TAZ-TFM-2016-1148


Viabilidad del uso de imágenes térmicas y multiespectrales para la detección de yesca en viñedo mediante el uso de herramientas GIS

Jarne Casasús, Adrián
Serreta Oliván, Alfredo (dir.)

Universidad de Zaragoza, EPSHUES, 2016
Ciencias Agrarias y del Medio Natural department, Ingeniería Agroforestal area

Máster Universitario en Ingeniería Agronómica

Abstract: Las enfermedades de la madera o yesca, es una de las enfermedades más importantes en la viticultura moderna. En este trabajo se ha evaluado el uso de las imágenes térmicas y multiespectrales para detectar la presencia de cepas afectadas por yesca. Se han utilizado imágenes térmicas y multiespectrales de un vuelo realizado en el año 2015. De dichas imágenes se han extraído los valores de temperatura, NDVI, PCD y los DN (Digital Numbers) de las distintas bandas de la imagen multiespectral. Además, usando un GPS de alta precisión se georreferenciaron varias cepas sanas y enfermas en dos parcelas distintas. Tras extraer los valores de cada parámetro a evaluar en cada cepa, se realizó un análisis estadístico de los datos. Tras realizar un análisis de varianza de tipo ANOVA, se observó que no existen diferencias significativas entre cepas sanas y enfermas, sin embargo, sí que se detectaron diferencias significativas entre cepas de distintas parcelas. El análisis de regresión mostró que existe una fuerte correlación entre los valores de las 3 bandas que componen la imagen multiespectral, sin embargo, esta correlación es más débil al relacionar la temperatura con las distintas bandas. Dado que se encontró correlaciones entre los distintos parámetros, se realizó un análisis de componentes principales para evaluar si las distintas bandas de la imagen multiespectral y la temperatura estaban explicando la misma variabilidad dentro de las muestras analizadas. Dicho análisis mostró que el 95% de la variabilidad puede ser explicado por dos componentes principales, los cuales están formados por las bandas de la imagen multiespectral. Lo cual implica que la información que nos da la imagen térmica es redundante, puesto que la variabilidad puede ser explicada casi en su totalidad por la imagen multiespectral. Por último, se intentó implementar modelos de clasificación basados en los sistemas de aprendizaje de máquina para evaluar si usando este tipo de análisis es posible diferenciar entre cepas sanas y enfermas usando la información que contienen las imágenes térmicas y multiespectrales. Pese a que no se habían encontrado diferencias significativas en ninguno de los parámetros estudiados, para cepas sanas y enfermas, ha sido posible conseguir un índice de acierto de más del 70% para cepas enfermas usando modelos de tipo SVM (Support Vector Machine), a costa de aumentar la tasa de error para las cepas sanas. De modo que no es posible detectar de forma precisa la presencia de yesca usando imágenes térmicas y multiespectrales. Sin embargo, mediante el uso de técnicas de aprendizaje de máquina sí que es posible detectar cepas afectadas a costa de aumentar el número de cepas sanas clasificadas como enfermas. Ya que este tipo de imágenes es más sensible a otros cambios como los que puede producir una carencia mineral o un déficit hídrico.

Tipo de Trabajo Académico: Trabajo Fin de Master
Notas: Trabajo realizado en la bodega Viñas del Vero.

Creative Commons License

El registro pertenece a las siguientes colecciones:
Academic Works > Trabajos Académicos por Centro > escuela-politecnica-superior-huesca
Academic Works > End-of-master works




Rate this document:

Rate this document:
1
2
3
 
(Not yet reviewed)