Tabla 21 Correlación lineal de las variables con T5: 400 N (Kg/ha)-marzo

Tabla 21 Correlación lineal de las variables con T5: 400 N (Kg/ha)-marzo

MCARI2 NDVI NPCI PRI NDVI (GS) Nitrógeno total

MCARI2 1 NDVI 0,99255514 1 NPCI -0,76242304 -0,7994723 1 PRI -0,53174171 -0,45665245 -0,13295173 1 NDVI (GS) 0,91055586 0,89166409 -0,87751512 -0,29616392 1 Nitrógeno total 0,05873153 0,02522015 -0,47185292 0,39936732 0,46593243 1

Con la regresión lineal se verifica si los índices que presentan una correlación negativa: moderada y fuerte con el índice NDVI en la Figura 46 y correlación positiva moderada y fuerte con el índice NDVI del GS en la Figura 47 en el mes de enero son relevantes para explicar el % N total presente en el cultivo de pasto.

Nitrógeno total Lineal (Nitrógeno total)

% NITRÓGENO TOTAL 4.50

4.00

3.50

3.00

2.50

2.00 y = -50,17x + 38,599 R² = 0,4764

1.50

1.00

0.50

0.00 0 . 6 9 0 . 6 9 0 . 7 0 0 . 7 0 0 . 7 1 0 . 7 1 0 . 7 2

INDICE NDVI

Figura 46 Relación entre el Índice NDVI y %Nitrógeno Total en parcela T5: 400N (Kg/ha), enero.

Nitrógeno total Lineal (Nitrógeno total)

%NITROGENO TOTAL 4.50

4.00

3.50

3.00

2.50

2.00

1.50

1.00

0.50 y = 38,164x - 29,248 R² = 0,3345

0.00 0 . 8 4 0 . 8 4 0 . 8 5 0 . 8 5 0 . 8 6 0 . 8 6 0 . 8 7 0 . 8 7

INDICE NDVI (GS)

Figura 47 Relación entre el Índice NDVI (GS) y %Nitrógeno Total en parcela T5: 400N (Kg/ha), enero

4.2. DISCUSIÓN

Los suelos del cultivo del área de estudio presentan las características adecuadas para el crecimiento del ray grass perenne al tener un pH superior a 5.5, (Villalobos y Sánchez, 2010). El porcentaje del N presente en el suelo es bajo necesario para iniciar la experimentación en el bloque asignado.

Mediante los mapas de distribución espacial de los tratamientos T1, T2, T3, T4 y T5 en los dos periodos de corte se identificó que la adición de fertilizantes nitrogenados sobre el pasto mixto concuerda con Gutiérrez y López (2018) ya que al aumentar el N sobre el cultivo aumenta también las lecturas del NDVI del GS.

Se compararon los resultados de la presente investigación con la investigación de Gutiérrez y Domínguez (2019) ya que las dosis de fertilización son altas en las dos investigaciones.

Gutiérrez y Domínguez (2019) identificaron valores altos del NDVI del GS, en el corte 1: el valor de NDVI del GS para T1 (70 kg de N/ha/año) de 0.86, para T2 (140 kg de N/ha/año) de 0.87 y manteniéndose para T3 (210 kg de N/ha/año) y para T4 (280 kg de N/ha/año) con 0.88; mientras que en la presente investigación los rangos del NDVI del GS para T1, T2 y T4 se mantienen en 0.75-0.86 para T3 disminuye de 0.69 a 0.80 y aumenta en T5 de 0.81-0.92; en el corte 2: el valor del NDVI del GS para T1 (70 kg de N/ha/año) disminuye a 0.84, para T2 (140 kg de N/ha/año) se

mantiene en 0.87, para T3 (210 kg de N/ha/año) disminuye a 0.86 y para T4 (280 kg de N/ha/año) disminuye a 0.85; mientras que en la presente investigación los rangos del NDVI del GS son mayores a los valores citados para T1 con 0.75-0.86, para T2, T3, T4 y T5 se mantienen pero no incrementan con 0.81-0.92.

Roldán y Poveda (2006, citado en Gutiérrez y Kovacevic, 2021) reportaron que los valores de NDVI varían de acuerdo al sector y concluyeron que en la región Sierra los valores puede oscilar entre 0.38 y 0.69. Los resultados de esta investigación muestran que los datos obtenidos para el NDVI con la aplicación de los tratamientos se encuentran sobre de los rangos mencionados anteriormente.

Gutiérrez y López (2018), en Rye grass perenne registraron valores de NDVI del GS para T0 de 0.62, para T1 (70 kg de N/ha/año) de 0.66, para T2 (140 kg de N/ha/año) de 0.70, para T3 (210 kg de N/ha/año) de 0.73, para T4 (280 kg de N/ha/año) de 0.76 y para T5 (350 kg de N/ha/año) de 0.79. Comparando los resultados obtenidos todos los tratamientos superan los valores citados, en la subparcela que no se adicionó fertilizante se observa una alta actividad fotosintética en el cultivo de pasto destacando los valores del NDVI en el rango de 0.75-0.80 en el primer corte con un área de 1.257 ��2. Mientras que en el segundo corte en el rango de 0.81-0.86 con un área de 1.132 ��2 (Figura 16 y Figura 48 respectivamente).

Figura 48 Mapa del NDVI del cultivo de pasto en T0: 0N (Kg/ha), enero y marzo, sensor Green Seeker.

De igual manera se tiene para el T1 de 80 kg de N/ha/año en el primer corte valores altos de NDVI (GS) con una distribución uniforme en la subparcela destacándose en el rango de 0.75-0.80 con un área de 1.643 ��2. En el segundo corte en el rango de 0.75 a 0.80 con un área de 1.328 ��2 (Figura 17 y Figura 49 respectivamente).

Figura 49 Mapa del NDVI del cultivo de pasto en T1: 80N (Kg/ha), enero y marzo, sensor Green Seeker.

Para el tratamiento T2 de 160 kg de N/ha/año el cultivo en el primer corte domina el rango del NDVI (GS) comprendido de 0.75-0.80 con un área de 1.281 ��2 mientras que en el segundo corte presenta valores entre 0.81 -0.86 con un área de 1157 ��2 (Figura 18 y Figura 50 respectivamente).

Figura 50 Mapa del NDVI del cultivo de pasto en T2: 160N (Kg/ha), enero y marzo, sensor Green Seeker.

Para el tratamiento T3 de 240 kg de N/ha/año en el primer corte la respuesta del cultivo al N es alta ya que se evidencia el rango comprendido entre 0.75-0.80 con un área de 887 ��2. En el segundo corte, se evidencia los valores altos del NDVI comprendidos entre 0.87-0.92 con un área de 1.683 ��2 (Figura 19 y Figura 51 respectivamente).

Figura 51 Mapa del NDVI del cultivo de pasto en T3: 240N (Kg/ha), enero y marzo, sensor Green Seeker.

Para el tratamiento T4 de 320 kg de N/ha/año la respuesta del cultivo al N en el primer corte se destaca los valores del NDVI del GS en el rango comprendido de 0.75-0.80 con un área de 1.015 ��2, destacándose en el segundo corte en el rango de 0.81-0.86 con un área de 1.317 ��2 (Figura 20 y Figura 52 respectivamente).

Figura 52 Mapa del NDVI del cultivo de pasto en T4: 320N (Kg/ha), enero y marzo, sensor Green Seeker.

Para el tratamiento T5 de 400 kg de N/ha/año la respuesta del cultivo al N en el primer corte se destaca los valores del NDVI del GS en el rango comprendido de 0.81-0.86 con un área de 1.693 ��2 mientras que en el segundo corte la respuesta del cultivo al N es alta reflejándose en el rango de 0.87 a 0.92 con un área de 1027 ��2 (Figura 21 y Figura 53 respectivamente).

Figura 53 Mapa del NDVI del cultivo de pasto en T5: 400N (Kg/ha), Mes Enero y Marzo, sensor Green Seeker.

Con respecta a los valores de % de N total en MS, según Leon et. al (2018), los valores varían entre 2.4 al 5%, en el primer corte los valores de los tratamientos T2, T3, T4 y T5; y, en el segundo corte los tratamientos T1, T4 y T5 se encuentran dentro de los valores citados mientras que los demás tratamientas se encuentran por debajo de 2.4%.

De acuerdo a la primera pregunta de investigación, al presentar valores bajos del % N total en MS, se encontró relación entre el % de NTotal obtenido en laboratorio con la lectura obtenida con el NDVI del GS únicamente en el primer corte en el tratamiento de T0 0 kg de N/ha/año ya que presenta un R2=0.84 con una correlación positiva fuerte y perfecta, en los demás tratamientos no se encontraron relación entre el % de NTotal obtenido en laboratorio con la lectura obtenida con el NDVI del GS.

De acuerdo a la segunda pregunta de investigación el índice de vegetación idóneo que detecta la presencia de nitrógeno en la madurez del pasto mixto es para el

tratamiento T3 de 240 kg de N/ha/año en el primer corte con una correlación negativa fuerte y perfecta es el índice PRI con R2=0.81 y en el segundo corte con una correlación positiva fuerte y perfecta el índice NDVI del GS con R2=0.65; y para el tratamiento T4 de 320 kg de N/ha/año el mejor modelo para identificar el % de N total presente en el cultivo en el primer corte con una correlación positiva fuerte y perfecta es el índice NDVI del GS con R2=0.73 y en el segundo corte con una correlación positiva fuerte y perfecta el índice NDVI del GS con R2=0.58.

Rivera et al. (2019) no encontraron correlación significativa al asociar los índices de vegetación evaluados con el contenido de nitrógeno expresado en forma de concentración (%N). De igual manera en la presente investigación en los tratamientos T1 y T2 en el primer corte y T5 en el segundo corte no tienen correlación ningún índice con el % de N total presente en el cultivo . En el segundo corte de T1, los coeficientes de determinación de los índices PRI y NPCI y de T2, MCARI2 NPCI Y NDVI son bajos los cuales no permitieron identificar el % de N total presente en el cultivo. Para el tratamiento de T5 de 400 kg de N/ha/año en el primer corte los coeficientes de determinación de los modelos expuestos son bajos por lo que los índices NDVI y NDVI del GS no permitieron identificar el % de N total presente en el cultivo.

Al correlacionar varios índices de vegetación con las muestras de % N total obtenidas en laboratorio Bagheri et al., (2013) identificaron para los tratamientos de 50, 75, 100, 125, 150 kg de N/ha/año que el índice de vegetación cuyo coeficiente de determinación de 0,789 de MCARI2 fue el segundo mejor índice para la predicción del contenido de nitrógeno en maíz, seguido por NDVI con R2=0.72 . Comparando con los resultados en los tratamientos que corresponden a la cantidad utilizada por Bagheri et al. (2013), el tratamiento T2, en el corte 2, MCARI2 tiene un R2=0.49 y NDVI con un R2=0.30, valores menores a los citados.

Con respecto a la metodología aplicada una de las técnicas que facilitaron la georreferenciación de las muestras del NDVI del GS y MV fue la técnica de plantación de cuerdas cuya acción requirió trabajo y esfuerzo adicional para preparar previamente cada una de las cuerdas con su medida, con sus etiquetas y estacas respectivas.

Existieron factores limitantes dentro de la investigación que se deben considerar y a la vez son recomendaciones para los siguientes estudios a fin de obtener mejores resultados. Presentar solamente cuatro muestras de MV por parcela dificultó la construcción de los diagramas de dispersión ya que las observaciones no se ajustaron a la línea de tendencia y por ende sus coeficientes resultaron bajos en los índices de las imágenes satelitales.

De igual manera las muestras de suelo que se recolectaron fueron escasas para determinar las condiciones iniciales reales de la pastura ya que al presentar una sola muestra homogénea de todo el lote no se visualizó la cantidad de nitrógeno presente en el suelo en cada una de las zonas de las parcelas. Es necesario presentar muestras representativas para realizar por ejemplo mapas de interpolación espacial y verificar en qué zonas de la parcela presenta alto o bajo contenido de nitrógeno en el suelo.

5. CONCLUSIONES

La aplicación de las diferentes herramientas para medir la presencia de nitrógeno en un cultivo mediante sensores portátiles como el Green Seeker, imágenes multiespectrales, cálculos de Nitrógeno Total en laboratorio juntamente con técnicas de geoprocesamiento mediante sistemas de información geográfica se ha transformado en una alternativa esencial para evaluar escenarios geográficos de forma rápida y , en consecuencia, convertirse en apoyo para la toma de decisiones en diferentes procesos como es el caso del comportamiento de los cultivos permitiendo la obtención de datos que a simple vista no se pueden observar.

La utilización de los mapas de distribución espacial ha permitido identificar la acción participante de la clorofila en valores reflejados del índice NDVI del Green Seeker en la madurez del pasto mixto. Dichos valores indicaron que el cultivo en los dos periodos tiene alta actividad fotosintética gracias a la presencia de las diferentes dosis de fertilizante nitrogenado. Sin embargo, se evidencia con claridad en que en altas concentraciones de nitrógeno como T2 (160 kg de N/ha/año), T3 (240 kg de N/ha/año), T4 (320 kg de N/ha/año) y T5 (400 kg de N/ha/año) se incrementa uniformemente los valores del NDVI destacándose en el mes de marzo debido a las precipitaciones abundantes por lo que las raíces del pasto asimilaron de mejor manera el fertilizante nitrogenado colocado sobre la superficie del suelo.

Con respecto a los mapas de la respuesta al cultivo en la utilización de las imágenes satelitales se observaron que existe actividad fotosintética alta bajo la acción del fertilizante nitrogenado en el mes de enero con valores altos de los índices NDVI y MCARI2 en las parcelas de los tratamientos T2 y T5 mientras que en marzo los valores son uniformes en todas las parcelas cubriendo el rango de 0.8-09.

Con los porcentajes obtenidos en laboratorio del nitrógeno total en MS en cada una de las parcelas se verificó que los valores de nitrógeno dependen de la capacidad que tiene las plantas para asimilar el nitrógeno ya que se encontraron valores similares en cada uno de los tratamientos cuyos valores son bajos para relacionarlos con los índices espectrales de las imágenes satelitales. A pesar de ello, se identificó que el índice PRI es idóneo para detectar la presencia de nitrógeno en la madurez del pasto mixto con la cantidad de fertilizante nitrogenado de 240 kg

de N/ha/año perteneciente al tratamiento T3 con un coeficiente de determinación de R2=0.81. De igual manera, el índice NDVI proporcionado por el sensor Green Seeker identifica el % de Nitrógeno Total en la cantidad de fertilizante nitrogenado de 240 kg de N/ha/año con R2=0.65 y 320 kg de N/ha/año con R2=0.73. Los índices NDVI, MCARI2 y NPCI no son relevantes en ninguno de los tratamientos para estimar la presencia del Nitrógeno total en el pasto mixto compuesto por la mezcla forrajera de ray gráss perenne y alfalfa.

Los resultados obtenidos demuestran que los métodos y herramientas de índole espacial representan un apoyo fundamental para la realización de estudios integrales de la agricultura, pues facilita su comprensión, la manipulación de su información y permite tener una representación simplificada del objeto de estudio.

REFERENCIAS

Aguilar Rivera, N. (2015). Percepción remota como herramienta de competitividad de la agricultura. Revista mexicana de ciencias agrícolas, 6(2), 399-405. Accedido el 26 de mayo de 2021. Disponible en:http://www.scielo.org.mx/scielo.php?script=sci_abstract&pid=S200709342015000200014&lng=es&nrm=iso&tlng=es Alesandri, D., y Alesandri, G. (2009). Seminario sobre fertilización nitrogenada en pasturas, Montevideo, Uruguay. Accedido el 26 de mayo de 2021. Disponible en: http://prodanimal.fagro.edu.uy/cursos/PASTURAS%20CRS/Seminarios%202009/ Texto%20-%20Fertilizacion%20Nitrogenada%20en%20Pasturas.pdf Bagheri, N., Ahmadi, H., Alavipanah, S. K., y Omid, M. (2013). Multispectral remote sensing for site-specific nitrogen fertilizer management. Pesquisa Agropecuaria Brasileira [en línea]. 2013, v. 48, n. 10, pp. 1394-1401. Epub 17 Enero 2014. ISSN 1678-3921. Accedido el 7 de julio de 2018. Disponible en: https://doi.org/10.1590/S0100-204X2013001000011 Barbazan, M. (1998). Análisis de plantas y síntomas visuales de deficiencia de nutrientes. Universidad de la República de Uruguay, Facultad de Agronomía, Montevideo, Uruguay. Accedido el 13 de enero de 2018. Disponible en: https://www.researchgate.net/profile/Monica_Barbazan/publication/267702791_A GRONOMIA_ANALISIS_DE_PLANTAS_Y_SINTOMAS_VISUALES_DE_DEFICIE NCIA_DE_NUTRIENTES/links/56f123d608aea9fd53a881b5.pdf Basilio, A., G. Alcántar, P. Sánchez, Y. Pea, J. Crumbaugh, C. Olive, L. Tijerina, y R. Maldonado. (2007). Establecimiento de Índices Espectrales en el Diagnóstico Nutrimental de Nitrógeno En Maíz. Universidad Autónoma Chapingo. Texcoco, Estado de México 10. Accedido el 13 de enero de 2018. Disponible en: https://www.redalyc.org/pdf/302/30220203002.pdf Buzai, G., y Baxendale, C. (2009). Análisis Exploratorio de Datos Espaciales. Revista digital del Grupo de Estudios sobre Geografía y Análisis Espacial con Sistemas de Información Geográfica (GESIG). Programa de Estudios Geográficos (PROEG). Universidad Nacional de Luján, Argentina. ISSN 1852-8031. AÑO 1, NÚMERO 1, SECCIÓN SOFTWARE Y METODOLOGÍA: III PP. 1-11. Accedido el 12 de mayo de 2021. Disponible en: https://ri.unlu.edu.ar/xmlui/bitstream/handle/rediunlu/702/Buzai_An%C3%A1lisis% 20Exploratorio%20de%20Datos%20Espaciales.pdf?sequence=1&isAllowed=y Chen, P., Haboudane, D., Tremblay, N., Wang, J., Vigneault, P., y Li, B. (2010). New spectral indicator assessing the efficiency of crop nitrogen treatment in corn and wheat. Remote Sensing of Environment, 114(9), 1987-1997. Accedido el 7 de julio de 2018. Disponible en: https://doi.org/10.1016/j.rse.2010.04.006 Chen, P. (2015). A Comparison of Two Approaches for Estimating the Wheat Nitrogen Nutrition Index Using Remote Sensing. Remote Sensing, 7(4), 45274548. Accedido el 23 de junio de 2018, en https://doi.org/10.3390/rs70404527

Díaz, Juan. (2015). Estudio de Índices de vegetación a partir de imágenes aéreas tomadas desde UAS/RPAS y aplicaciones de estos a la agricultura de precisión. Trabajo fin de Máster en Tecnologías de la Información Geográfica. Universidad Complutense de Madrid. Accedido el 12 de mayo de 2021. Disponible en: https://eprints.ucm.es/id/eprint/31423/1/TFM_Juan_Diaz_Cervignon.pdf Filella, I., Serrano, L., Serra, J., y Penuelas, J. (1995). Evaluating wheat nitrogen status with canopy reflectance indices and discriminant analysis. Vol 35 Num 5 Crop Science (USA). Accedido el 7 de julio de 2018. Disponible en: https://acsess.onlinelibrary.wiley.com/doi/abs/10.2135/cropsci1995.0011183X0035 00050023x

Fulkerson, W., y Donaghy, D. (2001). Plant-soluble carbohydrate reserves and senescence - Key criteria for developing an effective grazing management system for ryegrass-based pastures: A review. Animal Production Science, 41, 261-275. Accedido el 16 de junio de 2018, Disponible en: https://doi.org/10.1071/EA00062 Gallardo, Carlos. (2016). Eficiencia Agronómica del Nitrógeno en el cultivo de Avena Forrajera (Avena sativa L.). Trabajo de titulación previo a la obtención del Título de Ingeniero Agrónomo. Carrera de Ingeniería Agronómica. Quito-Ecuador: UCE. Accedido el 7 de julio de 2018. Disponible en: http://www.dspace.uce.edu.ec/bitstream/25000/10127/1/T-UCE-0004-87.pdf Gilabert, M. A., González, J., y García, J. (1997). Acerca de los Indices de Vegetación. Revista de la Asociación Española de Teledetección, ISSN 11330953, Nº 8. Accedido el 8 de febrero del 2020. Disponible en: https://www.redalyc.org/pdf/104/10412209.pdf Gutiérrez, F., y Alcoser, L. (2016). Evaluación de la eficiencia agronómica de nitrógeno en Rye grass perenne (Lolium perenne) var. One 50. Trabajo de grado previo la obtención del título de Ingeniero Agrónomo. Carrera de Ingeniería Agronómica. Quito, Ecuador: UCE. 55 p. Accedido el 8 de febrero del 2020. Disponible en: http://www.dspace.uce.edu.ec/handle/25000/9418 Gutiérrez, F., Alcoser, R., Macías, G., Portilla, A., y Espinosa, J. (2017). Omisión de nutrientes y dosis de nitrógeno en la acumulación de biomasa, composición bromatológica y efciencia de uso de nitrógeno de raigrás diploide perenne (Lolium perenne). Universidad Central del Ecuador. Facultad de Ciencias Agrícolas. Siembra, 4(1), 81-92. Accedido el 8 de febrero del 2020. Disponible en: https://dialnet.unirioja.es/servlet/articulo?codigo=6220190 Gutiérrez, M., Cadet, E., Rodríguez W., y Araya, J. (2011). El GreenSeekerTM y el diagnóstico del estado de salud de los cultivos. Agronomía Mesoamericana 22(2):397. ISSN 1021-7444. Accedido el 12 de mayo de 2021. Disponible en: http://revistas.ucr.ac.cr/index.php/agromeso/article/view/11799 Gutiérrez, F., y Domínguez, J. (2019). Determinación del momento de aplicación de nitrato de amonio en una mezcla forrajera. Trabajo de titulación previo a la obtención del Título de Ingeniero Agrónomo. Carrera de Ingeniería Agronómica. Quito-Ecuador: UCE. Accedido el 12 de mayo de 2021. Disponible en: http://www.dspace.uce.edu.ec/handle/25000/18673

Gutiérrez, F., y Fuentes, V. (2019). Evaluación de la eficiencia agronómica de nitrógeno en pasto miel (Setaria sphacelata) en Nanegalito. Pichincha. Trabajo de titulación previo a la obtención del Título de Ingeniero Agrónomo. Carrera de Ingeniería Agronómica. Quito, Ecuador: UCE. 61 p. Accedido el 8 de febrero del 2020. Disponible en: http://www.dspace.uce.edu.ec/handle/25000/17499 Gutiérrez, F., y Kovacevic V. (2021). Efecto de la aplicación en diferentes dosis de biofertilizante producido a partir de los residuos de establos sobre pasturas. Trabajo de titulación previo a la obtención del Título de Ingeniero Agrónomo. Carrera de Ingeniería Agronómica. Quito-Ecuador: UCE. p. 67. Accedido el 12 de mayo de 2021. Disponible en: http://www.dspace.uce.edu.ec/handle/25000/22715 Gutiérrez, F., y Loayza, C. (2016). Eficiencia agronómica del nitrógeno en el cultivo de avena forrajera (Avena sativa L.). Trabajo de grado previa a la obtención del título de Ingeniero Agrónomo. Carrera de Ingeniería Agronómica. Quito, Ecuador: UCE. 60 p. Accedido el 13 de enero de 2018. Disponible en: http://www.dspace.uce.edu.ec/handle/25000/10127http://www.dspace.uce.edu.ec/ handle/25000/10127

Gutiérrez, F., y López, V. (2018). Eficiencia de la fertilización nitrogenada sobre el crecimiento y la calidad del forraje en pastos perennes. Trabajo de titulación previo a la obtención del Título de Ingeniera Agrónoma. Carrera de Ingeniería Agronómica. Quito, Ecuador: UCE. 69 p. Accedido el 8 de febrero del 2020. Disponible en: http://www.dspace.uce.edu.ec/handle/25000/16095 Haboudane, D., Miller, J. R., Pattey, E., Zarco, P. J., y Strachan, I. B. (2004). Hyperspectral vegetation indices and novel algorithms for predicting green LAI of crop canopies: Modeling and validation in the context of precision agriculture. Remote Sensing of Environment, 90(3), 337-352. Accedido el 7 de julio de 2018. Disponible en: https://doi.org/10.1016/j.rse.2003.12.013 Isla, R., y López, R. (2005). Comparación de distintos índices de vegetación para detectar deficiencias de nitrógeno en maíz. XI Congreso Nacional de Teledetección, Puerto de la Cruz, Tenerife. Accedido el 7 de julio de 2018. Disponible en: http://www.aet.org.es/congresos/xi/ten17.pdf IPNI, International Plant Nutrition Institute. (2013). 4R de la Nutrición de Plantas. Un Manual para mejorar el Manejo de la Nutrición de Plantas. (T.W. Bruulsema, P.E. Fixen, G.D. Sulewski, eds.), International Plant Nutrition Institute, Norcross, GA, EE.UU.Traducido al español por Dr. Hernán Tejeda (SQM, Chile) León, R., Bonifaz, N., y Gutiérrez, F. (2018). Pastos y forrajes del Ecuador: Siembra y producción de pasturas (1ra ed.) Quito-Ecuador: Universidad Politécnica Salesiana. Accedido el 12 de mayo de 2021. Disponible en: http://dspace.ups.edu.ec/handle/123456789/19019 Liang, S. (2005). Teledetección cuantitativa de superficies terrestres. John Wiley y Sons., Inc. ISBN 0-471-28166-2. Hoboken, New Jersey. Accedido el 12 de mayo de 2021. Disponible en: https://books.google.es/books?id=v07cooSh4YEC&pg=PR3&hl=es&source=gbs_s elected_pages&cad=2#v=onepage&q&f=false

Loza, T., y H. J. (1993). Morfología y fisiología de los pastos. Universidad Autónoma de Nuevo León, Facultad de Medicina Veterinaria y Zootecnia, Departamento de Nutrición y Control de Calidad. Monterrey, N.L, México. Accedido el 2 de junio de 2018. Disponible en: http://cd.dgb.uanl.mx//handle/201504211/6799 Ortega, R. M., Pendás, L. C., Ortega, M., Abreu, A., y Cánovas, A. M. (2009). El coeficiente de correlación de los rangos de Spearman caracteriszación. Revista Habanera de Ciencias Médicas, 8(2), 0-0. Accedido el 2 de junio de 2018. Disponible en: http://www.revhabanera.sld.cu/index.php/rhab/article/view/1531 Mena, K, y León, R. (2011). Evaluación del efecto de Agronitrógeno y Ekotron 40 con urea en potreros de pastos mejorados, en el sector de Machachi. Carrera de Ingeniería de Ciencias Agropecuarias. ESPE-IASA I. Sede El Prado. Accedido el 23 de junio de 2019. Disponible en: http://repositorio.espe.edu.ec/jspui/handle/21000/5141 Muñoz Huerta, R. F., Guevara Gonzalez, R. G., Contreras Medina, L. M., Torres Pacheco, I., Prado Olivarez, J., y Ocampo Velazquez, R. V. (2013). A Review of Methods for Sensing the Nitrogen Status in Plants: Advantages, Disadvantages and Recent Advances. Sensors (14248220), 13(8), 10823-10843. Accedido el 23 de junio de 2018, Disponible en: https://doi.org/10.3390/s130810823 Nabors, M. W., González, P., García, M., y Moreno, J. C. (2006). Introducción a la botánica. PEARSON EDUCACIÓN, S. A. ISBN 13: 978-84-7829-073-4 Materia: Botánica, 58 .Páginas: 744. Accedido el 12 de mayo de 2021. Disponible en: https://bibliotecaia.ism.edu.ec/Varios/IntroduccionBotanica.pdf Paz, F., Romero, M., Palacios, E., Bolaños, M., Valdez, J., y Aldrete, A. (2014). Alcances y limitaciones de los índices espectrales de la vegetación: marco teórico. Terra Latinoamericana. Volumen 32. Número 3. Accedido el 12 de mayo de 2021. Disponible en: http://www.scielo.org.mx/pdf/tl/v32n3/2395-8030-tl-32-03-00177.pdf Paruelo, J. M. (2008). La caracterización funcional de ecosistemas mediante sensores remotos. Ecosistemas 17(3):4-22. Laboratorio de Análisis Regional y Teledetección – IFEVA y Facultad de Agronomía, Universidad de Buenos Aires y CONICET. C1417DSE Buenos Aires, Argentina. Accedido el 23 de junio del 2018. Disponible en: https://www.revistaecosistemas.net/index.php/ecosistemas/article/view/83 Peñuelas, J., Gamon, J. A., Fredeen, A. L., Merino, J., y Field, C. B. (1994). Reflectance indices associated with physiological changes in nitrogen- and waterlimited sunflower leaves. Remote Sensing of Environment, 48(2), 135-146. Accedido el 7 de julio de 2018. Disponible en: https://doi.org/10.1016/00344257(94)90136-8 Posada Asprilla, W., Medina Sierra, M., y Cerón Muñoz, M. (2019). Estimación de la calidad y cantidad de pasto kikuyo (Cenchrus clandestinum (Hochst. ex Chiov.) Morrone) usando imágenes multiespectrales. Revista U.D.C.A Actualidad y Divulgación Científica 22(1). Accedido el 12 de mayo de 2021. Disponible en: https://doi.org/10.31910/rudca.v22.n1.2019.1195

Quero, A., y Enríquez, J. (2013). Manejo de pasturas bajo riego y fertilización en sistemas de producción intensivos en condiciones tropicales. Manejo de la producción de semilla en especies forrajeras: experiencias en México. Cuadernos Científicos Girarz 13. Perozo Bravo A. (ed). Fundación Girarz. Ediciones Astro Data S.A. Maracaibo, Venezuela, Pp. 143-154. Accedido el 23 de junio del 2018. Disponible en: https://www.researchgate.net/profile/Marcos-Lopes14/publication/325513981_MANEJO_DE_PASTURAS_BAJO_RIEGO_Y_FERTILI ZACION_EN_SISTEMAS_DE_PRODUCCION_INTENSIVOS_EN_CONDICIONE S_TROPICALES/links/5b11975faca2723d997b2e18/MANEJO-DE-PASTURASBAJO-RIEGO-Y-FERTILIZACION-EN-SISTEMAS-DE-PRODUCCIONINTENSIVOS-EN-CONDICIONES-TROPICALES.pdf Rivera, M., Nava, E., Martínez, A., y Cerano, J. (2019). Evaluación de índices de vegetación para estimar nitrógeno foliar en el cultivo de triticali (x. Triticosecale wittmack) mediante teledetección. Agrofaz: publicación semestral de investigación científica 1(Extra 1 (No Especial)):126-33. Accedido el 12 de mayo de 2021. Disponible en: https://dialnet.unirioja.es/servlet/articulo?codigo=7366966 Rodriguez, A. (2019). Asociación entre fenología foliar, crecimiento de tallos y patrones espectrales foliaresen diez especies de vegetación mediterráneas. Trabajo de grado previo la obtención del título de Maestría en Ciencias. Ensenada, Baja California, México. Accedido el 17 de agosto de 2020. Disponible en: https://cicese.repositorioinstitucional.mx/jspui/bitstream/1007/2763/1/tesis_Rodr% C3%ADguez%20Bastarrachea%20Anaid_31_ene_2019BibliotecaB.pdf Salazar, D., Cuichán, M., Ballesteros, C., Márquez, J., y Orbe, D. (2017). Encuesta de Superficie y Producción Agropecuaria Continua. Ecuador: Instituto Nacional de Estadística y Censos, Dirección de Estadísticas Agropecuarias y Ambientales. Unidad de Estadísticas Agropecuarias-ESAG. Accedido el 23 de junio del 2018. Disponible en: https://www.ecuadorencifras.gob.ec/documentos/webinec/Estadisticas_agropecuarias/espac/espac_2017/Informe_Ejecutivo_ESPAC_2 017.pdf Villalobos, L., y Sánchez, J. (2010). Evaluación agronómica y nutricional del pasto ryegrass perenne tetraploide (Lolium perenne) producido en lecherías de las zonas altas de Costa Rica. II. Valor nutricional. Agron. Costarricense [en línea], vol.34, n.1, pp.43-52. ISSN 0377-9424. Accedido el 12 de mayo de 2021. Disponible en: https://www.scielo.sa.cr/scielo.php?script=sci_arttext&pid=S037794242010000100004

Xu, X., Zhao, C., Wang, J., Zhang, J., y Song, X. (2014). Using optimal combination method and in situ hyperspectral measurements to estimate leaf nitrogen concentration in barley. Precision Agriculture, 15(2), 227-240. Accedido el 23 de junio del 2018. Disponible en: https://doi.org/10.1007/s11119-013-9339-0 Xue, J., y Su, B. (2017). Significant Remote Sensing Vegetation Indices: A Review of Developments and Applications. Journal of Sensors, 2017, e1353691. Accedido el 12 de mayo de 2021. Disponible en: https://doi.org/10.1155/2017/1353691

Yadav, M. R., Kumar, R., Parihar, C. M., Yadav, R. K., Jat, S. L., Ram, H., Meena, R. K., Singh, M., Birbal, Verma, A. P., Kumar, U., Ghosh, A., y Jat, M. L. (2017). Strategies for improving nitrogen use efficiency: A review. Agricultural Reviews, 38(1), 29-40. Accedido el 13 de enero de 2018. Disponible en: https://doi.org/10.18805/ag.v0iOF.7306