Applications of georeferenced high-resolution images obtained with unmanned aerial vehicles. Part II: application to maize and onion crops of a semi-arid region in Spain

Ballesteros, Rocío; Álvarez, José Fernando Ortega; Hernández, D.; Moreno, M.

doi:10.1007/s11119-014-9357-6

Cited by 27 publications

(19 citation statements)

References 38 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Algunos autores, como Ballesteros et al (2014b), estudiando el cultivo del maíz en La Mancha Oriental, describieron un comportamiento de la cobertura verde similar al encontrado en los dos años de este estudio, pero sus valores máximos de GCV llegaron a los 80% en la etapa media de desarrollo del cultivo, habiendo una disminución en la etapa final de su desarrollo, debido a la senescencia, en cuanto que en el presente estudio se consiguió una cobertura verde máxima de 91,8% en el año 2015 y 81% en el año 2016.…”

Section: Resultados Y Discusiónunclassified

“…Estas imágenes aéreas pueden ser utilizadas para la CARACTERIZACIÓN DEL CRECIMIENTO DE UN CULTIVO DE MAÍZ REGADO EN UNA ZONA SEMIÁRIDA MEDIANTE EL EMPLEO DE IMÁGENES AÉREAS DE ALTA RESOLUCIÓN obtención de parámetros importantes en la modelación del crecimiento de los cultivos, como es el caso del GCV, a su vez relacionado con diferentes índices del crecimiento, desarrollo y producción de los cultivos (BALLESTEROS et al, 2014b;CÓRCOLES et al, 2013).…”

Section: Introductionunclassified

See 1 more Smart Citation

Caracterización Del Crecimiento De Un Cultivo De Maíz Regado en Una Zona Semiárida Mediante El Empleo De Imágenes Aéreas De Alta Resolución

Costa

Álvarez

Gomes

et al. 2017

RBAI

View full text Add to dashboard Cite

RESUMENFue realizado el seguimiento fenológico, análisis de crecimiento y desarrollo del cultivo del maíz durante las campañas de riego de los años 2015 y 2016 en parcelas ubicadas en una finca comercial en Tarazona de La Mancha, Albacete, España. Se realizaron vuelos con un vehículo aéreo no tripulado (VANT) equipado con una cámara RGB, durante todo el ciclo del cultivo en ambos años. A partir de las imágenes capturadas en estos vuelos se obtuvieron ortoimágenes de alta resolución espacial, que fueron utilizadas para el cálculo del grado de cobertura verde (GCV) a partir del software de análisis de imágenes LAIC. El GCV presenta una baja cobertura vegetal al inicio de su ciclo, aumentando a medida en que se desarrolla el cultivo, hasta alcanzar su máximo valor, que en el año 2015 se dio al inicio de la etapa media del maíz (91,8%), en cuanto que en el año 2016 los máximos valores de GCV fueron alcanzados al final de esta etapa (81%). Al relacionar los valores de GCV con el índice de área foliar (IAF) en los dos años de estudio, se observa que el crecimiento de la cobertura vegetal está directamente relacionado con la evolución del área foliar del cultivo. Se concluye que el GCV es un parámetro importante en el análisis del desarrollo del cultivo del maíz, puesto que el estudio de las relaciones existentes entre el GCV y el IAF permitió analizar en detalle la arquitectura del cultivo y su evolución a lo largo del tiempo.Palabras-clave: Grado de cobertura verde (GCV), índice de área foliar (IAF), vehículo aéreo no tripulado (VANT), Zea mays L 1 Trabajo parte de la Tesis Doctoral del autor principal.

show abstract

Section: Resultados Y Discusiónunclassified

Section: Introductionunclassified

Caracterización Del Crecimiento De Un Cultivo De Maíz Regado en Una Zona Semiárida Mediante El Empleo De Imágenes Aéreas De Alta Resolución

Costa

Álvarez

Gomes

et al. 2017

RBAI

View full text Add to dashboard Cite

show abstract

“…Detailed diagram of the workflow for the Leaf Area Index Calculation (LAIC) image classification and validation based on [18] ( a – d ). ( a ) 300 m section within the reach showing the ADCP measurements obtained along with a detailed image of the radio control boat and ADCP sensor used; ( b ) Map showing the hydromorphological features obtained from visual identification on a 2 m × 2 m regular grid; ( c ) Examples of sections selected for and outputs obtained from the Artificial Neural Network (ANN) training; ( d ) Map showing the hydromorphological feature classification obtained with ANN on a 2 m × 2 m regular grid.…”

Section: Methodsmentioning

confidence: 99%

“…There is a large array of algorithms for the task [15] such as maximum likelihood, Gaussian mixture models, minimum distance and networks of classifiers. Amongst all the existing supervised classification approaches, methods based on Artificial Neural Networks (ANNs) have been shown to enable image pattern recognition at particularly high precision with both coarse [16,17] and fine resolution imagery [18,19]. For example, [20,21,22] used ANNs to identify green canopy cover from background soil and shadows.…”

Section: Introductionmentioning

confidence: 99%

Automated Identification of River Hydromorphological Features Using UAV High Resolution Aerial Imagery

Casado

Ballesteros²,

Kriechbaumer

et al. 2015

Sensors

107

View full text Add to dashboard Cite

European legislation is driving the development of methods for river ecosystem protection in light of concerns over water quality and ecology. Key to their success is the accurate and rapid characterisation of physical features (i.e., hydromorphology) along the river. Image pattern recognition techniques have been successfully used for this purpose. The reliability of the methodology depends on both the quality of the aerial imagery and the pattern recognition technique used. Recent studies have proved the potential of Unmanned Aerial Vehicles (UAVs) to increase the quality of the imagery by capturing high resolution photography. Similarly, Artificial Neural Networks (ANN) have been shown to be a high precision tool for automated recognition of environmental patterns. This paper presents a UAV based framework for the identification of hydromorphological features from high resolution RGB aerial imagery using a novel classification technique based on ANNs. The framework is developed for a 1.4 km river reach along the river Dee in Wales, United Kingdom. For this purpose, a Falcon 8 octocopter was used to gather 2.5 cm resolution imagery. The results show that the accuracy of the framework is above 81%, performing particularly well at recognising vegetation. These results leverage the use of UAVs for environmental policy implementation and demonstrate the potential of ANNs and RGB imagery for high precision river monitoring and river management.

show abstract

“…As vantagens e facilidades oferecidas por RPAs em relação às plataformas convencionais utilizadas para imageamento de culturas é devido ao menor custo de aquisição, alta resolução espacial (cm) e temporal das imagens quando comparados a outros sistemas e sensores, como os satélites (TORRES-SÁNCHEZ et al, 2014), e por ser considerada uma ferramenta útil para o monitoramento de precisão no desenvolvimento de culturas, serve como base de dados para apoiar o produtor a otimizar o uso de recursos, realizar o controle de pragas e doenças além de acompanhar a produtividade (BALLESTEROS et al, 2014b).…”

Section: Introductionunclassified

Variabilidade Espacial E Temporal Do Índice Vegetação Mpri Aplicado Às Imagens De Grama São Carlos Obtidas Por Aeronave Remotamente Pilotada

Gonçalves

Barbosa²,

Ferraz³

et al. 2017

Revista Brasileira De Engenharia De Biossistemas

View full text Add to dashboard Cite

RESUMOImagens de alta resolução obtidas com auxílio de Aeronaves Remotamente Pilotadas (RPA), quando recebem o tratamento adequado podem ser ferramenta útil para a prática da agricultura de precisão, monitorando o crescimento e desenvolvimento da cultura em escala temporal e espacial adequada. Nesse sentido, este trabalho teve por objetivo utilizar imagens obtidas com uma câmera digital acoplada a uma RPA para analisar a variabilidade espacial e temporal do índice de vegetação (IV) MPRI aplicado em uma área de produção grama São Carlos. As imagens foram coletadas durante o período de dezembro de 2016 a março de 2017, utilizando um quadricóptero de voo autônomo, com câmera RGB e altura de voo de 50 m. O processamento das imagens e a aplicação IV MPRI foram realizados com auxílio de um software de geoprocessamento gratuito. Valores médios do MPRI foram gerados para todas as cenas. Foi possível detectar a variabilidade do MPRI em todas a cenas. Um índice de determinação (R²) igual a 0,89 foi encontrado devido a correlação entre os valores de MPRI e o tempo após o corte da grama. Pode se inferir por meio dos resultados obtidos que a utilização desta tecnologia tem grande potencial para monitoramento e avaliação das áreas cultivadas com grama. Palavras-chave: Agricultura de Precisão, Axonopus affinis, Geoprocessamento, Sistemas de Aeronaves Não Tripulada (UAS). SPACE AND TEMPORARY VARIABILITY OF THE INDEX VEGETATION APPLIED TO IMAGES OBTAINED BY A REMOTELY PILOTED AIRCRAFT ABSTRACTHigh resolution images obtained with the aid of Remotely Piloted Aircraft (RPA), when properly treated, can be a useful tool for the practice of precision agriculture, monitoring the growth and development of the crop on a suitable temporal and spatial scale. In this sense, this work aimed to use images obtained with a digital camera coupled to a RPA to analyze the spatial and temporal variability of the MPRI vegetation (IV) index applied in a São Carlos grass production area. The images were collected during the period from December 2016 to March 2017, using an autonomous flight quadricopter with RGB camera and flight height of 50 m. The image processing and the MPRI IV application were performed using a free geoprocessing software. Average MPRI values were generated for all scenes. It was possible to detect the variability of MPRI in all scenes. A determination index (R²) of 0.89 was found due to the correlation between MPRI values and time after grass cutting. It can be inferred *

show abstract

Applications of georeferenced high-resolution images obtained with unmanned aerial vehicles. Part II: application to maize and onion crops of a semi-arid region in Spain

Cited by 27 publications

References 38 publications

Caracterización Del Crecimiento De Un Cultivo De Maíz Regado en Una Zona Semiárida Mediante El Empleo De Imágenes Aéreas De Alta Resolución

Caracterización Del Crecimiento De Un Cultivo De Maíz Regado en Una Zona Semiárida Mediante El Empleo De Imágenes Aéreas De Alta Resolución

Automated Identification of River Hydromorphological Features Using UAV High Resolution Aerial Imagery

Variabilidade Espacial E Temporal Do Índice Vegetação Mpri Aplicado Às Imagens De Grama São Carlos Obtidas Por Aeronave Remotamente Pilotada

Contact Info

Product

Resources

About