Estudio de la relación entre el NDVI-MODIS y el rendimiento de trigo en el Noreste de Buenos Aires

Abstract

En países cuya economía depende en gran medida de la producción de cultivos, la estimación de las cosechas agrícolas es un requisito elemental para que puedan generarse medidas que favorezcan a todo el proceso productivo evitando especulaciones y favoreciendo precios justos. La predicción del rendimiento permite prever los volúmenes de producción, la demanda de transporte y planificar estrategias de ayuda ante reducciones significativas del rendimiento. Los sensores remotos ofrecen un enorme potencial para el monitoreo de los cultivos y la realización de estimaciones de cosecha. Mediante el uso de índices de vegetación, tomados en el momento de mayor IAF, es posible la predicción del rendimiento de los cultivos agrícolas. En este estudio, el NDVI proveniente de imágenes MODIS fue relacionado con el rendimiento de trigo contemplando las variables clima, suelo y manejo en el Noreste de Buenos Aires. Se utilizó el NDVI calculado en las imágenes-producto MOD13q1 producidas cada 16 días. Fueron tratadas 5 campañas continuas, del 2003 al 2007, para cada campaña se usaron 5 fechas de imágenes correspondientes al momento de mayor IAF. Por otro lado, se realizaron entrevistas a productores que lleven registro de la producción a fin de obtener información sobre las prácticas de manejo y rendimiento de trigo obtenido durante las 5 campañas tratadas. Con la información espectral y la información de campo se generó una base de datos; una porción de los datos fueron utilizados para calibrar modelos predictivos de rendimiento, mientras que la porción restante se utilizó para validarlos. La fecha de imagen seleccionada para correlacionar el NDVI con el rendimiento en el Noreste de Buenos Aires fue la 289, correspondiente al período que va del 16 al 31 de Octubre. El modelo obtenido para las 5 campañas tratadas explicó el 52% de la variación total del rendimiento. No obstante luego de contemplar las condiciones agrometeorológicas, para aquellos años sin presencia de heladas (o presencia de baja intensidad) durante Octubre y Noviembre y con una suma térmica del orden de los 230 ºCd durante Noviembre, se podría llegar a esperar una explicación del 67 % si hay déficit de agua durante el período crítico y del 73 % si hay disponibilidad hídrica durante el período crítico. Los modelos calibrados a partir de la imagen del día juliano 289 fueron validados. En relación al suelo en el área de estudio, se observa que a menor contenido de arcilla mejora la descripción de la relación entre el NDVI y el rendimiento. Respecto al manejo, se observó mejor descripción de la relación NDVI- rendimiento en variedades de ciclo corto comparadas con las de ciclo largo. Por otro lado, aquellos lotes que tuvieron la aplicación de un fungicida foliar mostraron una mejor descripción de la relación estudiada en comparación con aquellos lotes sin aplicación. Por lo tanto, la metodología aplicada en este estudio permite predecir el rendimiento de trigo durante los estados de espigazón y antesis, 30 días previo a la cosecha. Se observa que tanto el clima como el suelo y el manejo influyen en la descripción de la relación entre el NDVI y el rendimiento. Si se contempla el agua disponible durante el período crítico y la temperatura del aire durante los meses de Octubre y Noviembre, la explicación del rendimiento puede aumentar significativamente.

In countries whose economy is largely dependent on the production of crops, the estimation of agricultural crops is a basic requirement for that can be generated measures to benefit the whole productive process avoiding speculation and promoting fair prices. The prediction of the yield allows to anticipate the volumes of production, demand for transport and plan strategies help from significant reductions of the yield. Remote sensors offer enormous potential for the monitoring of crops and the realization of harvest estimates. Through the use of vegetation indexes taken at the time of greatest IAF, is possible the yield prediction of agricultural crops. In this study, the NDVI from MODIS images was related with the wheat yield contemplating the variable climate, soil, and management in the Northeast of Buenos Aires. Was used the NDVI calculated in the MOD13q1 product-images produced every 16 days. Five continuous years were treated, 2003 to 2007, for each year was used 5 images dates corresponded at the time of greatest IAF. On the other hand, were interviewed farmers bearing registration of the production to obtain information about management practices and obtained wheat yield during 5 treated years. With the spectral information and field information generated a database; a portion of the data were used to calibrate predictive models of yield, while the remaining portion was used to validate them. The selected image date to correlate the NDVI with yield in the northeast of Buenos Aires was 289, corresponding to the period from October 16 to 31. The model obtained for 5 treated years explained the 52 per cent of the total variance yield. However after of contemplating agrometeorological conditions, for those years without presence of Frost (or presence of low intensity) during October and November and with a thermal sum of the order of the 230 °Cd during November, could be to expect an explanation of 67 or 73 per cent if there is water deficit or water availability during the critical period. The models calibrated from julian day 289 image were validated. On the ground in the study area, notes than less clay content improves the description of the relation between the NDVI and the yield. As regards management, better description was observed in the NDVI-yield relation for varieties of short cycle compared with the long cycle. On the other hand, those lots that took application of foliar fungicides showed better description of the studied relation that those without application. Therefore, the methodology applied in this study allows to predict wheat yield during heading-anthesis stage, 30 days prior to harvest. Noted that both the climate, the soil and the management influence at the description of the relation between the NDVI and the yield. If the available water during the critical period and the temperature of the air during the months of October and November are contemplated, the explanation of the yield can increase significantly.