Estimación de rendimientos de trigo a partir de datos espectrales para el partido de Junín, provincia de Buenos Aires
Argentina, con una producción aproximada de 18 millones de toneladas de trigo, ocupa la decimoprimera posición en el ranking de los principales países productores. La producción se concentra en la zona pampeana, siendo las provincias de Buenos Aires, Córdoba y Santa Fe las responsables de más del 85% del total. La estimación de la producción de cultivos como trigo, arroz, maíz y soja es crucial para garantizar la seguridad alimentaria a nivel global, haciendo imperativo contar con datos confiables tanto de área como rendimiento para poder estimar la producción. Existen muchas técnicas de estimación de rendimiento basadas en diferentes métodos. El objetivo principal de este trabajo fue estimar rendimientos del cultivo de trigo de manera anticipada para mejorar las predicciones de producción en el partido de Junín, Provincia de Buenos Aires. Para ello se utilizaron imágenes satelitales de Landsat-8 y Sentinel-2 para calcular los índices de vegetación (Índice de Vegetación de Diferencia Normalizada-NDVI e Índice de Diferencia Normalizada de Humedad-NDMI), los cuales se correlacionaron con los rendimientos reales de lotes de trigo mediante regresión lineal. Los modelos basados en NDVI y NDMI demostraron ser herramientas valiosas para la estimación de rendimientos de trigo. En particular, el NDVI de la plataforma Sentinel 2 mostró el mejor ajuste con un R² de 0,79, confirmando su alta capacidad explicativa en la predicción de rendimientos. Aunque los modelos de Sentinel 2 presentaron mejores coeficientes de determinación (R²), también mostraron mayores errores cuadráticos medios (ECM) en comparación con los modelos de Landsat, sugiriendo que los datos de Sentinel 2, debido a su mayor resolución espacial, pueden ofrecer una mayor precisión, pero también pueden ser más susceptibles a errores en condiciones de alta variabilidad espacial, como la heterogeneidad intra lote debida a diferentes afectaciones del cultivo, tipo de suelo, posición topográfica lo que genera variabilidad de datos. En conclusión, los modelos basados en NDVI y NDMI, especialmente los de Sentinel 2, son herramientas prometedoras para la estimación anticipada de rendimientos de trigo en la región estudiada, aunque es necesario considerar la variabilidad espacial para mejorar la precisión de las predicciones.
| Main Authors: | , |
|---|---|
| Format: | manuscripttext biblioteca |
| Language: | spa |
| Published: |
2024
|
| Subjects: | TELEDETECCION, SISTEMAS DE INFORMACION GEOGRAFICA, RENDIMIENTO DE CULTIVOS, TRIGO, TRITICUM AESTIVUM, MODELOS, TECNICAS DE PREDICCION, DISTRIBUCION ESPACIAL, |
| Online Access: | http://ceiba.agro.uba.ar/cgi-bin/koha/opac-detail.pl?biblionumber=57011 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Argentina, con una producción aproximada de 18 millones de toneladas de trigo, ocupa la decimoprimera posición en el ranking de los principales países productores. La producción se concentra en la zona pampeana, siendo las provincias de Buenos Aires, Córdoba y Santa Fe las responsables de más del 85% del total. La estimación de la producción de cultivos como trigo, arroz, maíz y soja es crucial para garantizar la seguridad alimentaria a nivel global, haciendo imperativo contar con datos confiables tanto de área como rendimiento para poder estimar la producción. Existen muchas técnicas de estimación de rendimiento basadas en diferentes métodos. El objetivo principal de este trabajo fue estimar rendimientos del cultivo de trigo de manera anticipada para mejorar las predicciones de producción en el partido de Junín, Provincia de Buenos Aires. Para ello se utilizaron imágenes satelitales de Landsat-8 y Sentinel-2 para calcular los índices de vegetación (Índice de Vegetación de Diferencia Normalizada-NDVI e Índice de Diferencia Normalizada de Humedad-NDMI), los cuales se correlacionaron con los rendimientos reales de lotes de trigo mediante regresión lineal. Los modelos basados en NDVI y NDMI demostraron ser herramientas valiosas para la estimación de rendimientos de trigo. En particular, el NDVI de la plataforma Sentinel 2 mostró el mejor ajuste con un R² de 0,79, confirmando su alta capacidad explicativa en la predicción de rendimientos. Aunque los modelos de Sentinel 2 presentaron mejores coeficientes de determinación (R²), también mostraron mayores errores cuadráticos medios (ECM) en comparación con los modelos de Landsat, sugiriendo que los datos de Sentinel 2, debido a su mayor resolución espacial, pueden ofrecer una mayor precisión, pero también pueden ser más susceptibles a errores en condiciones de alta variabilidad espacial, como la heterogeneidad intra lote debida a diferentes afectaciones del cultivo, tipo de suelo, posición topográfica lo que genera variabilidad de datos. En conclusión, los modelos basados en NDVI y NDMI, especialmente los de Sentinel 2, son herramientas prometedoras para la estimación anticipada de rendimientos de trigo en la región estudiada, aunque es necesario considerar la variabilidad espacial para mejorar la precisión de las predicciones. |
|---|