Uso de machine learning y un sensor de reflectancia del dosel proximal para predecir biomasa y calidad nutricional en forrajes tropicales (Urochloa humidicola)

Loading...
Thumbnail Image

Date Issued

Date Online

Language

es
Type

Review Status

Access Rights

Open Access Open Access

Usage Rights

CC-BY-4.0

Share

Citation

Camelo, R.A.; Espitia Buitrago, P.; Jauregui, R. (2025) Uso de machine learning y un sensor de reflectancia del dosel proximal para predecir biomasa y calidad nutricional en forrajes tropicales (Urochloa humidicola). Póster preparado para el XIV Congreso de Fitomejoramiento y Producción de Cultivos, 25-27 de Junio Palmira (Colombia). 1 p.

Permanent link to cite or share this item

External link to download this item

DOI

Abstract/Description

Atributos como la biomasa y la calidad nutricional son características que permiten la selección de mejores pasturas y, por ende, la obtención de mayores cantidades de carne y leche a partir del alimento del ganado (Mendoza et al. 2022). Sin embargo, el método analítico de laboratorio utilizado para calcular estos atributos resulta ineficiente para especies perennes cuando existen cientos de plantas para evaluar (Masenyama et al. 2022). Por lo tanto, es necesario desarrollar métodos que permitan la caracterización y selección de genotipos mediante técnicas no destructivas de alto rendimiento. Para ello, se han utilizado sensores activos de dosel como el Crop Circle Phenom, capaces de medir reflectancia, atributos estructurales y variables climáticas.

Author ORCID identifiers

Contributes to SDGs

SDG 1 - No poverty
SDG 2 - Zero hunger
SDG 13 - Climate action
SDG 15 - Life on land
Countries
Organizations Affiliated to the Authors
CGIAR Action Areas
CGIAR Programs and Accelerators
CGIAR Initiatives