Desarrollo de un método de estimación en campaña de la biomasa y rendimiento en grano del cultivo de maiz para silo mediante ténicas sensoramiento remoto

ALESSO, C.A.

2018-03-01

2019-06-01

Agropecuario

1. Identificación de lotes destinados a cultivos de maíz: se seleccionarán entre 7 y 10 lotes representativos desintados a maíz para silaje y/o grano que presenten variabilidad espacial e información completa sobre fechas de siembra, manejo, etc. 2. Relevamiento de covariables de suelo (electroconductividad), terreno (modelos de elevación de terreno) e historial de rendimientos. De cada lote obtener en lo posible datos de suelo (mapa), electroconductividad (en barbecho), el historial de rendmientos.3. Implantación de cultivos y seguimiento fenológico para la determinación de los momentos o fechas de adquisición de imágenes satelitales y programación vuelos con drones. Dependiendo de la disponibilidad de maquinaria, en algunos lotes se delimitarán franjas que se destinarán a la medición de rendimiento en grano y silo. Asimismo, se instalarán franjas sin fertilizante y con doble dosis a los efectos de generar mayor variabilidad dentro del lote. 4. Adquisición y procesamiento de imágenes satelitales y de sensores aerotransportados (drones): en función de la evolución del cultivo se adquirirán entre 3-4 imágenes satelitales. Las mismas serán procesadas para obtener índices de verdor que serán utilizados como predictores del rendimiento (biomasa y grano) del cultivo. En algunos lotes se realizarán mediciones de altura de planta mediate vuelos con drone en estadíos avanzados del cultivo.5. Adquisición de datos meteorológicos: para cada lote se registrarán los datos de temperatura y lluvia de la estación meteorológica más cercana para obtener sumas térmicas y estandarizar las mediciones.6. Determinación de rendimiento de los cultivos (biomasa y grano) mediante muestreos manuales en puntos de calibración y datos obtenidos mediantemonitores de rendimiento7. Procesamiento de datos de rendimiento y análisis estadístico de los datos. Ajuste y calibración de modelos predictivos de rendimiento y biomasa en función de índices verde y covariables de suelo y terreno.