No abstract

This work presents quantitative detection of water stress and estimation of the water stress level: none, light, moderate, and severe on potato crops. We use hyperspectral imagery and state of the art machine learning algorithms: random decision forest, multilayer perceptron, convolutional neural networks, support vector machines, extreme gradient boost, and AdaBoost. The detection and estimation of water stress in potato crops is carried out on two different phenological stages of the plants: tubers differentiation and maximum tuberization. The machine learning algorithms are trained with a small subset of each hyperspectral image corresponding to the plant canopy. The results are improved using majority voting to classify all the canopy pixels in the hyperspectral images. The results indicate that both detection of water stress and estimation of the level of water stress can be obtained with good accuracy, improved further by majority voting. The importance of each band of the hyperspectral images in the classification of the images is assessed by random forest and extreme gradient boost, which are the machine learning algorithms that perform best overall on both phenological stages and detection and estimation of water stress in potato crops.

El conocimiento del recurso suelo permite orientar prácticas de manejo y desarrollo de la agricultura de forma sostenible, lo que permite ejecutar acciones encaminadas a garantizar la seguridad alimentaria de un territorio (Ramos et al., 2018). Estas acciones deben basarse en información estructurada de suelos, información que por lo general no se encuentra compilada ni homogenizada, (Malone, Minasny & McBratney, 2017). Esfuerzos de compilación y disposición para consulta de la información edáfica han sido realizados (p. ej. SISLAC, SIGA, entre otros), sin embargo, Ramos et al. (2018) resalta la importancia de hacer uso de esa información para conocer el patrón de comportamiento de las propiedades del suelo, pues en mapas convencionales (delimitaciones hechas con polígonos) no son evidentes las complejas relaciones entre sus propiedades (Sánchez et al., 2009). Por tanto, el objetivo del presente proyecto fue construir un sistema de información de suelos en el altiplano cundiboyacense que compilara la información disponible y donde los usuarios pudieran consumir servicios web geográficos (SWG) producto del análisis y modelación de dicha información.

No abstract

Introducción. Existen métodos alternativos de fertilización como la inyección de fertilizantes al seudotallo que presenta mayor eficiencia que la fertilización edáfica tradicional. Objetivo. Evaluar el efecto de la fertilización edáfica e inyección de nutrientes sobre variables morfológicas y peso del racimo de plátano en suelos de fertilidad variable. Materiales y métodos. Se establecieron dos experimentos en los municipios de Viotá y Chaguaní, Cundinamarca, Colombia, en 2018. Se usó un diseño completamente aleatorizado en arreglo bifactorial. Los dos experimentos fueron: Experimento A: dos localidades y dos tipos de fertilización (tradicional y química edáfica) y Experimento B: dos localidades y cuatro soluciones nutritivas (una a base de aminoácidos y otra con nutrientes, ambas en dos proporciones) más un testigo. Las variables de respuesta fueron: peso de racimo, días de floración a cosecha, diámetro y longitud externa del dedo central. Resultados. La fertilización edáfica orgánica en el suelo de Chaguaní no tuvo efecto sobre el peso del racimo en comparación con las fuentes químicas. En Viotá, la fertilización edáfica química incrementó el peso del racimo en comparación con la fertilización tradicional. Esta respuesta diferencial se explica porque en Chaguaní el suelo presentó mayor capacidad de intercambio, contenido de nutrientes y carbono orgánico. Las plantas sembradas en Chaguaní produjeron racimos de mayor peso (21,6 kg) en comparación con Viotá (19,0 kg), pero los dedos del racimo fueron más cortos en esta localidad. La inyección de nutrientes en ambas localidades incrementó el rendimiento del cultivo del plátano en comparación con el testigo sin inyección. Conclusiones. Una dosis baja de fertilizante en el suelo de alta fertilidad generó un efecto similar en la producción de plátano registrada en el suelo de baja fertilidad que recibió una dosis alta de fertilizante. La inyección de soluciones nutritivas se debe validar como alternativa complementaria a la fertilización edáfica tradicional.