Servicios Personalizados
Revista
Articulo
Indicadores
- Citado por SciELO
- Accesos
Links relacionados
- Citado por Google
- Similares en SciELO
- Similares en Google
Compartir
Biotecnología en el Sector Agropecuario y Agroindustrial
versión impresa ISSN 1692-3561
Resumen
SOLIS-PINO, ANDRÉS-FELIPE,; REVELO-LUNA, DAVID-ARMANDO,; CAMPO-CEBALLOS, DIEGO-ANDRÉS, y GAVIRIA-LOPEZ, CARLOS-ALBERTO,. Correlación del contenido de clorofila foliar de la especie Coffea arabica con índices espectrales en imágenes. Rev.Bio.Agro [online]. 2021, vol.19, n.2, pp.57-68. Epub 30-Jun-2021. ISSN 1692-3561. https://doi.org/10.18684/bsaa.v19.n2.2021.1536.
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 porque 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 isotrópicamente. Este resultado alienta la posibilidad de usar esta técnica para inferir el estado de salud de esta planta.
Palabras clave : Contenido de clorofila; Índices de vegetación; Espectrofotometría; Imágenes multiespectrales; Correlación; Cultivos de campo; Agricultura de precisión; Cámaras multiespectrales; NDVI; GARI; GRNDVI.