Relationship between crop nutritional status, spectral measurements and Sentinel 2 images

Abstract

RESUMENIn order to monitor the nutritional status of some crops based on plant spectroscopy and Sentinel 2 satellite images in Colombia, spectral reflectance data were taken between 350 and 2,500 nm with a FieldSpec 4 spectrometer in rubber, rice, sugar cane, maize, soybean, cashew, oil palm crops, pastures and natural savanna. Furthermore contents of mineral nutrients in leaves were determined. Several vegetation indexes and red edge positions were calculated using various methods from spectral data and Sentinel 2 satellite images and were correlated with leaf nutrient content. The results showed correlations between spectral indices, mainly those involving a spectral response in the red-edge range with the N, P, K and Cu although the best correlation coefficients were for N. First reflectance derivatives, transformations by the State Normal Variate and second reflectance derivatives showed great potential to monitor N content in crops. The green model index and the red-edge model computed from Sentinel 2 images had the best performance to monitor N content, although in the study area, presence of clouds affected the use of these images. The Sentinel 2 images allowed calculating some vegetation indexes obtained with other images, such as Landsat or SPOT, but additionally other indexes and calculations based on the bands of the red-edge, which is a great contribution to obtain more information of crops on their spatial and temporal variability Con el fin de monitorear el estado nutricional de algunos cultivos con base en espectroscopía de plantas e imágenes satelitales 2 en Colombia, se tomaron datos de reflectancia entre 350 y 2.500 nm con un espectrómetro FieldSpec 4 en cultivos de caucho, arroz, caña de azúcar, maíz, soya, marañón y palma de aceite, en pasturas y sabanas naturales y se determinó el contenido de nutrientes minerales en hojas. Se calcularon varios índices de vegetación y posiciones de borde rojo usando varios métodos, a partir de datos espectrales e imágenes de satélite Sentinel 2 y se correlacionaron con el contenido de nutrientes en las hojas. Los resultados mostraron correlaciones entre índices espectrales, principalmente aquellos que involucraron la respuesta espectral en el rango de borde rojo, con N, P, K y Cu aunque los mejores coeficientes de correlación fueron para N. La primera derivada de la reflectancia, su transformación por la state normal variate y la segundas derivadas mostraron un gran potencial para monitorear el contenido de N en los cultivos. El índice del modelo verde y el modelo de borde rojo calculados a partir de imágenes Sentinel 2 tuvieron el mejor desempeño para monitorear el contenido de N, aunque en las condiciones del área de estudio la presencia de nubes afectó el uso de estas imágenes. Las imágenes Sentinel 2 permitieron calcular algunos índices de vegetación que se obtienen con otras imágenes, como Landsat o SPOT, pero adicionalmente otros índices y cálculos basados en las bandas del borde rojo, lo cual es una gran contribución para obtener más informac...

Estimación de la fracción de cobertura vegetal y contenido de nitrógeno del dosel en maíz mediante sensores remotos

“…Una probable explicación del bajo rendimiento del MTCI en este trabajo, es que el ancho de las bandas 4 y 6 de las imágenes S-2 se encuentran fuera del rango óptimo para su estimación. El NDVI presentó un R 2 de 0.60, menor al encontrado por Martínez (2017), quien reportó un R 2 de 0.65 al relacionar dicho índice con el CND. Su bajo rendimiento se debe al efecto de saturación que se da a partir de un CND de 4 g m -2 (Schlemmer et al, 2013).…”

“…Con respecto al IRECI, dicho índice mostró valores de R 2 de 0.91, mayor al R 2 = 0.73 encontrado por Martínez (2017) en diferentes cultivos. Asimismo, con el Cl Red-edge se obtuvo un R 2 de 0.93, en tanto que, en maíz, Schlemmer et al (2013) reportaron un R 2 de 0.87 y González-Piqueras et al (2017) un R 2 de 0.91 en trigo.…”

Integration of Precision Farming Data and Spatial Statistical Modelling to Interpret Field-Scale Maize Productivity

“…Sentinel-2 satellites have a 5-day revisit cycle, increasing the chance of obtaining cloud-free images at the necessary crop growth stage for the study sites. There has been much research interest in the use of Sentinel-2 data in agriculture to study crop nutrient status, biophysical variables and soil mapping in the local, regional and global scale [23][24][25][26]. There is also a potential to map sub-paddock variability and provide an indication of crop yield before harvest using Sentinel-2 data.…”

Multispectral aerial image processing system for precision agriculture

“…Informes anteriores han documentado la capacidad de los índices vegetativos para estimar el potencial de rendimiento de la caña de azúcar, sin embargo, la mayoría de ellos se ha centrado en el uso de plataformas basadas en satélites o sensores pasivos (Lofton et al, 2012;Zhao et al, 2016;Johansen et al, 2017;Martínez, 2017) y muy pocos en demostrar la capacidad de un sensor remoto activo en tierra para estimar variables de interés agrícola en campos de caña de azúcar en zonas tropicales.…”

“…Previous research works have documented the capability of vegetation indexes to estimate the potential crop yield of the sugarcane; nevertheless, most of them have been focused on the use of satellite and passive sensors platforms (Lofton et al, 2012;Zhao et al, 2016;Johansen et al, 2017;Martínez, 2017)and very few have demonstrated the ability of an active remote sensor on the ground to estimate variables of interest in a sugarcane crop located in a tropical zone.…”