Sistemas aéreos não tripulados e sensoriamento remoto passivo para classificar microecossistemas de pastagens altas andinas
Palavras-chave:
capacidade de suporte, ecossitema, NDVI
Resumo
As pastagens são a base forrageira para a produção de camelídeos e ovinos no sul dos Andes peruanos, onde vivem 80 % das alpacas e 15 % das ovelhas, o que exige uma melhor gestão do território e programas de pastoreio, através da classificação dos microecossistemas. O objetivo deste estudo foi classificar os microecossistemas com base nas pastagens do Centro Agronómico Kayra na região de Cusco, utilizando veículos aéreos não tripulados e deteção remota. Para isso, métodos tradicionais de avaliação e estimativa foram combinados, como o método de Parker modificado e o quadrante amostral com métodos de classificação e estimativa de biomassa suportados por imagens multiespectrais. Para isso, foram utilizadas imagens de satélite RapidEye de 5 m, e ortofotografias multiespectrais adquiridas com sensor Micasense transportadas por um Drone Matrix 300 RTK com pixels de 10 cm. O processamento foi realizado utilizando o software de fotogrametria Pix 4D versão 4.7.5 e os softwares de processamento de imagem ENVI e ArcGIS 10.3. Para estimar a biomassa, foi utilizado um algoritmo projetado na linguagem de programação R. Os resultados mostram três zonas de vida, três zonas climáticas, quatro ecossistemas e quatro comunidades vegetais com onze espécies dominantes. A condição das pastagens avaliadas era regular com tendência a ruim e tem capacidade de suporte de 0,3 UV.ha-1.ano-1; 0,83 UA.ha-1.ano-1 e 1,11 UA.ha-1.ano-1. O uso do sensoriamento remoto permite que as pastagens sejam classificadas de forma rápida e eficiente.
Downloads
Não há dados estatísticos.
Referências
Chavez Castillo, E., Paz Pellat, F., & Bolaños González, M. A. (2017). Estimación de biomasa y cobertura aérea usando radiometría e imágenes digitales a nivel de campo en pastizales y matorrales. Revista Terra Latinoamericana, 35(3), 247. https://doi.org/10.28940/terra.v35i3.133
Chen, J., Jönsson, P., Tamura, M., Gu, Z., Matsushita, B., & Eklundh, L. (2004). A simple method for reconstructing a high-quality NDVI time-series data set based on the Savitzky-Golay filter. Remote Sensing of Environment, 91(3–4), 332–344. https://doi.org/10.1016/j.rse.2004.03.014
Comer, P.J., Young, B., Schulz, K., Kittel, G., Unnasch, B., Braun, D., Hammerson, G., Smart, L., Hamilton, H., Auer, S., Smyth, R., & Hak, J. (2012). Climate Change Vulnerability and Adaptation Strategies for Natural Communities: Piloting methods in the Mojave and Sonoran deserts. Report to the US Fish. Report to the U.S. Fish and Wildlife Service. NatureServe, Arlington, VA, September.https://transfer.natureserve.org/download/Longterm/Ecology/HCCVI/DesertLCCpilot/NatureServe_HCCVI_Report.pdf
D’Oleire-Oltmanns, S., Marzolff, I., Peter, K. D., & Ries, J. B. (2012). Unmanned aerial vehicle (UAV) for monitoring soil erosion in Morocco. Remote Sensing, 4(11), 3390–3416. https://doi.org/10.3390/rs4113390
Estrada Zúñiga, A. C., Cárdenas, J., Bejar, J.V., & Ñaupari, J. (2022). Biomass estimation of a high Andean plant community with multispectral images acquired using UAV remote sensing and Multiple Linear Regression, Support Vector Machine and Random forest models. Scientia Agropecuaria, 13(3), 301–310. https://doi.org/10.17268/sci.agropecu.2022.027
Estrada Zúñiga, A. C., & Ñaupari Vásquez, J. (2021). Detección e identificación de comunidades vegetales altoandinas, Bofedal y Tolar de Puna Seca mediante ortofotografías RGB y NDVI en drones “Sistemas Aéreos no Tripulados.” Scientia Agropecuaria, 12(3), 291–301. http://dx.doi.org/10.17268/sci.agropecu.2021.032.
Fuhlendorf, S. D., Archer, S. A., Smeins, F., Engle, D. M., & Taylor, C. A. (2012). The Combined Influence of Grazing, Fire, and Herbaceous Productivity on Tree–Grass Interactions. 219–238. https://doi.org/10.1007/978-0-387-34003-6_12
Holdrigde, L. (1978). Ecología basada en zonas de vida. IICA.
Lussem, U., Bolten, A., Menne, J., Gnyp, M. L., Schellberg, J., & Bareth, G. (2019). Estimating biomass in temperate grassland with high resolution canopy surface models from UAV-based RGB images and vegetation indices. Journal of Applied Remote Sensing, 13(03), 1. https://doi.org/10.1117/1.jrs.13.034525
Melville, B., Lucieer, A., & Aryal, J. (2019). Classification of lowland native grassland communities using hyperspectral unmanned aircraft system (Uas) imagery in the tasmanian midlands. Drones, 3(1), 1–12. https://doi.org/10.3390/drones3010005
Meneses, V. A. B., Téllez, J. M., & Velasquez, D. F. A. (2015). Uso De Drones Para El Analisis De Imágenes Multiespectrales En Agricultura De Precisión. @limentech, Ciencia y Tecnología Alimentaria, 13(1). https://doi.org/10.24054/16927125.v1.n1.2015.1647
Ministerio del Ambiente MINAM. (2016). Guía complementaria para la compensación ambiental: Ecosistemas Altoandinos. Resolución Ministerial N° 183-2016-MINAM, 27446, 5–41. https://www.minam.gob.pe/wp-content/uploads/2016/07/RM-N%C2%B0-183-2016-MINAM1.pdf
Muñoz Gómez, F. A., Galicia Sarmiento, L., & Pérez, E. H. (2018). Agricultura migratoria conductor del cambio de uso del suelo de ecosistemas alto-andinos de colombia. Biotecnoloía En El Sector Agropecuario y Agroindustrial, 16(1), 15. https://doi.org/10.18684/bsaa(16)15-25
Paredes, M. (2019). Uso de índices de vegetación del sensor MODIS – TERRA en la estimación de biomasa aérea de pajonales altoandinos. Universidad Nacional Agraria La Molina, 1(2), 87. http://repositorio.lamolina.edu.pe/bitstream/handle/20.500.12996/3351/paredes-chocce-miguel-enrique.pdf?sequence=1&isAllowed=y
Pizarro Carcausto, S. E. (2017). Degradación y vulnerabilidad al cambio climático en pastizales altoandinos. Universidad Nacional Agraria La Molina, 201. http://repositorio.lamolina.edu.pe/handle/UNALM/2916
Ramírez, D. G., Giraldo, A., & Tovar, J. (2006). Producción primaria, biomasa y composición taxonómica del fitoplancton costero y oceánico en el Pacífico Colombiano (Septiembre-Octubre 2004). Investigaciones Marinas, 34(2), 211–216. https://doi.org/10.4067/s0717-71782006000200023
Quspe, C. (2016). Análisis de GSD para la generación de cartografía utilizando la tecnología drone, huaca de la Universidad Nacional Mayor de San Marcos. Revista Del Instituto de Investigación de La Facultad de Ingeniería Geológica, Minera, Metalurgica y Geográfica, 18(36), 21–26. https://doi.org/10.15381/iigeo.v18i36.12014
Seo, H. S., Phua, M. H., Ong, R., Choi, B., & Lee, J. S. (2014). Determining aboveground biomass of a forest reserve in malaysian borneo using K-nearest neighbour method. Journal of Tropical Forest Science, 26(1), 58–68.https://www.jstor.org/stable/23617014
Tomasi, J. (2013). Espacialidades pastorilesen las tierras altoandinas. Asentamientos y movilidades en Susques, puna de Atacama (Jujuy, Argentina). Revista de Geografia Norte Grande, 87(55), 67–87. https://doi.org/10.4067/s0718-34022013000200006
Xu, D., & Guo, X. (2015). Some insights on grassland health assessment based on remote sensing. Sensors (Switzerland), 15(2), 3070–3089. https://doi.org/10.3390/s150203070
Yaranga, R. (2020). High-Andean wetland of Peru: Floristic diversity, primary net aerial productivity, ecological condition, and carrying capacity. Scientia Agropecuaria, 11(2), 213–221. https://doi.org/10.17268/SCI.AGROPECU.2020.02.08
Yim, J. S., Han, W. S., Hwang, J. H., Chung, S. Y., Cho, H. K., & Shin, M. Y. (2009). Estimation of Forest Biomass based upon Satellite Data and National Forest Inventory Data. Korean Journal of Remote Sensing, 25(4), 311–320.https://doi.org/10.7780/kjrs.2009.25.4.311
Zaragoza-Quintana, E. P., Cotera Correa, M., Pando Moreno, M., Scott Morales, L. M., Estrada Castillón, A. E., & González Rodríguez, H. (2022). Salud del ecosistema de pastizal y biomasa en áreas naturales protegidas para el perrito llanero mexicano (Cynomys mexicanus) en Nuevo León, México. Acta Universitaria, 32, 1–19. https://doi.org/10.15174/au.2022.3495
Zarria, M., & Flores, E. (2015). Inventario y estrategias de mejora de los pastizales de los sistemas de producción de alpacas en la sierra central. Lima: Universidad Nacional Agraria La Molina. http://repositorio.lamolina.edu.pe/bitstream/handle/UNALM/2080/F01-Z377i-T.pdf?sequence=1&isAllowed=y
Zorogasúa-Cruz, P., Quiroz, R., & Garatuza-Payan, J. (2012). Dinámica de los bofedales en el altiplano peruano-boliviano. Revista Latinoamericana de Recursos Naturales, 8(2), 63–75.https://revista.itson.edu.mx/index.php/rlrn/article/view/202
Chen, J., Jönsson, P., Tamura, M., Gu, Z., Matsushita, B., & Eklundh, L. (2004). A simple method for reconstructing a high-quality NDVI time-series data set based on the Savitzky-Golay filter. Remote Sensing of Environment, 91(3–4), 332–344. https://doi.org/10.1016/j.rse.2004.03.014
Comer, P.J., Young, B., Schulz, K., Kittel, G., Unnasch, B., Braun, D., Hammerson, G., Smart, L., Hamilton, H., Auer, S., Smyth, R., & Hak, J. (2012). Climate Change Vulnerability and Adaptation Strategies for Natural Communities: Piloting methods in the Mojave and Sonoran deserts. Report to the US Fish. Report to the U.S. Fish and Wildlife Service. NatureServe, Arlington, VA, September.https://transfer.natureserve.org/download/Longterm/Ecology/HCCVI/DesertLCCpilot/NatureServe_HCCVI_Report.pdf
D’Oleire-Oltmanns, S., Marzolff, I., Peter, K. D., & Ries, J. B. (2012). Unmanned aerial vehicle (UAV) for monitoring soil erosion in Morocco. Remote Sensing, 4(11), 3390–3416. https://doi.org/10.3390/rs4113390
Estrada Zúñiga, A. C., Cárdenas, J., Bejar, J.V., & Ñaupari, J. (2022). Biomass estimation of a high Andean plant community with multispectral images acquired using UAV remote sensing and Multiple Linear Regression, Support Vector Machine and Random forest models. Scientia Agropecuaria, 13(3), 301–310. https://doi.org/10.17268/sci.agropecu.2022.027
Estrada Zúñiga, A. C., & Ñaupari Vásquez, J. (2021). Detección e identificación de comunidades vegetales altoandinas, Bofedal y Tolar de Puna Seca mediante ortofotografías RGB y NDVI en drones “Sistemas Aéreos no Tripulados.” Scientia Agropecuaria, 12(3), 291–301. http://dx.doi.org/10.17268/sci.agropecu.2021.032.
Fuhlendorf, S. D., Archer, S. A., Smeins, F., Engle, D. M., & Taylor, C. A. (2012). The Combined Influence of Grazing, Fire, and Herbaceous Productivity on Tree–Grass Interactions. 219–238. https://doi.org/10.1007/978-0-387-34003-6_12
Holdrigde, L. (1978). Ecología basada en zonas de vida. IICA.
Lussem, U., Bolten, A., Menne, J., Gnyp, M. L., Schellberg, J., & Bareth, G. (2019). Estimating biomass in temperate grassland with high resolution canopy surface models from UAV-based RGB images and vegetation indices. Journal of Applied Remote Sensing, 13(03), 1. https://doi.org/10.1117/1.jrs.13.034525
Melville, B., Lucieer, A., & Aryal, J. (2019). Classification of lowland native grassland communities using hyperspectral unmanned aircraft system (Uas) imagery in the tasmanian midlands. Drones, 3(1), 1–12. https://doi.org/10.3390/drones3010005
Meneses, V. A. B., Téllez, J. M., & Velasquez, D. F. A. (2015). Uso De Drones Para El Analisis De Imágenes Multiespectrales En Agricultura De Precisión. @limentech, Ciencia y Tecnología Alimentaria, 13(1). https://doi.org/10.24054/16927125.v1.n1.2015.1647
Ministerio del Ambiente MINAM. (2016). Guía complementaria para la compensación ambiental: Ecosistemas Altoandinos. Resolución Ministerial N° 183-2016-MINAM, 27446, 5–41. https://www.minam.gob.pe/wp-content/uploads/2016/07/RM-N%C2%B0-183-2016-MINAM1.pdf
Muñoz Gómez, F. A., Galicia Sarmiento, L., & Pérez, E. H. (2018). Agricultura migratoria conductor del cambio de uso del suelo de ecosistemas alto-andinos de colombia. Biotecnoloía En El Sector Agropecuario y Agroindustrial, 16(1), 15. https://doi.org/10.18684/bsaa(16)15-25
Paredes, M. (2019). Uso de índices de vegetación del sensor MODIS – TERRA en la estimación de biomasa aérea de pajonales altoandinos. Universidad Nacional Agraria La Molina, 1(2), 87. http://repositorio.lamolina.edu.pe/bitstream/handle/20.500.12996/3351/paredes-chocce-miguel-enrique.pdf?sequence=1&isAllowed=y
Pizarro Carcausto, S. E. (2017). Degradación y vulnerabilidad al cambio climático en pastizales altoandinos. Universidad Nacional Agraria La Molina, 201. http://repositorio.lamolina.edu.pe/handle/UNALM/2916
Ramírez, D. G., Giraldo, A., & Tovar, J. (2006). Producción primaria, biomasa y composición taxonómica del fitoplancton costero y oceánico en el Pacífico Colombiano (Septiembre-Octubre 2004). Investigaciones Marinas, 34(2), 211–216. https://doi.org/10.4067/s0717-71782006000200023
Quspe, C. (2016). Análisis de GSD para la generación de cartografía utilizando la tecnología drone, huaca de la Universidad Nacional Mayor de San Marcos. Revista Del Instituto de Investigación de La Facultad de Ingeniería Geológica, Minera, Metalurgica y Geográfica, 18(36), 21–26. https://doi.org/10.15381/iigeo.v18i36.12014
Seo, H. S., Phua, M. H., Ong, R., Choi, B., & Lee, J. S. (2014). Determining aboveground biomass of a forest reserve in malaysian borneo using K-nearest neighbour method. Journal of Tropical Forest Science, 26(1), 58–68.https://www.jstor.org/stable/23617014
Tomasi, J. (2013). Espacialidades pastorilesen las tierras altoandinas. Asentamientos y movilidades en Susques, puna de Atacama (Jujuy, Argentina). Revista de Geografia Norte Grande, 87(55), 67–87. https://doi.org/10.4067/s0718-34022013000200006
Xu, D., & Guo, X. (2015). Some insights on grassland health assessment based on remote sensing. Sensors (Switzerland), 15(2), 3070–3089. https://doi.org/10.3390/s150203070
Yaranga, R. (2020). High-Andean wetland of Peru: Floristic diversity, primary net aerial productivity, ecological condition, and carrying capacity. Scientia Agropecuaria, 11(2), 213–221. https://doi.org/10.17268/SCI.AGROPECU.2020.02.08
Yim, J. S., Han, W. S., Hwang, J. H., Chung, S. Y., Cho, H. K., & Shin, M. Y. (2009). Estimation of Forest Biomass based upon Satellite Data and National Forest Inventory Data. Korean Journal of Remote Sensing, 25(4), 311–320.https://doi.org/10.7780/kjrs.2009.25.4.311
Zaragoza-Quintana, E. P., Cotera Correa, M., Pando Moreno, M., Scott Morales, L. M., Estrada Castillón, A. E., & González Rodríguez, H. (2022). Salud del ecosistema de pastizal y biomasa en áreas naturales protegidas para el perrito llanero mexicano (Cynomys mexicanus) en Nuevo León, México. Acta Universitaria, 32, 1–19. https://doi.org/10.15174/au.2022.3495
Zarria, M., & Flores, E. (2015). Inventario y estrategias de mejora de los pastizales de los sistemas de producción de alpacas en la sierra central. Lima: Universidad Nacional Agraria La Molina. http://repositorio.lamolina.edu.pe/bitstream/handle/UNALM/2080/F01-Z377i-T.pdf?sequence=1&isAllowed=y
Zorogasúa-Cruz, P., Quiroz, R., & Garatuza-Payan, J. (2012). Dinámica de los bofedales en el altiplano peruano-boliviano. Revista Latinoamericana de Recursos Naturales, 8(2), 63–75.https://revista.itson.edu.mx/index.php/rlrn/article/view/202
Publicado
2023-12-05
Como Citar
Estrada, A., Astete, D., Cárdenas, J., Alvarez, D., Bejar, J., & Moscoso, J. (2023). Sistemas aéreos não tripulados e sensoriamento remoto passivo para classificar microecossistemas de pastagens altas andinas. Revista Da Faculdade De Agronomia Da Universidade De Zulia, 40(4), e234036. Obtido de https://produccioncientificaluz.org/index.php/agronomia/article/view/41214
Edição
Secção
Produção Vegetal
Direitos de Autor (c) 2023 Andrés Corsino Estrada Zúñiga, Dante Astete Canal, Jim Cárdenas Rodríguez; Dunker Arturo Alvarez Medina; Juan Víctor Bejar Saya, Juan Elmer Moscoso Muñoz
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
