Knowing the total Nitrogen content (Nt) of forage maize (Zea mays) is important so that decisions can be made quickly and efficiently to adjust the timing and amount of both irrigation and fertilizer. In 2017 and 2018 during three growing cycles in two study plots, leaf samples were collected and the Dumas method was used to estimate Nt. During the same growing seasons and on the same sampling plots, a Parrot Sequoia camera mounted on an unmanned aerial vehicle (UAV) was used to collect high resolution images of forage maize study plots. Thirteen multispectral indices were generated and, from these, a Random Forest (RF) algorithm was used to estimate Nt. RF is a machine-learning technique and is designed to work with extremely large datasets. Overall analysis showed five of the 13 indices as the most important. One of these five, the Transformed Chlorophyll Absorption in Reflectance Index/Optimized Soil-Adjusted Vegetation Index, was found to be the most important for estimation of Nt in forage maize (R2 = 0.76). RF handled the complex dataset in a time-efficient manner and Nt did not differ significantly when compared between traditional methods of evaluating Nt at the canopy level and using UAVs and RF to estimate Nt in forage maize. This result is an opportunity to explore many new research options in precision farming and digital agriculture.

En México existe una eficiencia menor a 50% del agua destinada a la agricultura, por lo que es necesario incrementarla. Esto se puede lograr mejorando el diseño de riego superficial y la aplicación del agua. El objetivo fue evaluar el diseño del riego superficial de los principales cultivos en un módulo de riego en la Región Lagunera, Coahuila de Zaragoza, México. Para esto se midieron longitudes y anchos de melga mediante un Sistema de Información Geográfica; además, se calcularon los gastos de operación. El cultivo de algodón presentó los mayores problemas de diseño de riego: 32.4% de las parcelas tienen longitudes mayores a 180 m, anchos de 40 m y gastos unitarios mínimos de 2.0 L s m-1. Esto genera una baja eficiencia de aplicación y, en consecuencia, menor productividad del agua superficial. Para garantizar una eficiencia de aplicación de 85% se recomienda considerar las variables involucradas en el diseño de riego.

No abstract

Los sistemas de información geográfica (SIG) y de percepción remota (PR) ayudan en el manejo y análisis de la información en los distritos de riego (DR). Por tal motivo, el objetivo del presente estudio fue generar un SIG y dar seguimiento al avance de riego superficial de un módulo del distrito de riego 017 Región Lagunera, México. Para esto, se integró un SIG a partir de topografía de precisión, y se utilizaron diez imágenes del satélite Landsat 8. Los resultados indican que la red principal tiene 19.5 por ciento de menor longitud en el canal lateral derecho (CLD) 57+839, de acuerdo con las cifras oficiales. Los principales cultivos sembrados fueron algodón (35.7%) y nogal (34.3%); asimismo, se identificó 24.2 por ciento de superficie excedente. Los SIG y PR facilitan el seguimiento del avance de riego en el módulo, lo cual contribuye a realizar un uso eficiente del agua.

No abstract