Estimación de la calidad y cantidad de pasto kikuyo (Cenchrus clandestinum (Hochst. ex Chiov.) Morrone) usando imágenes multiespectrales

English. ABSTRACT The evaluation of grazing lands is essential to improve livestock productivity. Data from multispectral airborne sensors allow calculating vegetation indexes (VI) and relating them to physiological and biophysical characteristics of the pastures. The objective of this study was to evaluate the usefulness of VI to estimate the quantity and quality of Kikuyu grass in dairy farms of northern Antioquia, Colombia. We calculated 10 different VI using 168 samples of Kikuyu grass. The samples were weighted to estimate green biomass (BV) and analyzed by near infrared spectroscopy for the contents of crude protein (PB), neutral detergent fiber (FDN) and acid detergent fiber (ADF). Data were analyzed using principal components (CP) and smoothed generalized additive models. The variables that contributed most to the formation of the first principal component (CP1) were the Normalized Difference Vegetation Index (NDVI), the Simple Vegetation Index (RVI), the Normalized Difference Vegetation Green Index (GNDVI), the Green Chlorophyll Index (Clg) and the BV of Kikuyu grass. The mayor contributors to the second principal component (CP2) were the Normalized Red-Edge Vegetation Index (RNDVI), the Red-Edge Chlorophyll Index (Clrg), and the PB, NDF and FDA of Kikuyu. The NDVI explained the BV, and the RNDVI explained the PB. The FDN and FDA estimations in Kikuyu were not precise.

Spanish; Castilian. RESUMEN La evaluación de las praderas destinadas a ganadería es esencial para la productividad de los animales. Los datos de sensores multiespectrales remotos aerotransportados (SM) permiten construir índices de vegetación (VI, por sus siglas en idioma inglés) y relacionarlos con características fisiológicas y biofísicas de las pasturas. El objetivo fue evaluar VI para la estimación de la cantidad y calidad de pasto kikuyo en sistemas lecheros, del norte de Antioquia, Colombia. Se calcularon 10 diferentes VI, con 168 muestras de pasto kikuyo. Las muestras fueron pesadas, para estimar la biomasa verde (BV) y analizadas por espectroscopia del infrarrojo cercano, para los contenidos de proteína bruta (PB), fibra en detergente neutro (FDN) y fibra en detergente ácido (FDA). Los datos, se analizaron usando componentes principales (CP) y modelos aditivos generalizados suavizados. Las variables que más contribuyeron a la formación de la primera componente principal (CP1) fueron el índice de vegetación de diferencia normalizada (NDVI), el índice de vegetación simple (RVI), el índice de vegetación de diferencia normalizada verde (GNDVI), el índice clorofílico verde (Clg) y la BV del pasto kikuyo. Para la segunda componente principal (CP2) fueron el índice de vegetación de diferencia normalizada borde del rojo (RNDVI), el índice borde del rojo de clorofila (Clrg) y PB, FDN y FDA del pasto kikuyo. La BV fue explicada por el NDVI y PB por el RNDVI. La estimación obtenida para FDN y FDA del pasto kikuyo no fueron precisas.