Metodología para estimar cual es la fecha óptima de adquisición de imágenes Landsat para estimar el rendimiento en un lote de soja en el marco de la agricultura de precisión
- Autores
- Ovando, Gustavo; de la Casa, Antonio; Bressanini, Luciano; Martínez, Jorge; Miranda, Crisitan; Miretti, Desirée; Melano, Franco; Moglia, Juan Pablo
- Año de publicación
- 2016
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- La predicción temprana del rendimiento permite que la agricultura de precisión (AP) pueda mejorar la producción. La teledetección se ha empleado para el pronóstico de rendimiento a partir de una sola observación o con una integral en el tiempo del NDVI durante el ciclo del cultivo. El objetivo de este trabajo es evaluar el desempeño de diferentes índices de vegetación (IV) calculados a partir de imágenes Landsat, para estimar el rendimiento de soja en el marco de la AP. El cociente entre la reflectacia del infrarrojo cercano respecto a la del rojo, se mostro como el IV que presentó los mayores coeficientes de correlación con el rendimiento, a lo largo del ciclo del cultivo. Los mayores valores de correlación se obtuvieron a mediados y fines de enero. Este comportamiento se observo tanto para los IV instantáneos como para aquellos acumulados a lo largo del ciclo del cultivo.
Sociedad Argentina de Informática e Investigación Operativa (SADIO) - Materia
-
Ciencias Informáticas
Soja
rendimiento agrícola
agricultura de precisión
índices de vegetación - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by/3.0/
- Repositorio
.jpg)
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/57323
Ver los metadatos del registro completo
| id |
SEDICI_95cdb48e0a45d92d0e2178f265bfbaf1 |
|---|---|
| oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/57323 |
| network_acronym_str |
SEDICI |
| repository_id_str |
1329 |
| network_name_str |
SEDICI (UNLP) |
| spelling |
Metodología para estimar cual es la fecha óptima de adquisición de imágenes Landsat para estimar el rendimiento en un lote de soja en el marco de la agricultura de precisiónOvando, Gustavode la Casa, AntonioBressanini, LucianoMartínez, JorgeMiranda, CrisitanMiretti, DesiréeMelano, FrancoMoglia, Juan PabloCiencias InformáticasSojarendimiento agrícolaagricultura de precisióníndices de vegetaciónLa predicción temprana del rendimiento permite que la agricultura de precisión (AP) pueda mejorar la producción. La teledetección se ha empleado para el pronóstico de rendimiento a partir de una sola observación o con una integral en el tiempo del NDVI durante el ciclo del cultivo. El objetivo de este trabajo es evaluar el desempeño de diferentes índices de vegetación (IV) calculados a partir de imágenes Landsat, para estimar el rendimiento de soja en el marco de la AP. El cociente entre la reflectacia del infrarrojo cercano respecto a la del rojo, se mostro como el IV que presentó los mayores coeficientes de correlación con el rendimiento, a lo largo del ciclo del cultivo. Los mayores valores de correlación se obtuvieron a mediados y fines de enero. Este comportamiento se observo tanto para los IV instantáneos como para aquellos acumulados a lo largo del ciclo del cultivo.Sociedad Argentina de Informática e Investigación Operativa (SADIO)2016-09info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf83-93http://sedici.unlp.edu.ar/handle/10915/57323spainfo:eu-repo/semantics/altIdentifier/url/http://45jaiio.sadio.org.ar/sites/default/files/CAI-02.pdfinfo:eu-repo/semantics/altIdentifier/issn/2525- 0949info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by/3.0/Creative Commons Attribution 3.0 Unported (CC BY 3.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-11-05T12:46:12Zoai:sedici.unlp.edu.ar:10915/57323Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-11-05 12:46:13.095SEDICI (UNLP) - Universidad Nacional de La Platafalse |
| dc.title.none.fl_str_mv |
Metodología para estimar cual es la fecha óptima de adquisición de imágenes Landsat para estimar el rendimiento en un lote de soja en el marco de la agricultura de precisión |
| title |
Metodología para estimar cual es la fecha óptima de adquisición de imágenes Landsat para estimar el rendimiento en un lote de soja en el marco de la agricultura de precisión |
| spellingShingle |
Metodología para estimar cual es la fecha óptima de adquisición de imágenes Landsat para estimar el rendimiento en un lote de soja en el marco de la agricultura de precisión Ovando, Gustavo Ciencias Informáticas Soja rendimiento agrícola agricultura de precisión índices de vegetación |
| title_short |
Metodología para estimar cual es la fecha óptima de adquisición de imágenes Landsat para estimar el rendimiento en un lote de soja en el marco de la agricultura de precisión |
| title_full |
Metodología para estimar cual es la fecha óptima de adquisición de imágenes Landsat para estimar el rendimiento en un lote de soja en el marco de la agricultura de precisión |
| title_fullStr |
Metodología para estimar cual es la fecha óptima de adquisición de imágenes Landsat para estimar el rendimiento en un lote de soja en el marco de la agricultura de precisión |
| title_full_unstemmed |
Metodología para estimar cual es la fecha óptima de adquisición de imágenes Landsat para estimar el rendimiento en un lote de soja en el marco de la agricultura de precisión |
| title_sort |
Metodología para estimar cual es la fecha óptima de adquisición de imágenes Landsat para estimar el rendimiento en un lote de soja en el marco de la agricultura de precisión |
| dc.creator.none.fl_str_mv |
Ovando, Gustavo de la Casa, Antonio Bressanini, Luciano Martínez, Jorge Miranda, Crisitan Miretti, Desirée Melano, Franco Moglia, Juan Pablo |
| author |
Ovando, Gustavo |
| author_facet |
Ovando, Gustavo de la Casa, Antonio Bressanini, Luciano Martínez, Jorge Miranda, Crisitan Miretti, Desirée Melano, Franco Moglia, Juan Pablo |
| author_role |
author |
| author2 |
de la Casa, Antonio Bressanini, Luciano Martínez, Jorge Miranda, Crisitan Miretti, Desirée Melano, Franco Moglia, Juan Pablo |
| author2_role |
author author author author author author author |
| dc.subject.none.fl_str_mv |
Ciencias Informáticas Soja rendimiento agrícola agricultura de precisión índices de vegetación |
| topic |
Ciencias Informáticas Soja rendimiento agrícola agricultura de precisión índices de vegetación |
| dc.description.none.fl_txt_mv |
La predicción temprana del rendimiento permite que la agricultura de precisión (AP) pueda mejorar la producción. La teledetección se ha empleado para el pronóstico de rendimiento a partir de una sola observación o con una integral en el tiempo del NDVI durante el ciclo del cultivo. El objetivo de este trabajo es evaluar el desempeño de diferentes índices de vegetación (IV) calculados a partir de imágenes Landsat, para estimar el rendimiento de soja en el marco de la AP. El cociente entre la reflectacia del infrarrojo cercano respecto a la del rojo, se mostro como el IV que presentó los mayores coeficientes de correlación con el rendimiento, a lo largo del ciclo del cultivo. Los mayores valores de correlación se obtuvieron a mediados y fines de enero. Este comportamiento se observo tanto para los IV instantáneos como para aquellos acumulados a lo largo del ciclo del cultivo. Sociedad Argentina de Informática e Investigación Operativa (SADIO) |
| description |
La predicción temprana del rendimiento permite que la agricultura de precisión (AP) pueda mejorar la producción. La teledetección se ha empleado para el pronóstico de rendimiento a partir de una sola observación o con una integral en el tiempo del NDVI durante el ciclo del cultivo. El objetivo de este trabajo es evaluar el desempeño de diferentes índices de vegetación (IV) calculados a partir de imágenes Landsat, para estimar el rendimiento de soja en el marco de la AP. El cociente entre la reflectacia del infrarrojo cercano respecto a la del rojo, se mostro como el IV que presentó los mayores coeficientes de correlación con el rendimiento, a lo largo del ciclo del cultivo. Los mayores valores de correlación se obtuvieron a mediados y fines de enero. Este comportamiento se observo tanto para los IV instantáneos como para aquellos acumulados a lo largo del ciclo del cultivo. |
| publishDate |
2016 |
| dc.date.none.fl_str_mv |
2016-09 |
| dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion Objeto de conferencia http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
| format |
conferenceObject |
| status_str |
publishedVersion |
| dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/57323 |
| url |
http://sedici.unlp.edu.ar/handle/10915/57323 |
| dc.language.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/url/http://45jaiio.sadio.org.ar/sites/default/files/CAI-02.pdf info:eu-repo/semantics/altIdentifier/issn/2525- 0949 |
| dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by/3.0/ Creative Commons Attribution 3.0 Unported (CC BY 3.0) |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by/3.0/ Creative Commons Attribution 3.0 Unported (CC BY 3.0) |
| dc.format.none.fl_str_mv |
application/pdf 83-93 |
| 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_ |
1847978492685189120 |
| score |
13.087074 |