Utilización de índices de vegetación satelitales para predecir niveles de rendimiento de Vicia villosa Roth = Use of satellite vegetation indices to predict yield level of Vicia villosa Roth
En este trabajo se combinan las imágenes satelitales, los algoritmos de aprendizaje de máquina y las mediciones de campo para analizar si es posible generar un modelo de predicción del rendimiento de la leguminosa Vicia villosa Roth (VV) antes de su cosecha. En un estudio previo, se empleó informaci...
| Autores principales: | , , , , |
|---|---|
| Formato: | Artículo |
| Lenguaje: | Español |
| Publicado: |
Sociedad Argentina de Informática e Investigación Operativa (SADIO)
2025
|
| Materias: | |
| Acceso en línea: | http://hdl.handle.net/20.500.12123/22746 https://revistas.unlp.edu.ar/ejs/article/view/18959 https://doi.org/10.24215/15146774e076 |
| _version_ | 1855487001919225856 |
|---|---|
| author | Marini, Mario Fabian D'Amico, María Belén Calandrini, Guillermo Luis Renzi Pugni, Juan Pablo Chantre Balacca, Guillermo Ruben |
| author_browse | Calandrini, Guillermo Luis Chantre Balacca, Guillermo Ruben D'Amico, María Belén Marini, Mario Fabian Renzi Pugni, Juan Pablo |
| author_facet | Marini, Mario Fabian D'Amico, María Belén Calandrini, Guillermo Luis Renzi Pugni, Juan Pablo Chantre Balacca, Guillermo Ruben |
| author_sort | Marini, Mario Fabian |
| collection | INTA Digital |
| description | En este trabajo se combinan las imágenes satelitales, los algoritmos de aprendizaje de máquina y las mediciones de campo para analizar si es posible generar un modelo de predicción del rendimiento de la leguminosa Vicia villosa Roth (VV) antes de su cosecha. En un estudio previo, se empleó información satelital de diferentes fechas a lo largo del ciclo fenológico completo de VV cultivada en varios lotes del partido de Guaminí (provincia de Buenos Aires) y se encontró una estrecha relación entre la serie temporal de los índices de vegetación y el rinde de dichos cultivos. En base a esos resultados, se evalúa la posibilidad de predecir el rendimiento a partir de nueve fechas de la campaña 2021-2022 entre la siembra y la cosecha. Las mismas se asocian de distintas maneras determinando su impacto sobre la precisión del modelo entrenado. Los resultados evidencian que con el monitoreo remoto de cinco fechas es posible clasificar adecuadamente el rendimiento de VV. Tener un modelo de predicción ayudaría en las decisiones in-situ optimizando el uso que puede darse al cultivo de VV (pastoreo directo, forraje o producción de semillas) en función del rendimiento esperado. |
| format | Artículo |
| id | INTA22746 |
| institution | Instituto Nacional de Tecnología Agropecuaria (INTA -Argentina) |
| language | Español |
| publishDate | 2025 |
| publishDateRange | 2025 |
| publishDateSort | 2025 |
| publisher | Sociedad Argentina de Informática e Investigación Operativa (SADIO) |
| publisherStr | Sociedad Argentina de Informática e Investigación Operativa (SADIO) |
| record_format | dspace |
| spelling | INTA227462025-06-23T11:56:53Z Utilización de índices de vegetación satelitales para predecir niveles de rendimiento de Vicia villosa Roth = Use of satellite vegetation indices to predict yield level of Vicia villosa Roth Marini, Mario Fabian D'Amico, María Belén Calandrini, Guillermo Luis Renzi Pugni, Juan Pablo Chantre Balacca, Guillermo Ruben Vicia villosa Rendimiento Imágenes por Satélites Modelos Estadísticos Yields Satellite Imagery Statistical Models En este trabajo se combinan las imágenes satelitales, los algoritmos de aprendizaje de máquina y las mediciones de campo para analizar si es posible generar un modelo de predicción del rendimiento de la leguminosa Vicia villosa Roth (VV) antes de su cosecha. En un estudio previo, se empleó información satelital de diferentes fechas a lo largo del ciclo fenológico completo de VV cultivada en varios lotes del partido de Guaminí (provincia de Buenos Aires) y se encontró una estrecha relación entre la serie temporal de los índices de vegetación y el rinde de dichos cultivos. En base a esos resultados, se evalúa la posibilidad de predecir el rendimiento a partir de nueve fechas de la campaña 2021-2022 entre la siembra y la cosecha. Las mismas se asocian de distintas maneras determinando su impacto sobre la precisión del modelo entrenado. Los resultados evidencian que con el monitoreo remoto de cinco fechas es posible clasificar adecuadamente el rendimiento de VV. Tener un modelo de predicción ayudaría en las decisiones in-situ optimizando el uso que puede darse al cultivo de VV (pastoreo directo, forraje o producción de semillas) en función del rendimiento esperado. This study combines satellite imagery, machine learning algorithms, and field measurements to analyze whether it is possible to generate a yield prediction model for the legume Vicia villosa Roth (VV) before harvest. In a previous study, satellite data from different dates throughout the entire phenological cycle of VV grown in several plots in the Guaminí district (Buenos Aires province) was used and a close relationship was found between the time series of vegetation indices and the yield of these crops. Based on these results, the possibility of predicting yield based on nine dates during the 2021-2022 season between sowing and harvest is evaluated. These dates are associated in different ways, determining their impact on the accuracy of the trained model. The results show that remote monitoring of five dates makes it possible to adequately classify VV yield. Having a prediction model would help in on-site decisions by optimizing the use that can be given to the VV crop (direct grazing, forage or seed production) based on the expected yield. EEA Bordenave Fil: Marini, Mario Fabián. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Bordenave. Agencia de Extensión Rural Bahía Blanca; Argentina Fil: D'Amico, María Belén. Universidad Nacional del Sur. Instituto de Investigaciones en Ingeniería Eléctrica; Argentina Fil: D'Amico, María Belén. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones en Ingeniería Eléctrica; Argentina Fil: D'Amico, María Belén. Universidad Nacional del Sur. Departamento de Ingeniería Eléctrica y de Computadoras; Argentina Fil: Calandrini, Guillermo Luis. Universidad Nacional del Sur. Instituto de Investigaciones en Ingeniería Eléctrica; Argentina Fil: Calandrini, Guillermo Luis. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones en Ingeniería Eléctrica; Argentina Fil: Calandrini, Guillermo Luis. Universidad Nacional del Sur. Departamento de Ingeniería Eléctrica y de Computadoras; Argentina Fil: Renzi Pugni, Juan Pablo. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Hilario Ascasubi; Argentina. Fil: Renzi Pugni, Juan Pablo. Universidad Nacional del Sur. Departamento de Agronomía; Argentina Fil: Chantre Balacca, Guillermo Ruben. Universidad Nacional del Sur. Departamento de Agronomía; Argentina. Fil: Chantre Balacca, Guillermo Ruben. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Centro de Recursos Naturales Renovables de la Zona Semiárida; Argentina Fil: Chantre Balacca, Guillermo Ruben. Universidad Nacional del Sur. Centro de Recursos Naturales Renovables de la Zona Semiárida; Argentina 2025-06-23T11:44:09Z 2025-06-23T11:44:09Z 2025-06 info:ar-repo/semantics/artículo info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion http://hdl.handle.net/20.500.12123/22746 https://revistas.unlp.edu.ar/ejs/article/view/18959 1514-6774 https://doi.org/10.24215/15146774e076 spa 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) application/pdf Sociedad Argentina de Informática e Investigación Operativa (SADIO) SADIO Electronic Journal of Information and Operation Research 24 (2) : 18-32. (2025) |
| spellingShingle | Vicia villosa Rendimiento Imágenes por Satélites Modelos Estadísticos Yields Satellite Imagery Statistical Models Marini, Mario Fabian D'Amico, María Belén Calandrini, Guillermo Luis Renzi Pugni, Juan Pablo Chantre Balacca, Guillermo Ruben Utilización de índices de vegetación satelitales para predecir niveles de rendimiento de Vicia villosa Roth = Use of satellite vegetation indices to predict yield level of Vicia villosa Roth |
| title | Utilización de índices de vegetación satelitales para predecir niveles de rendimiento de Vicia villosa Roth = Use of satellite vegetation indices to predict yield level of Vicia villosa Roth |
| title_full | Utilización de índices de vegetación satelitales para predecir niveles de rendimiento de Vicia villosa Roth = Use of satellite vegetation indices to predict yield level of Vicia villosa Roth |
| title_fullStr | Utilización de índices de vegetación satelitales para predecir niveles de rendimiento de Vicia villosa Roth = Use of satellite vegetation indices to predict yield level of Vicia villosa Roth |
| title_full_unstemmed | Utilización de índices de vegetación satelitales para predecir niveles de rendimiento de Vicia villosa Roth = Use of satellite vegetation indices to predict yield level of Vicia villosa Roth |
| title_short | Utilización de índices de vegetación satelitales para predecir niveles de rendimiento de Vicia villosa Roth = Use of satellite vegetation indices to predict yield level of Vicia villosa Roth |
| title_sort | utilizacion de indices de vegetacion satelitales para predecir niveles de rendimiento de vicia villosa roth use of satellite vegetation indices to predict yield level of vicia villosa roth |
| topic | Vicia villosa Rendimiento Imágenes por Satélites Modelos Estadísticos Yields Satellite Imagery Statistical Models |
| url | http://hdl.handle.net/20.500.12123/22746 https://revistas.unlp.edu.ar/ejs/article/view/18959 https://doi.org/10.24215/15146774e076 |
| work_keys_str_mv | AT marinimariofabian utilizaciondeindicesdevegetacionsatelitalesparapredecirnivelesderendimientodeviciavillosarothuseofsatellitevegetationindicestopredictyieldlevelofviciavillosaroth AT damicomariabelen utilizaciondeindicesdevegetacionsatelitalesparapredecirnivelesderendimientodeviciavillosarothuseofsatellitevegetationindicestopredictyieldlevelofviciavillosaroth AT calandriniguillermoluis utilizaciondeindicesdevegetacionsatelitalesparapredecirnivelesderendimientodeviciavillosarothuseofsatellitevegetationindicestopredictyieldlevelofviciavillosaroth AT renzipugnijuanpablo utilizaciondeindicesdevegetacionsatelitalesparapredecirnivelesderendimientodeviciavillosarothuseofsatellitevegetationindicestopredictyieldlevelofviciavillosaroth AT chantrebalaccaguillermoruben utilizaciondeindicesdevegetacionsatelitalesparapredecirnivelesderendimientodeviciavillosarothuseofsatellitevegetationindicestopredictyieldlevelofviciavillosaroth |