Jurado Expósito, MonserratCastro, Ana Isabel deTorres Sánchez, JorgeJiménez Brenes, Francisco M.López Granados, Francisca2018-02-092018-02-092017978-84-9769-327-1https://academica-e.unavarra.es/handle/2454/27197Comunicación presentada al XVI Congreso de la Sociedad Española de Malherbología, celebrado en la Universidad Pública de Navarra, Pamplona-Iruña, entre los días 25 y 27 de octubre de 2017.Se evalúa una metodología para la cartografía de malas hierbas en época tardía del cultivo combinando datos espaciales georreferenciados (variable primaria) con información espectral (variables secundarias). Como variable 1ia se ha estudiado Papaver rhoeas L. en trigo y como variables 2ias: las bandas Rojo, Verde, Azul y NIR (Near-InfraRed) de imágenes UAV (Unmanned Aerial Vehicles) tomadas en campo el día del muestreo. Se comparan dos tipos de estimadores: krigeado ordinario (análisis de la variable 1iª) y cokrigeado (análisis incorporando variables 2ias). La comparación de la precisión de los mapas de infestación obtenidos se ha realizado en base a la incertidumbre de las estimas. Los resultados muestran que la incorporación de variables secundarias espectrales al proceso de interpolación geoestadística mejora la estimación de la variable 1ia, especialmente cuando se incluye en el análisis la banda Verde.A methodology for late weed mapping combining georeferenced spatial data (1st variable) with spectral information (2nd variables) is evaluated. The Papaver rhoeas L. spatial data in wheat was used as1st variable and Red, Green, Blue and NIR bands from UAV images as 2nd variables. Two types of algorithms were compared: Ordinary Kriging (analysis of 1st variable) and CoKriging (to incorporate the 2nd variables). Comparison of infestations maps accuracy was based on cross validation statistics. Results showed that including spectral secondary variables into geostatistical analysis improves the accuracy of 1st variable estimations, especially when band G is included as 2nd variable.6 p.application/pdfspaLicencia Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional (CC BY-NC-ND 4.0)Agricultura de precisiónCokrigeadoKrigeadoVariogramasVariogramsKrigingCokrigingPrecision agricultureinfo:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/openAccess