Yield predictions of four hybrids of maize (Zea mays) using multispectral images obtained from RPAS in the coast of Peru

Abstract

Early assessment of crop development is a key aspect of precision agriculture. Shortening the time of response before a deficit of irrigation, nutrients and damage by diseases is one of the usual concerns in agriculture. Early prediction of crop yields can increase profitability in the farmer's economy. In this study we aimed to predict the yield of four maize commercial hybrids (Dekalb7508, Advanta9313, MH_INIA619 and Exp_05PMLM) using remotely sensed spectral vegetation indices (VI). A total of 10 VI (NDVI, GNDVI, GCI, RVI, NDRE, CIRE, CVI, MCARI, SAVI, and CCCI) were considered for evaluating crop yield and plant cover at 31, 39, 42, 46 and 51 days after sowing (DAS). A multivariate analysis was applied using principal component analysis (PCA), linear regression, and r-Pearson correlation. In the present study, highly significant correlations were found between plant cover with VIs at 46 (GNDVI, GCI, RVI, NDRE, CIRE and CCCI) and 51 DAS (GNDVI, GCI, NDRE, CIRE, CVI, MCARI and CCCI). The PCA indicated a clear discrimination of the dates evaluated with VIs at 31, 39 and 51 DAS. The inclusion of the CIRE and NDRE in the prediction model contributed to estimate the performance, showing greater precision at 51 DAS. The use of RPAS to monitor crops allows optimizing resources and helps in making timely decisions in agriculture in Peru.

La evaluación temprana del desarrollo de los cultivos es un aspecto clave de la agricultura de precisión. Acortar el tiempo de respuesta ante un déficit de riego, nutrientes y daños por enfermedades es una de las preocupaciones habituales en la agricultura. La predicción temprana del rendimiento de los cultivos puede aumentar la rentabilidad de la economía del agricultor. En este estudio nos propusimos predecir el rendimiento de cuatro híbridos comerciales de maíz (Dekalb7508, Advanta9313, MH_INIA619 y Exp_05PMLM) utilizando índices espectrales de vegetación (VI) obtenidos por teledetección. Se consideraron un total de 10 VI (NDVI, GNDVI, GCI, RVI, NDRE, CIRE, CVI, MCARI, SAVI y CCCI) para evaluar el rendimiento del cultivo y la cobertura vegetal a los 31, 39, 42, 46 y 51 días después de la siembra (DAS). Se aplicó un análisis multivariante utilizando el análisis de componentes principales (ACP), la regresión lineal y la correlación r-Pearson. En el presente estudio, se encontraron correlaciones altamente significativas entre la cobertura vegetal con los VI a los 46 (GNDVI, GCI, RVI, NDRE, CIRE y CCCI) y 51 DAS (GNDVI, GCI, NDRE, CIRE, CVI, MCARI y CCCI). El PCA indicó una clara discriminación de las fechas evaluadas con los VI a los 31, 39 y 51 DAS. La inclusión del CIRE y NDRE en el modelo de predicción contribuyó a estimar el rendimiento, mostrando una mayor precisión a los 51 DAS. El uso de RPAS para monitorear los cultivos permite optimizar los recursos y ayuda en la toma de decisiones oportunas en la agricultura en el Perú.