Estimación de la producción de biomasa en un pastizal halófilo mediante imágenes RGB obtenidas con dron
DOI:
https://doi.org/10.34188/bjaerv9n1-041Palavras-chave:
cobertura vegetal, regresión lineal, Cobcal, validaciónResumo
El uso de los sensores remotos basado en drones nos permite obtener imágenes con rapidez y de buena calidad para llevar acabo un monitoreo de la vegetación en los agostaderos de una manera más rápida, efectiva y con menor esfuerzo que los métodos tradicionales. El objetivo de este trabajo fue determinar la relación entre la producción de biomasa y la cobertura vegetal estimada en fotografías digitales haciendo uso de un vehículo aéreo no tripulado (Dron). Se estableció un sitio de muestreo en un pastizal halófilo ubicado en el Municipio de Tlahualilo, Durango en la zona de amortiguamiento de la Reserva de la Biosfera de Mapimí, cuya vegetación está dominada por zacate toboso (Hilaria mutica). Se establecieron tres parcelas de 28 has cada una donde se trazaron ocho transectos con cinco puntos de muestreo cada uno, en cada punto se tomó una fotografía digital para determinar la cobertura vegetal y se relacionó con la producción de biomasa cosechada en cada punto de muestreo. El estudio se realizó en los años 2019 y 2022. La cobertura vegetal promedio por año fue de 27.80 y 34.22 %, mientras que la biomasa promedio fue de 158.69 y 211.20 g/m2. Para determinar el grado de asociación entre las variables medidas se realizó un análisis de regresión simple encontrando el modelo Y = 10.77 + 5.321 X1; y para el año 2022 Y = 61.22 + 4.382 X1. La R2 fue de 86.9 y 80.9 % respectivamente. El uso de estas nuevas tecnologías nos permite realizar monitoreo de la vegetación en menos tiempo y de una manera más fácil que con los métodos tradicionales para elaborar planes de uso y manejo adecuado de estas áreas de pastizal.
Referências
ALI, A.; Kaul, H.-P. Monitoring Yield and Quality of Forages and Grassland in the View of Precision Agriculture Applications—A Review. Remote Sens. 2025, 17, 279. https://doi.org/10.3390/rs17020279
AYVAZYAN, G.; Muradyan, V.; Medvedev, A.; Khlghatyan, A.; Asmaryan, S. Exploring Multisource Remote Sensing for Assessing and Monitoring the Ecological State of the Mountainous Natural Grasslands in Armenia. Appl. Sci. 2024, 14, 10205. DOI: 10.3390/app142210205
Barnetson, J., Phinn, S. y Scarth, P. (2020). Estimación de la biomasa y la calidad de los pastos vegetales a partir de imágenes de UAV en los pastizales de Queensland. AgriEngineering, 2 (4),523-543. https://doi.org/10.3390/agriengineering2040035
BEUKES, P.C.; McCarthy, S.; Wims, C.M.; Gregorini, P.; Romera, A.J. Regular estimates of herbage mass can improve profitability of pasture-based dairy systems. Anim. Prod. Sci. 2019, 59, 359–367. DOI: 10.1071/AN17166
Blumetto, O. (2024). Manejo de invasiones de especies exóticas en procesos de restauración de Monte Parque en la región sur de Uruguay: Management of exotic species invasions in Monte Parque restoration processes in the southern region of Uruguay. Brazilian Journal of Animal and Environmental Research, 7(1), 764–769. https://doi.org/10.34188/bjaerv7n1-059
BRIONES, o.; Búrquez, A.; Martínez-Yrízar, A.; Pavón, N.; Perroni Y. Biomasa y productividad en las zonas áridas mexicanas. Madera y bosques, 2018, vol. 24, Suppl., e2401898, Instituto de Ecología A.C. DOI: 10.21829/myb.2018.2401898, https://www.redalyc.org/journal/617/61766247002/html/
BUTT, B. M., Turner, D., Singh, A., Brottem, L. (2011). Use of MODIS NDVI to evaluate changing latitudinal gradients of rangeland phenology in Sudano-Sahelian West Africa. Remote Sensing of Environment 115(12):3367–3376. https://doi.org/10.1016/j.rse.2011.08.001
CHÁVEZ, C. E., Paz P. F., y Bolaños G. M. A. (2017). Estimation of biomass and aerial cover using radiometry and digital images at the field level in grasslands and shrublands. Terra Latinoamericana, 35(3), 247-257. https://doi.org/10.28940/terra.v35i3.133
CHEN, Z., Shao, Q., Liu, J., Wang, J. (2012). Analysis of net primary productivity of terrestrial vegetation on the Qinghai-Tibet Plateau, based on MODIS remote sensing data. Science China Earth Sciences 55(8):1306–1312. https://link.springer.com/article/10.1007/s11430-012-4389-0
CHO, W.; Brorsen, B.W.; Biermacher, J.T.; Rogers, J.K. Rising plate meter calibrations for forage mass of wheat and rye. Agric. Environ. Lett. 2019, 4, 180057. DOI: 10.2134/ael2018.11.0057
CONABIO, Comisión Nacional para el Conocimiento y Uso de la Biodiversidad. Geoportal CONABIO 2026. Sistema Nacional de Información sobre Biodiversidad. Sitio web: http://www.conabio.gob.mx/informacion/gis/ Fecha de acceso: 12 de diciembre de 2025.
CONG, N., Piao, S.L., Chen, A.P., Wang, X.H., Lin, S.P., Chen, S.J., Han, G.S., Zhou, X.P, Zhang. (2012). Spring vegetation green-up date in China inferred from SPOT NDVI data: A multiple model analysis. Agricultural and Forest Meteorology 165:104–113. https://doi.org/10.1016/j.agrformet.2012.06.009
DE MORAIS, L.F.; Cavalcante, A.C.R.; Aquino, D.D.N.; Candido, M.J.D. Remote sensing applied to grassland ecosystems in regions with climatic vulnerability. Ed. Cient. Digit. 2022, 7, 151–164. DOI: 10.37885/221010540
DUJAKOVIC, A.; Watzig, C.; Schaumberger, A.; Klingler, A.; Atzberger, C.; Vuolo, F. Mejora de la detección de cortes de pastizales mediante series temporales de Sentinel-2 mediante la integración de datos meteorológicos y de SAR de Sentinel-1. SRRN 2024. https://doi.org/10.1016/j.rsase.2025.101453
DUSSEUX, P.; Guyet, T.; Pattier, P.; Barbier, V.; Nicolas, H. Monitoring of grassland productivity using Sentinel-2 remote sensing data. Int. J. Appl. Earth Obs. Geoinf. 2022, 111, 102843. https://doi.org/10.1016/j.jag.2022.102843
FERRARI, D.M., Pozzolo, O.R. & Ferrari, H.J. (2009). CobCal, software for vegetation cover estimation. National Institute of Agricultural Technology, EEA Concepción del Uruguay, Entre Ríos, Argentina. https://www.produccion-animal.com.ar/software/02-cobertura_vegetal.pdf
GCAYI, SR; Adelabu, SA; Nduku, L.; Chirima, JG. A bibliometric analysis for remote sensing applications in bush encroachment mapping of grassland and savanna ecosystems. Applied Geomatics 16, 881–896 (2024). DOI: 10.1007/s12518-024-00589-0
GODÍNEZ-ALVAREZ, H.; Herrick, J.E.; Mattocks, M.; Toledo, D.; Van Zee, J. Comparison of three vegetation monitoring methods: Their relative utility for ecological assessment and monitoring. Ecol. Indic. 2009, 9, 1001–1008. DOI: 10.1016/j.ecolind.2008.11.011
HU, T.; Cao, M.; Zhao, X.; Liu, X.; Liu, Z.; Liu, L.; Huang, Z.; Tao, S.; Tang, Z.; Guo, Y. High-resolution mapping of grassland canopy cover in China through the integration of extensive drone imagery and satellite data. ISPRS J. Photogramm. Remote Sens. 2024, 218, 69–83. DOI: 10.2134/ael2018.11.0057
HUA, R.; Ye, G.; De Giuli, M.; Zhou, R.; Bao, D.; Hua, L.; Niu, Y. Decreased species richness along bare patch gradient in the degradation of Kobresia pasture on the Tibetan Plateau. Ecol. Indic. 2023, 157, 111195. DOI: 10.1016/j.ecolind.2023.111195
JIANG, A.; Dong, Y.; Asitaiken, J.; Zhou, S.; Nie, T.; Wu, Y.; Liu, Z.; An, S.; Yang, K. Response of soil fungal communities and their co-occurrence patterns to grazing exclusion in different grassland types. Front. Microbiol. 2024, 15, 1404633. DOI: 10.3389/fmicb.2024.1404633
KINIRY, J.R.; Kim, S.; Meki, M.N.; Johnson, M.V.V. Forage Yield Estimation with a Process-Based Simulation Model. In Forage Groups; IntechOpen: London, UK, 2018. https://www.intechopen.com/chapters/62830
LEEUW, J.d.; Rizayeva, A.; Namazov, E.; Bayramov, E.; Marshall, M.T.; Etzold, J.; Neudert, R. Application of the MODIS MOD 17 Net Primary Production product in grassland carrying capacity assessment. Int. J. Appl. Earth Obs. Geoinf. 2019, 78, 66–76. DOI: 10.1016/j.jag.2018.09.014
LI, J., Chen, J., Cheng, X., Yin, J., Cheng, Q., You, H., Han, X., & Li, X. (2026). Multidimensional Validation of FVC Products over Qinghai–Tibetan Plateau Alpine Grasslands: Integrating Spatial Representativeness Metrics with Machine Learning Optimization. Remote Sensing, 18(2), 228. https://doi.org/10.3390/rs18020228
LI, M.; Wang, J.; Li, K.; Liu, Y.; Ochir, A.; Davaasuren, D. Assessment of grazing livestock balance on the Eastern Mongolian Plateau based on remote sensing monitoring and grassland carrying capacity evaluation. Sci. Rep. 2024, 14, 32151. DOI: 10.1038/s41598-024-84215-4
MICHEZ, A.; Lejeune, P.; Bauwens, S.; Herinaina, A.A.L.; Blaise, Y.; Castro Muñoz, E.; Lebeau, F.; Bindelle, J. Mapping and monitoring of biomass and grazing in pasture with an unmanned aerial system. Remote Sens. 2019, 11, 473. https://doi.org/10.3390/rs11050473
MURPHY, D.J.; O’Brien, B.; Hennessy, D.; Hurley, M.; Murphy, M.D. Evaluation of the precision of the rising plate meter for measuring compressed sward height on heterogeneous grassland swards. Precis. Agric. 2021, 22, 922–946. DOI: 10.1007/s11119-020-09765-9
NANA, Y.; Weiwei, Z.; Wu, B.; Tuvdendorj, B.; Chang, S.; Mishigdorj, O.; Zhang, X. Assessment of the grassland carrying capacity for winter-spring period in Mongolia. Ecol. Indic. 2023, 146, 109868. DOI: 10.1016/j.ecolind.2023.109868
Tenorio, D. R., Piña, F. J. G., Ramos, J. M. S., Canales, A. E., Rivera, J. I. R., Salas, L. C. M., & González, R. C. (2025). Efectos del cambio climático en los pastizales de México . Brazilian Journal of Animal and Environmental Research, 8(4), e84794. https://doi.org/10.34188/bjaerv8n4-242
WANG, D.; Shao, Q.; Yue, H. Surveying wild animals from satellites, manned aircraft and unmanned aerial systems (UASs): A review. Remote Sens. 2019, 11, 1308. DOI: 10.3390/rs11111308
WANG, Z.; Wang, J.; Wang, W.; Zhang, C.; Mandakh, U.; Ganbat, D.; Myanganbuu, N. An Explanation of the Differences in Grassland NDVI Change in the Eastern Route of the China–Mongolia–Russia Economic Corridor. Remote Sens. 2025, 17, 867. https://doi.org/10.3390/rs17050867
ZHU, S.; Chen, X.; Zhang, C.; Fang, X.; Cao, L. Carbon variation of dry grasslands in Central Asia in response to climate controls and grazing appropriation. Environ. Sci. Pollut. Res. 2022, 29, 32205–32219. DOI: 10.1007/s11356-022-18542-2
ZHU, X,; Li, Q.; Guo, C. Evaluation of the monitoring capability of various vegetation indices and mainstream satellite band settings for grassland drought. Ecological Informatics Volume 82, September 2024, 102717. https://doi.org/10.1016/j.ecoinf.2024.102717
Downloads
Publicado
Como Citar
Edição
Seção
Licença
- O conteúdo dos artigos é de responsabilidade exclusiva dos autores.
- É permitida a reprodução total ou parcial do conteúdo dos artigos, desde que citada a fonte.
- Artigos com plágio serão recusados, e o autor do plágio perderá o direito de publicar nesta revista.
- Os nomes e endereços informados nesta revista serão utilizados exclusivamente para os serviços prestados por esta publicação e não estão disponíveis para outros fins ou a terceiros.
- Depois de enviar os artigos, os autores cedem os direitos autorais de seus artigos ao BJAER. Se você se arrepender da submissão, o autor tem o direito de solicitar ao BJAER que não publique seu artigo. Porém, essa solicitação deve ocorrer até dois meses antes da divulgação do número que o artigo será publicado.
- O BJAER usa a licença Creative Commons CC BY. Informações sobre esta licença podem ser encontradas em: https://creativecommons.org/licenses/by/3.0/br/
Brazilian Journal of Animal and Environmental Research (BJAER) se reserva o direito de efetuar nos originais alterações de ordem normativa, ortográfica e gramatical, com vistas a manter o padrão culto da língua, respeitando, porém, o estilo dos autores. Os trabalhos finais não serão enviadas aos autores.
