Resumen

En este artículo se presenta una nueva tecnología desarrollada para la estimación de la cantidad de nitrógeno en el recebo del cultivo de arroz basada en el aprendizaje automático. El nitrógeno es un elemento clave en el cultivo del arroz y su gestión puede aumentar la productividad, reducir costes y mitigar el impacto ambiental. Para esta investigación se recopilaron datos multifuente, multitemporal y multiescala de un cultivo de arroz de 11ha durante 4 años consecutivos y se configuraron varios algoritmos de aprendizaje automático para predecir el rendimiento en función de los distintos niveles de nitrógeno siendo el modelo XGBoost el más preciso. Además, se utilizaron curvas de rendimiento para determinar la dosis de nitrógeno ideal para maximizar el rendimiento del cultivo.

• Materias:Rendimiento del suelo Nitrógeno Aprendizaje automático Agricultura
• Subjects:Soil yield Nitrogen Machine learning Agriculture
• Palabras claves:Agricultura de precisión; imágenes RapidEye; imágenes centinela; mapas de rendimiento; XGBoost
• Keywords:Precision agriculture; RapidEye imagery; sentinel imagery; yield maps; XGBoost