nO 117 (año 2005) 3€

El desorden del sectorprovoca la crisis de la

c;Eatata,".'~ ti. ;"tl,.

g;~f:t~~5j}~;~~r ~

h~:

-:-

44 Viñedo nO 117 (año 2005)

APLICACiÓN DE TÉCNICAS DE TELEDETECCIÓN HIPERESPECTRAL ENVIÑEDO FERTILIZADO CON EXTRACTO DE ALGAS

Un nuevo sistema de teledetección permitemejorarel controlde rendimientos en el

viñedo de Riberadel DueroBerta Gil Pérez1, Pablo J. ZarcoTejadaZ, Adriana C. Guimaraes1,María J. de Sousa1, Salvador Her-nández Navarro1, Javier ÁlvarezMartínez1, Jesús VeUosol, JesúsMartín GifI.

1 Departamento de Ingeniería Agrícola yForestal. Universidadde Valladolid,Avda deMadrid 57.34004 Palencia, Spain.

Z Instituto de Agricultura Sostenible (lAS),Consejo Superior de Investigaciones Cien-tíficas (CSIC). Alameda del Obispo, s/n.14004 Córdoba, Spain.

RESUMEN

Este trabajo estudia algunas apli-

caciones de la teledetección hiperes-pectral en viñedo fertilizado con algas,mostrando el potencial de estas técnicas

como indicadoresde rendimiento y cali-dad. Seanaliza la capacidad de algunosíndices hiperespectrales, para extraerinformación sobre parámetros bioquí-micos, estructurales y de producción,así como lasposibles variaciones debidoa losdiferentes tratamientos de fertiliza-

ción. Losdatos obtenidos muestran queseestablecen correlacionessignificativasentre algunos índices y ciertas variablesestudiadas, observándose también queen uno de los tratamientos con algas,las respuestas más altas de los índices seobtuvieron en la zona con mayor calizaactiva en suelo.

l-INTRODUCCIÓN.

1.1- Teledetección hiperespectral.

La alta resolución de los sensores hiperespectralespermite calcular índices de vegetaciónrelacionados con la absorción de luz por procesosbioquímicos en la hoj a y biofísicos en lacubierta o por determinadas condiciones como elcontenido en agua, clorofila, nitrógeno, materiaseca y LAI que informan sobre condiciones deestrés y fisiología del cultivo que podrían afectaral rendimiento

Actualmente existe un gran interés

en la agricultura de precisión y en eldesarrollo de técnicas que incrementenla productividad, optimicen la rentabi-lidad y protejan el medio ambiente. Eneste contexto, la tecnología que ofrecela teledetección puede proporcionaruna valiosa información que es todavíainsuficiente o inapropiada para la reali-zación de prácticas agrícolas sostenibles

y eficientes [lJ, (2).Pese a la importancia y extensión en

laVE de cultivos como Vitis vinifera L.

la aplicación de métodos de teledetec-ción en éstos no se encuentra en estado

avanzado, demostrándolo las pocas

publicaciones existentes al respecto.Hasta el momento las investigacionesllevadas a cabo con técnicas de este

tipo, se han realizado a través ~ ~ ~

48 Viñedo

~ ~ ~ presente es Tempranillo, elcual está injertado sobre Richter-11 O,patrón predominante en la Ribera delDuero. El marco de plantación es de3 x 130m2, lo que da lugar a unadensidad de plantación de2777 ce-pas/ha. La formación de este viñedo es

en espaldera, con un régimen hídricode secano, y una orientación de las hi-leras Noreste-Suroeste (N-S + 45°).El

diseño experimental realizado incluyecuatro tratamientos (TI, T2, T3 YT4) con cuatro repeticiones cada uno(ALG1, ALG2, ALG3 Y ALG4).

Los diferentes tratamientos se apli-caron vía foliar el día 1 de Julio del2003 a lo largo de toda la parcela. Seeligieron cuatro zonas al azarpara reali-zar lascuatro repeticiones (Fig.1). Cadazona de estUdio abarca cuatro subpar-celas que cortesponden a los distintostratamientos, y cada subparcela constade dos filas de 10 cepas cada una.

La dosis para los tratamientos fuede 350 l/ha, y la composición de cadauno de ellos por cada 1.000 litros dedisolución se detalla a continuación:

TI: 10 litros Bio algeen + 2.5 litrosTalosínt.

T2: 20 litros Bio algeen + 2.5 litrosTalosínt.

T3: 10 litros Bio algeen + 2.5 litrosTalosínt + 5 Kg KARENTOL Mix.

T4: Testigo.Siendo BIO ALGEEN el extracto

de algas, TALOSINT un fungicida-bactericida, mientras que el KAREN-TOL Mix, KenoGard es un corrector

mineral que contiene agente quelante(EDTA).2.2- Obtención de datos.

El muestreo foliar yde suelo sereali-zó el día 15 de Julio del 2003. De cadasubparcela se recogieron 80 hojas, de lascuales 60 seutilizaron para el análisis de

nutrientes y las 20 restantes para la de-terminación del contenido en clorofila

a y b. El 29 de Septiembre del 2003 se

nO 117 (año 2005)

lParoeIa de estudio

FIGURA2. Imagen obtenida sobre el viñedo estudiado (Roturas, Valladolid)por el sensor hiperespectral aerotransportado CASIen el modo de operación

4,1

4

~ 3,9

't: 3,8~::L 3,7

Z 3,6

3,5

3,4

FÓSFORO

0,23

I

I N""' 0,22

I-n' E1-1'2 ~ 0.21-T3~ t a- -- - T4' o. 0,2

-T1'-1'2j -1'3,

¡ ni

2 3 4

Zona de estu<f1O

O:S ,1 2 3

Zona de estudio4

(a) (b)FIGURA3.Concentracióndel nitrógeno (a)y del fósforo (b)en las diferentes

zonas de estudio.

POTASIO

1,4

1,2

"E 1o~ 0.8

ii2"o,e

0,4

,T.-12-13-~T"

2 3 4Zona de estuálO

CALCIO

4,24

~ 3,8ug 3,6Oí 3,4o

3,23

~ ¡-TI/: 1-1'2~,~ I-~

2 3 4Zona de estuálO

(a) (b)FIGURA4. Concentración del potasio (a) y del calcio (b) en las diferentes

tomaron los datos de la producción deuva en cada zona.

Las imágenes (Fig. 2) fueron ad-quiridas por el sensor hiperespectralaerotransporrado CASI (Compact Air-borne Spectrographyc Imager) de YorkUniversity (Canadá) el 17 de Julio de2003. Se tomaron a una altUrade 2.250m sobre el nivel del terreno, obteniendo

1m de resolución espacial con 8 bandas

espectrales, adecuadas para estudiardiversas propiedades de la vegetación,que se sitúan en las regiones del visibley del infrarrojo cercano. Se procesaronusando los coeficientes de calibración

determinados en el laboratorio porCRESTech (Centre for Research in Ear-

th and Space Technology) y medianteel modelo de corrección atmosférica

CAM 5S (O'Neill et al., 1997) ~ ~ ~

46 Viñedo nO 117 (año 2005)

.:'i ,,~,_ ___FIGURA1. Imagen obtenida por el sensor hiperespectralCASIsobre la parcela de ensayo donde se observan las

cuatro zonas de estudio.

· .. de sensores digitalescon un limitado número de

bandas anchas. Losprogresosconseguidos en teledetecciónde viñedo son escasos,debido

principalmente a la dificultadde adquisición de imágenescon las características espe-cíficas que necesita este tipo

de cultivo, con geometría enhileras, requiriendo sensoresde alta resolución y de bandaestrecha.

En métodos de telede-

tección tradicionales para elcontrol de vegetación relacio-nados con índices de bandaancha como el N ormalized

Difference Vegetation Index(NDVI), se produce satura-ción en valores de elevados de índice de

Área foliar (IAF) [3], además de estar

altamente afectados por la estructurade la vegetación en cultivos con graninfluencia del suelo, así como por lareflectancia bi-direccional función de

la geometría de visión en el momentode la toma de datos del sensor y fuentesolar [4], [5]. Por lo tanto este tipo demétodos no tienen capacidad de realizarestimaciones de variable bioquímicas alintegrar toda la radiación reflejada enbandas demasiado anchas ofreciendo

una estimación infravalorada en flujosde C02 yagua, e inexacta en el caso dela fotosíntesis, y son válidos exclusiva-mente en la zona de esrudio donde se

derivan, no pudiendo ser generalizadasa otros cultivos o al mismo cultivo en

otro estado de desarrolloo bajo distintascondiciones de geometría de visión (Ja-cquemoud et al., 1995). Sin embargo,la alta resolución de los sensores hipe-respectrales permite el cálculo de otrosíndices de vegetación relacionados conla absorción de luz específica debido aprocesos bioquímicos en la hoja y bio-físicos en la cubierta, o a determinadas

condiciones como el contenido en agua,clorofila, nitrógeno, materia secayLAI,utilizando bandas muy estrechas y con-tiguas del espectro electromagnético.Estas relaciones son de gran utilidadpara obtener información sobre condi-ciones de estrés y fisiología del cultivoque potencialmente podrían afectar alrendimiento [6].

1.2-Aplicación de las algas en laagricultura.

Aunque el uso de algas marinas enlos cultivos se remonta a la antigüedad,el desarrollo de los nutrientes químicoso sintéticos a finalesdel siglo XIX hizomenos popular el uso de productosnaturales y orgánicos [7]. En años re-cientes, se ha invertido esta tendencia

puesto que las fuentes narurales denutrientes de plantas y los promoto-res naturales del crecimiento de las

mismas han recuperado su respeto enmuchas aplicaciones por medio de unainvestigación intensiva y programas de

desarrollo. Entre todas lasalgas marinasy los extractos que se encuentran ahoraen el mercado, Ascophyllum nodosumes la especie más investigada con fines

agrícolas, ya que seha demos-trado que losextractos de éstason los más activos biológica-mente de todos losproductosálgicos comerciales, siendotambién la más utilizada

en Europa y en el Norte deAmérica [8}. Las algas sonreconocidas como una exce-

lente fuente de reguladoresde crecimiento naturales con

actividad demostrada [9],

[lO}, [l1}, también ayudana resistir daños por enferme-dad, insectos o condiciones deestrés, así como incrementar

J la producción, la resistenciaa la escarcha, la absorción de

nutrientes del suelo y la ger-minación de lassemillas [l2},

[8}, [l3]. Otros estudios han demos-

trado que el contenido de clorofila y lacapacidad fotosintética son más altos enplantas tratadas con el extracto, dandoasí una ventaja definitiva a las plantastratadas sobre las no tratadas. Además

de la gran importancia de que el usode algas puede modificar la tendenciaactual de degradación del suelo que losagentes químicos causan, se trata de unfertilizante orgánico renovable, aspectoimportante a considerar con respecto alasactividades agrícolas sostenibles conel medio ambiente.

2-MATERIAL Y MÉTODOS

2.1- Diseño experimental.El trabajo está localizado en el

término municipal de Roturas (Va-lladolid) y pertenece a una de lascomarcas productoras de vino de másalta calidad: la Ribera del Duero. La

parcela de estudio tiene una extensiónde 4.69 ha, y sus coordenadas centralesson: 41°40'13.30"N, -4°753'83"E.Se trata de un terreno de textura ar-

cilloso grue~o, con un contenido encarbonatos alto. La variedad...

50 Viñedo

~ ~ ~ en York University (Canadá).Dicho modelo de transferencia radia-

tiva fue utilizado para transformar laradiancia relativa del sensor a reflectan-cia absolUtadel terreno mediante datos

de espesor óptico medidos en campoen el momento del paso del avión. Lainformación relativa a la posición geo-gráfica, iluminación, y geometría de laimagen, así como la altitud del sensor,fue adquirida a partir de los datos denavegación del avión.

2.3-Índices de vegetación emplea-dos.

En función de los canales dispo-nibles y su longitud de onda, y de losaspectos a estudiar se hizo una selecciónde 22 índices de vegetación (Tabla 1).Algunos de estos índices utilizan re-flectancias de la región del visible comoGreenness Index G( R554/R677),

otros son proporciones entre el visibley el infrarrojo cercano: NDVI (R800-R670)/(R800+R670), Simple RatioSR(R774-R677), Lichtenthaler (R800-

R650)/(R800+ R680), y los índices queemplean reflectancias de la zona dellímite rojo como Gitelson & MerzylakG_M1(R750/R550), G_M2(R750/

R700) y Carter (R695/R750) (Zarco-Tejada et al.,2004).

Se pueden agrupar en tres tiposfundamentales dependiendo del tipode parámetro que indican: índices declorofila, relacionados con el contenido

de este componente y de otros elemen-tos presentes en las hojas, permitiendomediante teledetección la identifica-

ción del estrés en vegetación a travésde la variación de la concentración de

este pigmento, índices estructurales,relacionados con parámetros de laes-tructura externa de la planta, e índicescombinados, compuestos por los dostipos de índices anteriores, y por tantosusceptibles de mostrar informaciónsobre variables estructurales y bioquí-mICas.

C) 0,800

0,900 0,0300,0280,0280,024

a:0,022

13 0,020:¡ 0,018

O,01e0,0140,0120,010

nO 117 (año 2005)

2 3 4

Zona de estudio

(a) (b)FIGURA5.Valoresde los índices G (a)y MCARI(b) en cadazonade estudio.

0,1500,1400,1300,120

'" 0,110

~ 0,100:¡ 0,090

o,oeo0,0700,0600,050

0,850

0,750

0,7002 3

Zona de estudio

2 3 4Zona de estudio

0,190

~:::

j

~ ./'

~0,130-;7__~~O,110_ ~0,090

0,070

0,0502 3

Zona de estudio

(a) (b)FIGURA6.Valoresde los índices MTVI2(a)y MCARI1(b) en las cuatro zonas

5" 0,035

iJj 0,030o- 0,025

~ 0,020

;;0,015

~ 0,010o:¡ 0,005

0,0705" 0,065iJj0,060~ 0,055

~ 0,050t::. 0,045:;: 0,040~ 0,035

0,030234

Zona de estudio2 3

Zona de estudio4

(a) (b)FIGURA7.Valoresde los índices MCARI(TCARI/OSAVI)(a)y NDVI(TCARII

3.RESULTADOSYCONCLUSIONES

3.1-Relación entre índices y concen-tración de elementos minerales.

Con respecto a los índices de cloro-fila se obtuvieron con el nitrógeno losmejores resultados utilizando índicesG, MCARI, TCARI y TVI, obtenien-do (r ~ 0.5) Ydemostrando la relación

existente entre éstos y dicho elemento.Con el calcio, las correlaciones más

robustas se alcanzaron paraZTM yG_M2 (r = 0.51), índices en los cua-les se obtuvieron también los mejoresresultados en el caso del magnesio,

junto con G_M1 (r = -0.58 en los tres

casos). Con los índices estructurales,los coeficientes de correlación con el

nitrógeno que superaron el valor der ~ 0.5 lo hicieron con índices como

MTVIl, MTVI2, RDVI, MCARIl yMCARI2, obteniendo el mayor coefi-ciente MTVIl y MCARI1 (r = 0.53).Con respecto al calcio, los índiceses-tructurales mostraron unos resultados

superiores que con los índices de cloro-fila al obtenerse unos coeficientes más

significativos en índices como NDVI(r = -0.59), SR (r = -0.58), MSR (r =

-0.58), OSAVI (r = -0.56)y MSAVI(r = -0.50). Las mejores relaciones al-canzadas con este tipo de índices ~ ~ ~

---

52 Viñedo

~ ~ ~ se encontraron

en el magnesio, conunos coeficientes de r =

nO 117 (año 2005)

I

TABLA1. índices de vegetación para la estimación de parámetrosestructurales y clorofílicos calculados a partirde imágenes

miento de las diferentes

-0.62 para NDVI,SR I INDICESESTRUCTURALESy MSR, obteniéndosetambién una relación

buena con OSAVI (r =-0.57). En los resultadosde la relación entre los

índices combinados ylos elementos foliares

se puede observar que seobtuvieron coeficientes

de correlación signifi-cativos con el nitrógenoy el magnesio. Para elnitrógeno se alcanzaroncon MCARI2.(TCARI/

OSAVI) (r = -0.58), Ycon NDVI.(TCARIIOSA VI) (r = -0.53).El índice MCARI2/

(TCARIIOSA VI) dio

lugar a la mejor relaciónentre índice-elementofoliar obteniendo con el

magnesio un coeficientede r = -0.69. Otros como TCARI/

OSAVI, Y MCARI/OSA VI tambiénobtuvieron buenos resultados con r

= 0.57 para el mismo componentebioquímico.3.2-Correlación entre contenido

clorofílico y concentración de ele-mentos minerales.

En los resultados se observa queel único valor significativo se alcanzacon el nitrógeno, con un coeficiente decorrelación de r = 0.51.3.3- Efectos de la fertilización con

algas.Para comprobar la existencia de

los posibles efectos de la fertilizaciónaplicada, se estudió el contenido de loselementos foliares obtenidos en cada

tratamiento a lo largo de cada una delas zonas de estudio (i). Con elmismo

objetivo, se procedió al estudio de los

concentraciones en pota-sio y calcio, y en ella semuestra como es T2 el

que mejores resultadosobtuvo a lo largo de to-das las zonas de estudio,consiguiendo un mayorcontenido de este ele-

mento que el resto de lostratamientos, existiendosolo una zona (ALG4)

en que es igualado porotro (T4). Con respectoal calcio, se observa quemediante el tratamiento

T3 se obtuvieron lasconcentraciones más ele-

vadas de este elemento,

manteniéndose siempreen los niveles más altos,aunque en las zonas de

estu1io ALG 1 Y ALG2el tratamiento testigotuvo iguales resultados.

(ii)Estudio de los ín-dices en los diferentes

tratamientos de fertilización. Los

resultados se dividen en tres gruposdependiendo del tipo de índice utiliza-do. Los índices de clorofila G, MCARI

(fig. 6), TCARI y TVI mostraron quelas subparcelas con los tratamientos TIy T2, alcanzaron siempre valores supe-riores al testigo T4, no cumpliéndoseesta relación para los demás índicesrelacionados con la clorofila en todas

las zonas de estudio, en particular enla zona 4. En cuanto al tratamiento T3

se observa, en la mayoría de los casos,un aumento importante de los valoresen la zona 2 y un descenso brusco enla zona 3. Al estudiar el comporta-miento de los índices estructurales se

encontró que para el tratamiento T2 seobtuvieron valores, en todos los casos,

mayores que en el tratamiento testigo(T4) como puede observarseen la figura

INOJCES OE CLOROFILA

INDlCEGreenness Index (G)

Modified ChIoropI1y11Absorplion in RefIectance I MCARI = ({R700- R670) - 0.2'(R700- Rsso)~(R7001R670)

Index(MCARI)TransfcnnedCARI

(TCARITriangularVegetalion

Index(TVI)

Zarto-Tejada&Miller

GiteIsonand Mer2lyak

11."111

1,I, ,t

ECUACIONG=tR.s.Y(Rm)

TCARI = 3. [(R700- R670)- 0.2-(R700- Rsso)-(R7001R670)]

TVI~o.s' [120'(R".-R",)- 200'(R."-R,,,)]

ZTM = (R""Y(R71O)

G_MI = (R750Y(R550)G...M2= (R750Y(R7oo

diferentes valores alcanzados por losíndices para cada tratamiento y zonade estudio (ii).

(i)Efectos en la composición foliar.En la figura 4 se esquematiza el com-portamiento del nitrógeno y el fósforoen los tratamientos a lo largo de lascuatro zonas de estudio y puede obser-varse que, en el caso de nitrógeno, lassubparcelas tratadas con T2 tienen uncontenido superior a las demás subpar-celas en todos los casos exceptuandoen la zona 4 (ALG4) donde es mayorpara la zona testigo. Con el fósforo, elresultado es similar ya que el conteni-do en subparcelas con T2 se mantienesiempre en los valores más altos de lagráfica y con respecto al tratamiento dereferenciaT4, son superiores excepto enALG4 donde son iguales. La figura 5contiene los resultados del comporta-

REFERENCIA

Daughtry el al. (2000)

Haboudane el el (2002)

Broge and Leblanc (2000)

Zan:o-Tajada et al. (2001)

Gnelsonand Mei2lyak (1997)

- -- --

INOICE ECUACION REFERENCIA

NormaIizedDifferenceNDVI=(R... -R..dY(R... + R..d)

Vegetalion Index (NDVI)Rouse el el. (1974)

Modified Triangular MTYII _1.28 [1.28<R.,-R,,.) - 2.S8(R.,,-R,.)]Vegetation Index IMTVIII Haboudane el el. (2004)

Modified Triangular MTYl2. 1.5*1.2*( :....-R.,.)- 2.S8(R.,.-R.,,.)Haboudane et al. (2004)

VegeIation Index (MTVI2) JC2' R..- ')'-(6' R..-S' .[i;;)-o.s

Renormalized DifferenceRDV1 = (Rsoo-lV,70)/ ,f(Rsoo + lV,70)VegeIalion Index (RDVl1

Rougean and Breon. (1995)

Simple Ratio Index (SR) SR = RMRJR.", Jordan (1969);Rouse etal.(1974)

Modified Simple Ratio MSR= R.\1R/R,.¡ I(MSR) (RNI,/R,.¡)0.5+1

Chen (1996)

Modified Chloropl1y11AbsorplioninReflectance MCARI' -1.2'[2.S'(R..-R.,,) -1.3'(R..-R,.J] Haboudaneetel. (2004)

Index (MeARh)

Modified ChIoropl1y11AlCfRI2. ,.s'I2.S'(R.--",_)-I.3'(R" -...)1

Absorptioo in Reftectance Haboudane el el. (2004)Index (MCARb)

J(2' R..+ ')'-(6" R..-,.¡....)-o.s

Improved SAVIwi1hseII-17. U:!.'-+1-4(2."-+I-I.{'--"'1I)Jadjus1mentfactor L Qj et al. (1994)

{MSAVI\

Dptimized Soi-AdjustedOSAVI =(1 +0.16). (R,oo-R670)/{R,oo+ R670+ 0.16)

Vegetalion Index {OSAVnRondeauxel al.(1996)

54 Viñedo

~ ~ ~ 7. Mientras, en las subpar-celas tratadas con TI, también

se alcanzaron en general valoresmás altos que en aquellas donde

se aplicó el tratamiento T4 (Fig.7). Con respecto a T3 se observóque el comportamiento de todoslos índices en las subparcelas con

este tratamiento fue muy irregu-lar, apreciándose por lo general lamisma tendencia que en los índices declorofila. Los resultados con los Índices

combinados son similares que en loscasosanteriores, donde, MCARI (TCA-

RI/OSAVI) y NDVI (TCARI/OSAVI)alcanzan valoressiempre superiores con

los tratamientos TI y T2 (figAO), nosiendo así en los demás índices.

3A-Índices y producción de uva.El estudio a partir de los índices

hiperespectrales yel peso de producciónde fruta ha mostrado buenas correlacio-

nes (Tabla 2), siendo los índices estruc-

turales los que mejores resultados hanobtenido con valores de r = -0.81 paraMTVI 2 YMCARI2, y de R = -0.79para MTVI 1 YMCARIl.3.5- Conclusiones

El presente estudio muestra quetanto los índices ópticos relacionadoscon la estructura de la planta, comolos indicadores del contenido clorofí-

lico y de otros elementos bioquímicos,obtuvieron los mejores resultados decorrelación con el nitrógeno, el calcioy el magnesio foliar de la vid, desta-cando el magnesio entre los demás

nutrientes. Los índices hiperespectralesque mostraron mayor capacidad comoindicadores de la variabilidad de nitró-

geno fueron aquellos que incluyen lon-gitudes de onda en el visible a 550nm

(G, MCARI, TCARI y TVI en índicesde clorofila, MTVIl, MTVI2, RDVI,

MCARIl y MCARI2 en índices esttuc-turales, y MCARI2.(TCARI/OSAVI),NDVI.(TCARI/OSAVI) en índices

combinados), verificándose para el

TABLA2. Coeficientes de correlación entre losíndices hiperespectrales y la producción de uva.

cultivo de este estudio las afirmaciones

comprobadas en Blackmer et al.Las correlaciones más elevadas se

alcanzaron entre producción uva y losíndices MTVI2 y MCARI2, lograndoambos un valor de r = -0,81, por lotanto sepuede observarque variosde losíndices aquí estudiados son indicadoresde la producción en viñedo, especial-mente los relacionados con parámetrosestructurales.

El comportamiento de los índices

en las subparcelas con el tratamientoT3, destacó en general por obtener unvalor muy alto en la zona de estudio 2(ALG2), donde el contenido en carbo-

natos y en caliza activa del suelo es elmás elevado según el análisis realizado.Por el contrario, se observó un des-

censo en la mayor parte de los índicesen la zona ALG3, donde se obtuvo lamenor concentración en caliza activa.

Teniendo en cuenta el hecho de que lossuelos calcáreos son los más propensosa la deficiencia de hierro asimilable

por la planta, podría ser interesante enposteriores investigaciones estudiar larelación entre contenidos altos en caliza

activa y valores elevados de índices devegetación.

En lassubparcelastratadas con T2, seobserva que en la mayor parte de las zo-nas de estudio sealcanzaanivel foliarun

contenido en nitrógeno, fósforoypotasiosuperior que en las demás subparcelas,hecho que, aun no habiéndose alcanzadoresultados concluyentes, podría ser de-bido a la aplicación de este tratamiento,

nO 117 (año 2005)

que contiene la mayor concentra-ción de extracto de algas.

4. BIBLIOGRAFÍA.1. Daughtry, C. S. T., Walthall, C. L.,

Kim, M.S., Brown de Colstoun, E, andMcMurtrey11I,J.E 2000.Estimatingcornleaf chlorophyll concentration from leafandcanopyreflectance,RemoteSensingof the Environment,74: 229-239.

2. Moran,M. S., Inoue,Y.,& Barnes, EM. 1997.Opportunitiesand limitationsforimage-basedremotesensingin precision

crop management.3. SELLERS, P.J. 1986.Canopy reflectance,

photosynthesis and transpiration. Int. Journ.RemoteSens.6:1335-1372.

4. GOEL, N. S. 1988. Models of vegetationcanopy reflectanceand their use in estimationof biophysicalparametersfrom reflectancedata.RemoteSensing Reviews,4,1-212.

5. Huete, A. R. 1988. A soil-adjusted vegetationindex (SAVI),Remote Sensing of the Environ-ment, 25:295-309.

6. Zarco-Tejada, P.J.,Whiting, M., andUstin, S.L. 2004. Temporal and SpatialRelationships between within-field Yield variability in CoHon andHigh-Spatial Hyperspectral Remote SensingImagery,Agronomy Journal. Presented at the7th International Conference on PrecisionAgriculture and Other Precision ResourcesManagement, Minneapolis, Minnesota, USA,25-28 July,2004.

7.Senn,T.L.1987..Seaweedandplantgrowth.ClemsonUniversity.U.S.A

8. Blunden, G. 1991. Agricultural uses ofseaweeds and seaweed extracts. Seaweedresouces in Europe: Uses and potencial.M.D.Guiry and G. Blunden.John Wiley and Sons.Pp.65-81.Chichester.

9. Crouch, I.J. 1990.Universityof Natal.Theeftect of seaweedconcentrateon plant. Ph. D.Dissertation.Pietermaritzburg.South Africa.

10.Crouch,I.J.,VanStaden,J.1993.Evidenceof the presence of plant growth regulators incommercial seweeds products. Plant growhtRegl.13,21-29.

11.Jameson,P.E.1993.Planthormonesin thealgae.F.ERoundandD.J.Chapman.ProgressinPhycologicalResearch.BiopressUd.VoI.9.p239.Bristol,U.K.

12.Abetz,P.1980..Seaweed extracts: havethey a place in Australianagricultureor horticu-ture.J.Aust. Inst.Agric.Sci.43,23-29.

13. Verkleij, F.N. 1992. Seaweed extractsin agriculture and horticulture: a review. Biol.Agri.&Hortic.8, 309-324.

14.O'NEILL,N.T.,ZAGOLSKI,F.,BERGERON,M.,ROYER,A.,MILLER,R.J.,& FREEMANTLE,J. 1997. Atmospheric correction validationof CASI images acquired over the BOREASsouthernstudyarea.Can.J. RemoteSens.,23,143-162.

15. Blackmer, T. M., Schepers, J. S., and Varvel,G.E 1994.Light reflectance compared with othernitrogen stress measurements in corn leaves,AgronomyJ.86:934-938. T

G -0,70TVI -076

Indicesdeclorofila ZTM -0,57G M1 060G M2 -0,57

MCARI21ITCARIIOSAVII -0,53MTVI1 -0,79MTVI2 -0,81IndicesestructuralesMCARI1 -0,79MCARI2 -0,81