EL USO de NDVI COMO HERRAMIENTA PARA MONITOREAR EL CRECIMIENTO Y LA SALUD DE LOS CULTIVOS

10
Sep

El uso de NDVI como herramienta para monitorear el crecimiento y la salud de los cultivos

NDVI, o el Índice de Vegetación de Diferencia Normalizada, es una herramienta utilizada para monitorear la salud y el crecimiento de los cultivos. Es una medida del verdor de una superficie y proporciona una forma automatizada de monitorear el progreso del cultivo y su salud durante la temporada de crecimiento.

La ventaja de usar NDVI sobre los métodos tradicionales, como la fluorescencia de clorofila, es que se puede medir desde el espacio o con drones, sin necesidad de ningún equipo en el sitio.

El uso de NDVI como herramienta para el monitoreo de cultivos ha sido bien estudiado en las últimas décadas, y se ha demostrado que es una herramienta efectiva para muchas aplicaciones. Se han desarrollado algunos modelos para utilizar el NDVI para predecir la biomasa y el rendimiento de los cultivos, gestionar la fertilización con nitrógeno, manejar el riego y otros usos.

Los mapas de colores, que permiten visualizar la variabilidad en el campo, se pueden producir en función de los valores de NDVI.

En este artículo revisaremos algunos ejemplos de cómo NDVI se ha utilizado con éxito, así como los usos potenciales para futuros proyectos de investigación.

 

¿Cómo se calcula el NDVI?

El NDVI se obtiene midiendo la diferencia entre la luz infrarroja cercana reflejada y la luz roja visible reflejada y calculándola contra la cantidad total de radiación que se emite desde la superficie terrestre:

NDVI = (NIR – ROJO)/(NIR + ROJO)

Las plantas absorben la energía de la luz de su entorno y la utilizan para sintetizar azúcares y otros compuestos orgánicos. Como resultado, reflejan más la luz infrarroja cercana y absorben la luz roja visible. En general, los valores más altos de NDVI indican más vegetación o cultivos sanos, mientras que los valores más bajos indican plantas o cultivos menos saludables que no están creciendo bien. Un valor de NDVI entre 0 y 1 se considera comúnmente óptimo para el crecimiento del cultivo; los valores inferiores a 0 indican zonas con muy poca vegetación para que la fotosíntesis se ocurra de manera efectiva (como durante la sequía). Un NDVI negativo corresponde al agua.

 

La gestión del nitrógeno con NDVI

El NDVI puede ser una herramienta útil para ayudar en determinar la deficiencia o exceso de nitrógeno, y el estrés en varios cultivos. Se encontró una buena correlación entre el NDVI y el contenido de nitrógeno en las hojas en cultivos como el maíz, el trigo y el arroz. Dado que el nitrógeno es un componente importante de la molécula de clorofila, que se asocia con el color verde de la hoja, la concentración de nitrógeno en las hojas afecta la absorbancia y reflectancia de la luz.

Las imágenes satelitales y los drones pueden proporcionar datos a una resolución relativamente alta. Por ejemplo, el satélite Sentinel 2 proporciona datos por cada pixel de 20 x 20m. Esto se puede utilizar para crear prescripciones de aplicación de nitrógeno de tasa variable.

Además de proporcionar información sobre el contenido actual de nitrógeno, NDVI puede ayudar a predecir el potencial de rendimiento y la disponibilidad de nitrógeno para la próxima temporada de crecimiento.

 

El uso de NDVI para estimar la biomasa y el rendimiento previsto

La relación entre la biomasa, el potencial de rendimiento y los valores de NDVI se ha estudiado ampliamente en muchos sistemas de cultivo, incluidos los sistemas de producción de maíz que son sensibles al estrés de nitrógeno. Los investigadores encontraron que existe una alta correlación entre los valores de NDVI tomados durante las primeras etapas de crecimiento vegetativo con los rendimientos finales más adelante en la temporada.

Se puede utilizar el NDVI para este propósito debido a que proporciona una indicación de la cantidad de material vegetal verde presente en un campo. El área de la hoja verde es un excelente predictor del potencial de rendimiento ya que refleja la energía de la luz disponible que impulsa la fotosíntesis, lo que afecta directamente al llenado y desarrollo del grano.

La mayoría de los métodos para predecir los rendimientos de los cultivos basados en NDVI utilizan modelos de regresión, analizando conjuntos de datos de NDVI y los datos de rendimiento real.

 

Uso de NDVI para la detección de enfermedades

Esto es quizás el uso más común de NDVI actualmente. Debido a esta relación entre el área foliar y el valor de NDVI, es posible utilizar NDVI como una herramienta para detectar el estrés del cultivo causado por factores ambientales y brotes de enfermedades.

El NDVI de las plantas enfermas es más bajo que el de las plantas sanas, lo que significa que se puede utilizar como un índice de la salud de las plantas. Cuando se combina con otros datos, como el índice de área foliar o el contenido de clorofila, se puede usar mapas de NDVI para detectar enfermedades en campos grandes, antes de que se propaguen a otras partes del campo.

Tenga en cuenta que la identificación específica de la enfermedad no se puede lograr con NDVI. Sin embargo, las áreas afectadas por la enfermedad en el campo tendrán valores bajos de NDVI. Mirando el mapa NDVI, el agricultor puede ir directamente a las zonas sospechosas, en lugar de tener que inspeccionar todo el campo.

 

Gestión de riego con NDVI

El NDVI se puede utilizar para determinar los requisitos hídricos del cultivo, la eficiencia de riego y el momento en que se debe regar. Se desarrollaron varios modelos de regresión para estimar el coeficiente de cultivo real (Kc). El coeficiente de cultivo es la relación entre la evapotranspiración del cultivo (ETc) y la evapotranspiración de referencia (ET0), cuando ETc varía entre los cultivos y la etapa de crecimiento del cultivo.

El requerimiento de riego para un período específico se determina multiplicando el Kc por ET0: I (mm) = Kc x ET0.

Mientras que ET0 se puede estimar fácilmente a partir de datos meteorológicos, el Kc generalmente se obtiene de tablas. Sin embargo, los datos tabulares a menudo no son precisos o no coinciden con el estado real del campo (por ejemplo, si el cultivo está estresado y no se ha desarrollado adecuadamente). Además, el Kc tabular no puede tener en cuenta la variabilidad dentro del campo.

La obtención del coeficiente de cultivo en tiempo real y para diferentes zonas del campo puede ser útil para determinar las tasas de riego adecuadas.

 

Las desventajas de usar NDVI

El uso de NDVI también tiene algunas desventajas:

  • El NDVI puede variar mucho debido a las condiciones climáticas como la precipitación, los niveles de humedad, donde el factor más restrictivo (en caso de que se obtiene de los satélites), es la cobertura de nubes.
  • Solo puede proporcionar una idea de lo que ya sucedió en el campo, que a veces puede ser demasiado tarde.
  • El NDVI puede saturarse a altas densidades de cultivo, lo que significa que se obtienen los mismos valores de NDVI a pesar de la variabilidad en el campo.
  • Además del problema de la saturación, el uso de NDVI no es adecuado para todos los cultivos y condiciones.

Otros índices de vegetación pueden ser menos sensibles a la saturación y se utilizan en diferentes modelos. Dichos índices incluyen MSAVI, CVI, reNDVI, MTCI y otros.

 

Resumen

El NDVI es una excelente herramienta para el monitoreo de cultivos. Se puede utilizar para monitorear la salud de las plantas, predecir sus rendimientos, detectar plagas y enfermedades, e incluso optimizar el riego. Una de las desventajas, sin embargo, es que requiere cierto conocimiento de cómo usar una fórmula NDVI (o una herramienta automatizada), así como el acceso a datos de satélites o drones que pueden tomar fotos a intervalos regulares en grandes áreas.

La investigación de nuevos modelos predictivos, utilizando tanto NDVI como otros índices, continúa.

You are donating to : Greennature Foundation

How much would you like to donate?
$10 $20 $30
Would you like to make regular donations? I would like to make donation(s)
How many times would you like this to recur? (including this payment) *
Name *
Last Name *
Email *
Phone
Address
Additional Note
paypalstripe
Loading...