Spittlebug (Hemiptera: Cercopidae: Aeneolamia sp) monitoring in sugarcane cultivation using remote sensors and its possible applicability for phytosanitary management
Keywords:
Remote sensors, NDVI, Flycatcher, Sugarcane, Monitoring, DroneAbstract
In order to contribute to the sustainability of the productive processes of the sugar sector, we seek to know the applicability of remote sensors in phytosanitary terms. The investigation was carried out in La Haciendita canton, Suchitoto municipality, Cuscatlán department, at 280 meters above sea level, from April to October 2020. The sensitivity of two remote sensors, one satellite and the other connected to a drone, was evaluated to identify the multispectral response of the sugarcane crop to different populations of the spittlebug and their respective damage. An allotment with the presence of the insect in question was selected and fixed sampling points were defined, in which the number of nymphs and adults were counted during five dates with intervals of approximately 8 days. Images without pre-processing generated by the Sentinel-2 sensor (satellite) and images with pre-processing generated by the Slantranger sensor (drone) were received. To know the applicability of these images to diagnose the presence of the spittlebug, a Principal Component Analysis was carried out at the five sampling moments to know the association between the insect populations and the available vegetation indices, and a Pearson´s correlation to know the correlation between them. Finally, an epidemiological analysis was carried out to know the effect of the accumulation of the spittlebug damage on the response of the crop expressed by the NDVI values, for this the formula of Area Under the Disease Progress Curve was used. The NDVI indices calculated by both sensors are not useful to identify the presence of the spittlebug and its different populations at a given time, since the crop shows an stress condition due to the alteration of several factors (biotic and abiotic), including the spittlebug attack, and that limits the assertion that such stress is caused by a particular factor. In the five sampling moments, no association was found between the spittlebug population and the available indices, in addition the correlation values were extremely low (r=<0.5) to be used as indicators of the insect presence. However, it was found that the NDVI and STRESS indices used were influenced by the accumulated damage that the insect did; even though the populations decreased, its impact on the crop was evident.
Downloads
References
AUVSI (2013). Citado por Acosta Henríquez, GF y Mendoza Torres, CM. (2017). Aplicación de los drones en la agricultura. El Salvador. Anuario de investigación 2017/ vol. 6/ ISSN 2227-4235. Universidad Católica de El Salvador. P. 351-365.
BAYER. 2017. Seguridad de los insecticidas neonicotinoides para las abejas. (En línea). S.l. BeeInformed No. 3. 16 p. Consultado el 30 de septiembre de 2021. Disponible en https:// www.cropscience.bayer.com/sites/cropscience/ files/inline-files/BEEINFOrmed_3_ Bee_Safety_of_Neonicotinoids__Spanishj4qsl75i_ 0.pdf
Berrío, VA; Mosquera, J; Alzate, DF. 2015. Uso de drones para el análisis de imágenes multiespectrales en agricultura de precisión. (En línea). Colombia. Universidad de Pamplona. 14 p. Consultado el 22 de enero de 2020. Disponible en https://www.researchgate.net/ publication/319853440_USO_DE_DRONES_ PARA_EL_ANALISIS_DE_IMAGENES_MULTIESPECTRALES_ EN_AGRICULTURA_DE_ PRECISION
CENGICAÑA (Centro Guatemalteco de Investigación y Capacitación de la caña de azúcar). 2012. El cultivo de la caña de azúcar en Guatemala. (En línea). Guatemala. 512 p. Consultado el 11 de febrero de 2020. Disponible en https://www.google.com/search?sxsrf= ACYBGNQfkpuCbov6g08rF_-fpJqxEdln a Q % 3 A1 5753 0 52 8 07 1 0 & e i = Q E D l XcT- 9KqGd5wKavI8Q&q=perdidas+economi c a s + e n + c a% C 3 % B 1 a + d e + a z % C 3 % B - Acar+por+plagas+CENGICA%C3%91A+pdf & o q = p e r d i d a s + e c o n o m i c a s + e n + - ca%C3%B1a+de+az%C3%BAcar+por+plagas+ CENGICA%C3%91A+pdf&gs_l=psy -ab.3...26050.27686..27961...0.2..0.138.1 217.1j9......0....1..gws-wiz.......0i71j35i304i- 3 9j 33 i1 0.1 I g e 5 d x h j i k&ve d = 0 a h U K EwjEna29tZf mAhWhzlkKHRreAwIQ4dUDCAo& uact=5
Congedo, L. 2021. Semi-Automatic Classification Plugin: A Python tool for the download and processing of remote sensing images in QGIS. Journal of Open Source Software, 6(64), 3172, https://doi.org/10.21105/ joss.03172.
CONSAA (Consejo Salvadoreño de la Agroindustria Azucarera). 2020. Información CONSAA: toneladas por manzana zafra 19/20. El Salvador. Sistema informático Ingenio El Ángel
Córdoba, M; Balzarini, M; Bruno, C; Costa, JL. 2011. Análisis de componentes principales con datos georeferenciados: Una aplicación en agricultura de precisión. Argentina. Rev. FCA UNCUYO. 44(1). P. 27-39
Díaz García Cervigón, JJ. 2015. Estudios de índices de vegetación a partir de imágenes aéreas tomadas desde UAS/RPAS y aplicaciones de éstos a la agricultura de precisión. Madrid. ESP. Tesis. M.Sc. Universidad Complutense de Madrid.
Franklin et al., (1995). Citado por Álvarez Taboada MF; Lorenzo Cimadevila, H; Rodríguez Pérez, JR; Picos Martín, J y Valero Gutiérrez del Olmo, E. 2005. Detección de áreas forestales afectadas por el ataque de insectos empleando teledetección y sistemas de información geográfica. Aplicación a las masas de Eucalipto afectadas por Gonipterus Scutellactus en Galicia. España. 7 p.
IRAC (Comité de Acción contra la Resistencia a Insecticidas). 2019. Clasificación del modo de acción de insecticidas y acaricidas. (En línea). España. 28 p. Consultado el 26 de noviembre de 2019. Disponible en https://www.goog l e . c o m / s e a r c h ? s x s r f = A C Y B G N R - j F u z l j h z N 2 E P Q A 2 z a 7 9 U S Y e F e w - g%3A1574800961944&ei=QY7dXeyGOYvl- 5gKe95qQBw&q=irac+espa%C3%B1a&oq = I R A C + e s & g s _ l = p s y - a b . 3 . 0 . 0j0i203j0j0i203l2j0i22i30l2j0i22i10i30j0i22i- 30j0i22i10i30.221840.223838..225751...0.2..0. 168.936.0j7......0....1..gws-wiz.......0i71j35i39j0i- 67j0i131j0i20i263j0i10j0i10i203.rCmXfNVdJJ4
Kharuf Gutierrez, S. 2018. Análisis de imágenes multiespectrales de sembrados de caña de azúcar adquiridas con vehículos aéreos no tripulados. (En línea). Cuba. Tesis. Universidad Central “Marta Abreu” de Las Villas. 112 p. Consultado el 16 de julio de 2021. Disponible en https://dspace.uclv. edu.cu/bitstream/handle/123456789/10757/ S a m y % 2 0 K h a r u f % 2 0 G u t i e r r e z . . pdf?sequence=1&isAllowed=y
Lárraga Altamirano, HR; Piedad Rubio, AM; Hernández López, DR y Guerrero Durán, EH. 2019. Modelo de clasificación espacial de textura aplicada a unidades de vegetación. (En línea). México. 11 p. Consultado el 19 de julio de 2021. Disponible en https://www. eumed.net/rev/tectzapic/2019/02/unidadesvegetacion. pdf
León Bañuelos, LA. 2019. Análisis de la distribución espacial de Arceuthobium globosum implementando teledetección en el área de protección de flora y fauna nevado de Toluca. México. Tesis. Universidad Autónoma del estado de México. 172 p.
Lobo, 1995. Citado por Olvera Vargas, LA; Galindo Mendoza, MG; Aguirre Gómez, R; Aguilar Rivera, N; Yañez Espinoza, E. S.f. Propuesta para el monitoreo del barrenador de la caña de azúcar Diatraea saccharalis a través de espectroradiometría de campo. México. Universidad Autónoma de San Luis Potosí. 6 p.
Marini, F. y Santamaría, M. 2019. Evaluación de índices verdes convencional e índices del “borde rojo” en la discriminación de cultivos a nivel regional. (En línea). Argentina. ISSN. 0718-7130. 15 p. Consultado el 13 de octubre de 2021. Disponible en http://revistanadir. yo l a s i te .co m /r e s o u r c e s /A r t i c u l o% 2 0 Marini%20y%20Santamaria.pdf
Muñoz Aguayo, P. 2013. Apuntes de teledetección: índices de vegetación.(En línea). Chile. 15 p. Consultado el 26 de abril de 2020. Disponible en http://bibliotecadigital.ciren. cl/bitstream/handle/123456789/26389/ T e m a % 2 0 I n d i c e s % 2 0 d e % 2 0 v e g e t a c i % C 3 % B 3 n % 2 C % 2 0 P e d r o % 2 0 M u % C 3 % B 1 o z % 2 0 A . pdf?sequence=1&isAllowed=y
Olvera Vargas, LA; Galindo Mendoza, MG; Aguirre Gómez, R; Aguilar Rivera, N; Yañez Espinoza, E. 2015. Propuesta para el monitoreo del barrenador de la caña de azúcar Diatraea saccharalis a través de espectroradiometría de campo. México. Universidad Autónoma de San Luis Potosí. 6 p.
Ponvert Delisles, D; Lau Quan, A. 2013. Uso de las imágenes de satélite y los SIG en el campo de la Ingeniería Agrícola. La Habana. Cu. Universidad Agraria de La Habana Fructuoso Rodríguez Pérez. Revista Ciencias Técnicas Agropecuarias. Vol 22. No. 4. 7 p
Ramos, D.A. 2020. Los 6 índices de vegetación para completar el NDVI. (En línea). España. Consultado el 13 de octubre de 2021. Disponible en https://mappinggis. com/2020/07/los-6-indices-de-vegetacionpara- completar-el-ndvi/#GCI_Indice_de_ Clorofila_Verde
Soledad, M; Federico, K. 2009. La tecnología espacial en el campo: Aplicaciones de imágenes satelitales en agricultura de precisión. Argentina. V congreso Argentino de tecnología espacial. 7 p
Winkler, K. 2018. Agrotóxicos en el cultivo de la caña de azúcar y sus impactos en la salud humana. Causas y orígenes de la Nefropatía Mesoamericana en Guatemala. Guatemala. 57 p
Zenteno Cruz, GA; Palacios Vélez, E; Tijerina Chávez, L; Flores Magdaleno, H. 2017. Aplicación de tecnologías de percepción remota para la estimación del rendimiento en caña de azúcar. México. Revista Mexicana de Ciencias Agrícolas. Vol. 8. No. 7. P 1575- 1586
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
