Detección de soja, sorgo de Alepo y rama negra mediante información espectral y análisis multivariado

Autores
Nomdedeu, Francisco; Toledo, Dalma
Año de publicación
2021
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión aceptada
Colaborador/a o director/a de tesis
Weber, Christian
Navarrete, Francisco J.
Descripción
La soja (Glycine max L Merril) es uno de los principales cultivos del país, en importancia agronómica y económica. La rama negra (Conyza bonariensis (L.) Cronquist.) y el sorgo de alepo (Sorghum halepense (L.) Persoon.) componen el conjunto de malezas que se encuentran presentes en el crecimiento y desarrollo del cultivo de soja incidiendo en el resultado final del mismo. La complejidad en el manejo de malezas ha aumentado exponencialmente en los últimos años debido a la aparición de biotipos resistentes a los herbicidas. En este contexto, nuevas herramientas y estrategias son requeridas para lidiar más eficientemente con las malezas, con énfasis en aquellos individuos que son resistentes o tolerantes a los herbicidas. Hoy en día existe la posibilidad de ajustar el uso de herbicidas antes de la siembra o pre-emergencia de los cultivos a través de sensores ópticos. El desafío es poder detectarlas con el cultivo ya emergido. En este trabajo se utilizó información de un sensor hiperespectral en el rango de los 380-1100 nm con una resolución espectral de 1 nm. Se graficaron las firmas espectrales del cultivo de soja, rama negra y sorgo de alepo como malezas de estudio. Los datos de reflectancia obtenidos, luego del procesamiento de los datos del sensor, se analizaron mediante análisis de cluster y componentes principales (CP). Con esta metodología se diferenció espectralmente la soja de la rama negra y el sorgo de alepo, logrando identificar regiones del espectro con mayor poder discriminativo en función de la combinación de estadios fenológicos analizados.
Ingeniero Agrónomo
Universidad Nacional de La Plata
Facultad de Ciencias Agrarias y Forestales
Materia
Ciencias Agrarias
Firmas espectrales
Sensores Remotos
Malezas
PCA
manejo sitio-específico
agricultura de precisión
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/131654

id SEDICI_8698c577cedd9ff8671f546bbd91eae2
oai_identifier_str oai:sedici.unlp.edu.ar:10915/131654
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Detección de soja, sorgo de Alepo y rama negra mediante información espectral y análisis multivariadoNomdedeu, FranciscoToledo, DalmaCiencias AgrariasFirmas espectralesSensores RemotosMalezasPCAmanejo sitio-específicoagricultura de precisiónLa soja (Glycine max L Merril) es uno de los principales cultivos del país, en importancia agronómica y económica. La rama negra (Conyza bonariensis (L.) Cronquist.) y el sorgo de alepo (Sorghum halepense (L.) Persoon.) componen el conjunto de malezas que se encuentran presentes en el crecimiento y desarrollo del cultivo de soja incidiendo en el resultado final del mismo. La complejidad en el manejo de malezas ha aumentado exponencialmente en los últimos años debido a la aparición de biotipos resistentes a los herbicidas. En este contexto, nuevas herramientas y estrategias son requeridas para lidiar más eficientemente con las malezas, con énfasis en aquellos individuos que son resistentes o tolerantes a los herbicidas. Hoy en día existe la posibilidad de ajustar el uso de herbicidas antes de la siembra o pre-emergencia de los cultivos a través de sensores ópticos. El desafío es poder detectarlas con el cultivo ya emergido. En este trabajo se utilizó información de un sensor hiperespectral en el rango de los 380-1100 nm con una resolución espectral de 1 nm. Se graficaron las firmas espectrales del cultivo de soja, rama negra y sorgo de alepo como malezas de estudio. Los datos de reflectancia obtenidos, luego del procesamiento de los datos del sensor, se analizaron mediante análisis de cluster y componentes principales (CP). Con esta metodología se diferenció espectralmente la soja de la rama negra y el sorgo de alepo, logrando identificar regiones del espectro con mayor poder discriminativo en función de la combinación de estadios fenológicos analizados.Ingeniero AgrónomoUniversidad Nacional de La PlataFacultad de Ciencias Agrarias y ForestalesWeber, ChristianNavarrete, Francisco J.2021-11-01info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionTesis de gradohttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/131654spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:33:07Zoai:sedici.unlp.edu.ar:10915/131654Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:33:07.535SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Detección de soja, sorgo de Alepo y rama negra mediante información espectral y análisis multivariado
title Detección de soja, sorgo de Alepo y rama negra mediante información espectral y análisis multivariado
spellingShingle Detección de soja, sorgo de Alepo y rama negra mediante información espectral y análisis multivariado
Nomdedeu, Francisco
Ciencias Agrarias
Firmas espectrales
Sensores Remotos
Malezas
PCA
manejo sitio-específico
agricultura de precisión
title_short Detección de soja, sorgo de Alepo y rama negra mediante información espectral y análisis multivariado
title_full Detección de soja, sorgo de Alepo y rama negra mediante información espectral y análisis multivariado
title_fullStr Detección de soja, sorgo de Alepo y rama negra mediante información espectral y análisis multivariado
title_full_unstemmed Detección de soja, sorgo de Alepo y rama negra mediante información espectral y análisis multivariado
title_sort Detección de soja, sorgo de Alepo y rama negra mediante información espectral y análisis multivariado
dc.creator.none.fl_str_mv Nomdedeu, Francisco
Toledo, Dalma
author Nomdedeu, Francisco
author_facet Nomdedeu, Francisco
Toledo, Dalma
author_role author
author2 Toledo, Dalma
author2_role author
dc.contributor.none.fl_str_mv Weber, Christian
Navarrete, Francisco J.
dc.subject.none.fl_str_mv Ciencias Agrarias
Firmas espectrales
Sensores Remotos
Malezas
PCA
manejo sitio-específico
agricultura de precisión
topic Ciencias Agrarias
Firmas espectrales
Sensores Remotos
Malezas
PCA
manejo sitio-específico
agricultura de precisión
dc.description.none.fl_txt_mv La soja (Glycine max L Merril) es uno de los principales cultivos del país, en importancia agronómica y económica. La rama negra (Conyza bonariensis (L.) Cronquist.) y el sorgo de alepo (Sorghum halepense (L.) Persoon.) componen el conjunto de malezas que se encuentran presentes en el crecimiento y desarrollo del cultivo de soja incidiendo en el resultado final del mismo. La complejidad en el manejo de malezas ha aumentado exponencialmente en los últimos años debido a la aparición de biotipos resistentes a los herbicidas. En este contexto, nuevas herramientas y estrategias son requeridas para lidiar más eficientemente con las malezas, con énfasis en aquellos individuos que son resistentes o tolerantes a los herbicidas. Hoy en día existe la posibilidad de ajustar el uso de herbicidas antes de la siembra o pre-emergencia de los cultivos a través de sensores ópticos. El desafío es poder detectarlas con el cultivo ya emergido. En este trabajo se utilizó información de un sensor hiperespectral en el rango de los 380-1100 nm con una resolución espectral de 1 nm. Se graficaron las firmas espectrales del cultivo de soja, rama negra y sorgo de alepo como malezas de estudio. Los datos de reflectancia obtenidos, luego del procesamiento de los datos del sensor, se analizaron mediante análisis de cluster y componentes principales (CP). Con esta metodología se diferenció espectralmente la soja de la rama negra y el sorgo de alepo, logrando identificar regiones del espectro con mayor poder discriminativo en función de la combinación de estadios fenológicos analizados.
Ingeniero Agrónomo
Universidad Nacional de La Plata
Facultad de Ciencias Agrarias y Forestales
description La soja (Glycine max L Merril) es uno de los principales cultivos del país, en importancia agronómica y económica. La rama negra (Conyza bonariensis (L.) Cronquist.) y el sorgo de alepo (Sorghum halepense (L.) Persoon.) componen el conjunto de malezas que se encuentran presentes en el crecimiento y desarrollo del cultivo de soja incidiendo en el resultado final del mismo. La complejidad en el manejo de malezas ha aumentado exponencialmente en los últimos años debido a la aparición de biotipos resistentes a los herbicidas. En este contexto, nuevas herramientas y estrategias son requeridas para lidiar más eficientemente con las malezas, con énfasis en aquellos individuos que son resistentes o tolerantes a los herbicidas. Hoy en día existe la posibilidad de ajustar el uso de herbicidas antes de la siembra o pre-emergencia de los cultivos a través de sensores ópticos. El desafío es poder detectarlas con el cultivo ya emergido. En este trabajo se utilizó información de un sensor hiperespectral en el rango de los 380-1100 nm con una resolución espectral de 1 nm. Se graficaron las firmas espectrales del cultivo de soja, rama negra y sorgo de alepo como malezas de estudio. Los datos de reflectancia obtenidos, luego del procesamiento de los datos del sensor, se analizaron mediante análisis de cluster y componentes principales (CP). Con esta metodología se diferenció espectralmente la soja de la rama negra y el sorgo de alepo, logrando identificar regiones del espectro con mayor poder discriminativo en función de la combinación de estadios fenológicos analizados.
publishDate 2021
dc.date.none.fl_str_mv 2021-11-01
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/acceptedVersion
Tesis de grado
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/131654
url http://sedici.unlp.edu.ar/handle/10915/131654
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844616210744868864
score 13.070432