Yield estimation of sugarcane ( Saccharum officinarum ) f rom photogrammetry with unmanned aerial vehicles (UAV)

Introducción. La estimación previa de variables de rendimiento en plantaciones de caña de azúcar ( Saccharum officinarum ), es importante para adaptar prácticas de manejo y aumentar la competitividad en la agroindustria azucarera costarricense. Objetivo. El objetivo de este estudio fue realizar estimaciones de variables de rendimiento en el cultivo de la caña de azúcar, por medio de la integración de fotografías aéreas, métodos fotogramétricos y determinaciones de campo. Materiales y méto - dos. Se utilizó un lote de una hectárea de caña de azúcar, propiedad de la cooperativa CoopeCañita R.L. (Turrialba, Costa Rica), con 5 años de producción y sembrado con la variedad B76-256. La evolución espacio-temporal del crecimiento del cultivo se midió de mayo a noviembre del 2017, por medio de 6 vuelos con un VANT, el cual portaba una cámara fotográfica CoolPix A de 16,2 megapíxeles. Se realizó el procesamiento fotogramétrico y se obtuvieron los Modelos Digitales de Superficie (DSM). Estas variables permitieron estimar la altura y el volumen del cultivo. Las estimaciones se correlacionaron con diferentes variables de rendimiento como toneladas métricas de caña por hectárea (TMH), rendimiento de kilogramos de azúcar por tonelada (RKA), total de kilogramos de azúcar (TKA), total de kilogramos de miel (TKM) y rendimiento de kilogramos de miel (RKM) de la zaf ra 2017-2018. Resultados. La relación entre las TMH obtenidas en campo y las estimadas a partir del modelo de regresión lineal creado con la altura del cultivo fue de un R 2 de 0,83. El error absoluto de la estimación de rendimiento, a partir de altura de planta, fue de 3,7 ton.ha -1, el error residual estándar de 6,3 ton.ha -1 y el RMSE de 5,63 ton.ha -1. Conclusión. Según los resultados, la mejor fecha para la estimación TMH fue aproximadamente 3 meses antes de cosecha. No se encontró relación entre las estimaciones fotogramétricas y la variable RKA.Introduction. The estimation of yield variables in sugarcane ( Saccharum officinarum ) previous to its harvest is important to adapt management practices and to increase the competitiveness of the Costa Rican sugar agroindustry. Objective. The aim of this study was to carry out an estimation of different yield variables in sugarcane through the integration of aerial photos, photogrammetric methods, and calibration of the processed image outputs against measured field data. Materials and methods. A plot with a 5-years old ratoon of the variety B76-256 of sugar cane from CoopeCañita R.L. (Turrialba, Costa Rica) was used for the calibration. The spatial and temporal evolution of crop growth was monitored from May to November 2017 using an Unmanned Aerial Vehicle (UAV) that carried a 16.2-megapixel CoolPix A camera during 6 f lights. The photogrammetric processing of the images and the generation of Digital Surface Models (DSM) allowed the estimation of plant height and crop volume. The estimations were correlated with different yield variables as metric tons of fresh biomass per hectare (TMH), kilograms of sugar per ton of fresh biomass (RKA), total kilograms of sugar per hectare (TKA) total kilograms of molasses per hectare (TKM) and yield of kilograms of molasses per ton of fresh biomass (RKM) of the 2017-2018 harvest. Results. The relationship between field-measured yield and the estimated values of plant height was R 2 = 0.83. The absolute error for yield estimation using the photogrammetric obtained plant height was 3.7 ton.ha -1, its residual error was about 6.3 ton.ha -1 and the RMSE was 5.63 ton.ha -1. Conclusion. According to the results, the best time to predict the sugarcane yield (TMH) through UAV images and photogrammetric tools is around three months before the harvest. No relationship was found between photogrammetric estimations and other sugar content variables of sugarcane.Universidad de Costa Rica/[733-B5-A11]/UCR/Costa RicaUniversidad de Costa Rica/[733-B5-508]/UCR/Costa RicaUCR::Vicerrectoría de Investigación::Unidades de Investigación::Ciencias Agroalimentarias::Centro de Investigaciones Agronómicas (CIA