
Cómo citar
Solis, A. F. (2021). Correlación del contenido de clorofila foliar de la especie Coffea arabica con índices espectrales en imágenes. Biotecnología En El Sector Agropecuario Y Agroindustrial, 1-15. Recuperado a partir de https://revistas.unicauca.edu.co/index.php/biotecnologia/article/view/1536
Publicado
2021-01-23
Sección
Artículos de Investigaciòn