APLICACIONES GEOMÁTICAS EN AGRICULTURA ZONA DE ESTUDIO: CENTRO AGROPECUARIO MARENGO, LOTE 4 ESPÁRRAGO Diego Sánchez 1 Guillermo Bermúdez 2 Viviana Figueredo 3 y Anderson Morales 4
OBJETIVOS Determinar y analizar la variabilidad espacial del NVDI en el lote de espárrago a través del muestreo realizado empleando el sensor GreenSeeker y la georreferenciación con GPS. Realizar un mapa de estudio del cultivo de espárrago a partir del método de interpolación IDW que permita la toma de decisiones agronómicas en el mismo. Calcular y comparar los diferentes métodos para la determinación de áreas en el lote.
INTRODUCCIÓN El análisis de la vegetación y la detección de los cambios en los patrones de vegetación son claves para la evaluación y el monitoreo de recursos naturales. Entonces no resulta sorpresivo que la detección y la evaluación cuantitativa de la vegetación verde es una de las aplicaciones principales de la percepción remota para el manejo de recursos ambientales y la toma de decisiones. El sensor GreenSeeker es un dispositivo que toma lecturas en una parcela por medio de un haz de luz que se refleja en las hojas. Las capas saludables de la vegetación verde interactúan bastante distintivamente con la energía en las regiones visible e infrarroja cercana del espectro electromagnético. En las regiones visibles, los pigmentos de las plantas (más notablemente la clorofila) causan una fuerte absorción de energía, principalmente para la realización de la fotosíntesis. Los picos de absorción están en las áreas roja y azul del espectro visible, por lo tanto producen la característica apariencia verde de la mayoría de las hojas. En la infrarroja cercana, en cambio, ocurre una interacción muy diferente. En esta región, la energía no es utilizada para la fotosíntesis, sino que es en gran medida dispersada por la estructura interna de la mayoría de las hojas,
1
Estudiante de pregrado Ingeniería Agronómica. Universidad Nacional Estudiante de pregrado Ingeniería Agronómica. Universidad Nacional 3 Estudiante de pregrado Ingeniería Agronómica. Universidad Nacional 4 Estudiante de pregrado Ingeniería Agronómica. Universidad Nacional 2
de Colombia. Cód:715914 de Colombia. Cód:716132 Cód:716132 de Colombia. Cód:716463 de Colombia. Cód:716364
conduciendo a una reflectancia aparentemente muy alta en la zona infrarroja cercana. El uso de índices de vegetación para identificar una masa vegetal usando imágenes de sensores remotos, tiene su base precisamente en ese comportamiento radiométrico de la vegetación, donde gracias al marcado contraste entre la baja reflectividad en el rojo y la alta reflectividad en el infrarrojo, es posible separar con relativa facilidad la vegetación sana de otras cubiertas. Los índices de vegetación (VIs) están diseñados entonces, para proveer una evaluación cuantitativa de la biomasa de vegetación verde. Los índices son aplicables en imágenes satelitales de resolución espacial alta y baja, y en cualquiera que perciba en las regiones roja e infrarroja cercana. Estas imágenes han sido usadas en una variedad de contextos para evaluar la biomasa verde y también se han utilizado como representación del cambio ambiental general, especialmente en el contexto de la sequía y en la evaluación del riesgo de degradación del terreno. En la presente práctica en el CAM, en el lote 4, cultivo de espárrago, se analizó e interpretó el índice de vegetación NDVI (índice de vegetación de diferencia normalizada) evaluando la variación espacial al realizar un muestreo con un sensor GrennSeeker, por otra parte se hizo uso del método de interpolación IDW (distancia inversa ponderada), para generar un mapa de estudio del espárrago con los datos tomados en el cultivo, finalmente se realizó un cálculo del área a través de dos métodos; la medición con flexómetro y la determinación a través del GPS. MARCO TEÓRICO El GrennSeeker es un sensor remoto terrestre desarrollado por la Universidad de Oklahoma de EE.UU. en la década del 90. Este equipo emplea diodos de emisión de radiación en las bandas de color rojo y de infrarrojo cercano. La lectura de reflexión interna es calculado por un microprocesador, que permite obtener el Indice de vegetación de diferencia normalizada (NDVI), que se transmite a un ordenador portátil adaptado al sensor. Los índices de vegetación se clasifican en dos grupos: índices basados en la pendiente y basados en la distancia. Los índices basados en la pendiente pendiente son combinaciones aritméticas simples que se concentran en el contraste entre los patrones de respuesta espectral de la vegetación en las porciones roja e infrarroja cercana del espectro electromagnético y se usan extensamente para generar índices de vegetación. Se denominan así porque cualquier valor particular del índice se puede producir por
medio de un grupo de valores de reflectancia roja/infrarroja cercana que forman una línea que surge del origen de un esquema biespectral. Entonces, se pueden distinguir niveles diferentes del índice al producir un espectro de dichas líneas que difieren en su pendiente. Los valores indican tanto el estado como la abundancia de la cobertura y biomasa de la vegetación verde. Los índices incluyen el RATIO, NDVI, RVI, NRVI, TVI, CTVI y el TTVI. TTV I. La Figura 1a, por ejemplo, muestra un espectro de líneas del Índice de Vegetación de la Diferencia Normalizada (NDVI, el más comúnmente usado de este grupo) que oscilan desde-0,75 en dirección de las agujas del reloj hasta +0,75 (tomando la porción infrarroja como el eje X y la roja como el eje Y) con los valores del NDVI de 0 formando la línea diagonal (Eastman, 2004).
Figura 1. Índices de Vegetación. El Índice de Vegetación de Diferencia Normalizada (NDVI) Fue introducido por Rouse y colaboradores (1974) para producir un índice espectral que separa la vegetación verde del suelo utilizando datos digitales del LANDSAT MSS. Éste se expresa como la diferencia entre las bandas infrarroja cercana y roja normalizada por la suma de esas bandas, es decir:
Este es el índice más comúnmente usado porque retiene la habilidad para minimizar los efectos topográficos y a su vez producir una escala de medida lineal. Además, los errores de división por cero son reducidos en gran medida. Más aún, la escala de medida posee la apreciada propiedad de oscilar de -1 a 1 con el 0 representando el valor aproximado de la falta de vegetación. Entonces, los valores negativos representan las superficies sin vegetación (Eastman, 2004). Este índice da una medida de la cobertura vegetal y su vigorosidad, producto de la clorofila de las hojas; se considera un buen estimador de la biomasa, empleado en todo el mundo, resultando el índice verde más consistente para monitoreo de vegetación en los ambientes y situaciones más diversos; se utiliza ampliamente
para evaluar a escala regional la productividad de los cultivos, teniendo correlación con el contenido de humedad de la planta, pudiéndose aplicar incluso en la agricultura de precisión para el control de los cultivos. Las observaciones espectrales del follaje, pueden usarse para monitorear las variaciones del crecimiento y subsecuentemente como indicadores del estrés al cual está sometido el cultivo e indirectamente asociado a la productividad del mismo (Aguilar et al .,., 2010). Según De la casa y Ovando (2007), los datos de NVDI son apropiados para evaluar la variabilidad interanual de las series de rendimiento agrícola, agregados por unidad territorial administrativa como fuese realizado en cultivos de trigo y maíz en Hungría. En contraste con el grupo basado en la pendiente, el grupo basado en la distancia mide el grado de vegetación presente al determinar la diferencia entre la reflectancia de cualquier pixel y la reflectancia del suelo desnudo. Este grupo de índices de vegetación está derivado del Índice de Vegetación Perpendicular (PVI). El objetivo principal de estos índices de vegetación es cancelar el efecto del suelo en los casos donde la vegetación es escasa y los pixeles contienen una mezcla de vegetación verde y suelo de fondo. Esto es particularmente importante en medio ambientes áridos y semiáridos. Un concepto clave aquí es que un esquema de las posiciones de los pixeles del suelo desnudo de niveles de humedad variables en un esquema biespectral tiende a formar una línea (conocida como línea del suelo). Mientras la cobertura de la capa de vegetación aumenta, este suelo de fondo se volverá cada vez más oscuro, y los pixeles de vegetación muestran una tendencia a una distancia perpendicular en aumento hacia esta línea del suelo (Figura 1b). La línea del suelo representa una descripción de las firmas típicas de suelos en un esquema biespectral rojo/infrarrojo cercano. Los pixeles que se hallan cerca de la línea del suelo son interpretados como suelos mientras que aquellos lejos de ésta se interpretan como vegetación. Los índices de vegetación basados en la distancia que usan la línea del suelo requieren la pendiente (b) y la ordenada al origen (a) de la línea como entradas para el cálculo. A estos dos grupos de índices de vegetación, se puede agregar un tercer grupo llamado índices de transformación ortogonal. ortogonal . Los índices ortogonales llevan a cabo una transformación de las bandas espectrales disponibles para formar un nuevo grupo de bandas no correlacionadas dentro de las cuales se puede definir una banda del índice de vegetación verde. La transformación Tasseled Cap es tal vez la más reconocida de este grupo (Eastman, 2004).
Los índices de vegetación permiten representar características de los cultivos como el índice de área foliar (LAI), el peso seco o fresco por unidad de superficie de la biomasa aérea, el porcentaje de cobertura del suelo, etc. Las medidas de reflectancia, que permiten calcular los diferentes índices de vegetación, pueden relacionarse con parámetros ecofisiológicos como la fracción de radiación fotosintéticamente activa interceptada al mediodía solar (fMIPAR), el índice de área foliar, la biomasa aérea, etc., medidos “in situ” en un ensayo de campo de
agronomía clásica. Este enfoque se llama análisis de componentes espectrales (ACE) y los datos de ACE obtenidos a partir de espectrorradiómetros de campo sirven de base al seguimiento por satélite de los cultivos y de sus cosechas. Así las medidas de reflectancia permiten obtener estimaciones casi instantáneas de la cosecha esperada, del estado hídrico, nutricional y fitosanitario de las parcelas de cultivo, o a mayor escala, de sistemas agrícolas (Paz et al .,., 1999). Por otra parte, la interpolación de los datos a partir de un mapa de puntos y la obtención de una variable continua convertida en isolíneas no es novedosa. Su uso está extendido sobre todo en la representación de variables físicas, debido a la continuidad espacial de dichos fenómenos, en la generación de modelos digitales del terreno o en la distribución de contaminantes en la atmósfera, entre otros. El método de la distancia inversa (IDW) se apoya en el concepto de continuidad espacial, con valores más parecidos para posiciones cercanas que se van diferenciando conforme se incrementa la distancia. El uso de de este algoritmo ha sido empleado en la representación de variables con continuidad espacial, como las isócronas, los mapas de pendientes y orientaciones a partir de de la altitud. La metodología consiste en que cada valor, que tiene una correspondencia con un punto determinado, influye sobre los demás de forma local y disminuye proporcionalmente su efecto con la distancia. Al ser un método exacto y ajustarse en su localización a los datos, en ocasiones genera en el mapa círculos concéntricos denominados “bulleyes” (ojos de toro) que gradúan los cambios bruscos en los valores (González y Abellán, 2006). Kravchenko (2003) citado por Villatoro et al .,., (2008), recomienda el IDW para bases de datos pequeñas, en donde los parámetros del variograma no son conocidos, también cuando la distancia de muestreo es mayor al rango de la correlación espacial. Con relación a esto es importante mencionar que la precisión de las estimaciones es influenciada por la varianza aleatoria, la estructura de la variación, y por la intensidad del muestreo.
Enfermedad Cercosporiosis (Cercospora asparagi) en el cultivo de Esparrago Este es un hongo imperfecto perteneciente al Reino Fungi, orden: Moniliales, división: Ascomycota, es considerado dentro del grupo de organismos necrótrofos o parásitos facultativos. Una vez desarrollada la lesión, si las condiciones son favorables, el patógeno produce sus estructuras de propagación e infecta las hojas y tallos con manchas necróticas, puede constituirse una fuente de inoculo importante debido a que Cercospora puede producir conidioforos y las conidias en el follaje que ha sido infectado son fácilmente dispersadas por el viento y la lluvia. Las conidias desarrolladas por este organismo son alargadas de forma filamentosa, multicelulares, de incoloros a oscuros, se desarrollan sobre conidioforos agrupados en racimos que nacen de un punto común sobre el tejido vegetal, estas germinan en presencia de una película de agua sobre el follaje o en condiciones de alta humedad relativa, después de eso penetran en la hoja a través de los estomas, una vez que el patógeno esta en el interior del tejido vegetal, produce la toxina no específica cercosporina la cual funciona como agente fotosensibilizante en las células vegetales lo que ocasiona la muerte de las células vegetales en presencia de luz dando origen a las lesiones necróticas (Agrios, 2005). Esta enfermedad afecta los procesos fotosintéticos de la planta reduciendo la productividad y longevidad del follaje durante la fase de permanencia de los helechos (Figura 2).
(Figura 2 – Ciclo del patógeno y síntomas producidos – Agrios 2005)
El principal factor favorable para su ploriferación es la humedad relativa mayor al 95 % y temperaturas entre 25 a 30 C. Las condiciones de microclima en el campo influyen sobre el desarrollo de la enfermedad, siendo más favorable cuando el follaje esta completamente desarrollado y muy denso. Este microclima suele presentarse a partir de la segunda brotación, debido al gran número de tallos. Sintomatologia C.asparagi produce lesiones necróticas ovales de diferente tamaño sobre el follaje
(cladiolos, ramas y tallos). Las manchas en las ramas y cladiolos tiene un centro de color grisáceo rodeado por un anillo marrón oscuro y un halo clorótico, mientras que las manchas en el tallo principal son oscuras alargadas. Cuando la humedad relativa es muy alta se observa la presencia de puntos oscuros en el medio de las lesiones las cuales corresponden a la esporulación (conidias y conidioforos) del patógeno. El desarrollo de las manchas empieza en el tercio inferior y pueden progresar a la parte superior del follaje. En ataques severos causa defoliación, especialmente cuando las manchas se han desarrollado en los cladiolos. Los brotes y tallos delgados que se encuentran afectados con manchas, pueden amarillarse y finalmente secarse. Plantaciones muy afectadas por Cercospora asparagi toman una coloración marrón grisácea (Conway et al, 2003).
(Figura 3 – Daños y síntomas producidos en plantas de Esparrago – Fotografía del grupo)
MATERIALES Y MÉTODOS Materiales - Sensor Greenseeker - GPS - Software ARCGIS 10 Metodología En el cultivo de Esparrago ubicado en el Centro Agropecuario de Investigación Marengo C.I.A.M de la Universidad Nacional de Colombia se lleva a cabo un muestreo con la lectura del sensor greenseeker con el objetivo de analizar el comportamiento de la enfermedad y su distribución en el cultivo para apoyar la toma de decisiones en el manejo sanitario estableciendo los focos de ataque del patógeno teniendo en cuenta el estado fenológico del cultivo en las distintas tablas o parcelas en que se encuentra dividido el lote total. Así, se toman las lecturas con el sensor, aproximadamente cada 10 metros en tres puntos en diferentes surcos. Con los datos georreferenciados se construye una base de datos NDVI y se procede a realizar en ARCGIS 10 la interpolación de los puntos para generar un mapa que muestra la distribución del índice NDVI en el cultivo. RESULTADOS Y ANÁLISIS El mapa 1 muestra la distribución de las parcelas o tablas del cultivo y con base en este resultado se diferencian los diferentes estados fenológicos presentes en el cultivo; en este caso, el cultivo de Esparrago en el C.I.A.M. se encuentra dividido en 9 parcelas o tablas donde se soquean o podan en su totalidad (corte total de todas las plantas) según el ciclo productivo (esta práctica se lleva a cabo cada 4 meses cuando las raíces han acumulado suficientes foto asimilados para luego producir los turiones o tallos que son cosechados).
TABLA 9
TABLA 8
TABLA 7
TABLA 6
TABLA 5
TABLA 4
TABLA 3
TABLA 2
TABLA 1
(Mapa 1 – se observa la distribución total del cultivo dividido en las 9 tablas) En este mapa el índice NDVI nos muestra los diferentes estado fenológicos del cultivo donde en el valor más alto corresponde a las tablas que se encuentran en estado vegetativo y los valores más bajos corresponden a las tablas que se encuentran recién soqueadas (sin presencia de plantas). Teniendo en cuenta que el momento donde se deben concentrar los esfuerzos para el control de la enfermedad es en el estado vegetativo donde las plantas realizan la mayor fotosíntesis antes del soqueo, se destacan las tablas 2,3,4,5,6 y 9. Como se ha descrito anteriormente esta enfermedad se manifiesta por el daño foliar que se ve reflejado en la lectura del NDVI.
Análisis de la tabla 9
(Fotografía de la tabla 9, la figura resalta el foco de la enfermedad) Esta tabla evidencia un foco de la enfermedad y su expansión. Así que para establecer el plan de manejo y control se plantea la medición del radio del foco (usando el tamaño de pixel que corresponde a 0.30 m * 0.30 m) para la aplicación del producto fungicida sistémico recomendado en el terreno.
Análisis de la tabla 8
En este caso la tabla se encuentra recién soqueada, así que no cuenta con vegetación.
Análisis de la tabla 7
En este caso la tabla se encuentra recién soqueada, así que no cuenta con vegetación.
Análisis de la tabla 6
En esta tabla se detectan dos focos en estado inicial de la enfermedad donde se plantea un manejo de carácter preventivo. En este caso la tabla se encuentra en un estado vegetativo homogéneo donde se puede afirmar que los cambios en la lectura del NDVI corresponden a los efectos de la enfermedad.
Análisis de la tabla 5
Aquí se puede apreciar la lectura del índice NDVI de forma homogénea para el estado fenológico vegetativo de esta tabla, y que es el que se espera obtener en una tabla sin afectación por la enfermedad. Su utilidad se encuentra en el planteamiento del control sanitario (medidas preventivas como el evitar el paso desde las tablas con incidencia de la enfermedad).
Análisis de la tabla 4
En esta tabla que se encuentra en estado vegetativo se puede apreciar un posible avance y afectación de la enfermedad desde la tabla 3, esto nos indica claramente que hay que aplicar medidas preventivas para esta tabla con el fin de evitar el crecimiento del foco de la enfermedad.
Análisis de la tabla 3
Se observa un foco de la enfermedad que para este caso conlleva un tratamiento de carácter sistémico para evitar el crecimiento y expansión de la enfermedad a la tabla contigua.
Análisis de la tabla 2
En este caso no se distinguen focos de la enfermedad. Los cambios en el NDVI muestran el límite con la tabla 1 que se encuentra recién soqueada y no presenta vegetación.
Análisis de la tabla 1
En esta tabla recién soqueada no se observa vegetación en un 100 %, las variaciones en el NDVI muestran poblaciones de plantas arvenses que en este caso corresponden a especies como Rumex Crispus (Lengua de Vaca), y Raphanus Raphanistrum (Rábano silvestre). CONCLUSIONES En el contexto de la agricultura de precisión y dada su importancia en el manejo eficaz y eficiente de la enfermedad Cercosporiosis en el cultivo de Esparrago, el uso de sensores como el greenseeker integrado al análisis de los datos georreferenciados mediante ARCGIS 10, permite y facilita la planeación de las actividades de manejo preventivo y sistémico de la enfermedad. La visualización del NDVI en este cultivo y teniendo en cuenta la precisión que otorga trabajar con un tamaño de pixel de 0.30 m * 0.30 m, hace que la labor agronómica para el manejo sanitario de cercosporiosis se lleve a cabo de forma minuciosa, evitando la aplicación innecesaria (desperdicio) de productos
fungicidas (sistémicos o preventivos), así se garantiza mayor inocuidad al consumidor final y uso eficiente de los recursos que resultan en mayor ganancia. Por otro lado la utilización del índice NDVI a través de la lectura del sensor reduce en gran medida el error humano en la observación.
BIBLIOGRAFÍA
Agrios, George N. Fitopatología. Limusa. p 428 – 432. Aguilar, N., G. Galindo., C. Contreras y J. Fortaneli. 2010. Zonificación productiva cañera en huasteca potosina, México. Agronomía Trop. 60(2): 139-154. De la Casa, A y G. Ovando. 2007. Integración del índice de vegetación de la diferencia normalizada (NDVI) y del ciclo fenológico de maíz para estimar el rendimiento a escala departamental en Córdoba, Argentina. Agricultura Técnica (Chile) 67(4):362-371 Eastman, R. 2004. IDRISI Kilimanjaro . Guía para SIG y procesamiento de imágenes. Clark University. p 223 - 232. González, G y C. Abellán. 2006. La interpolación como método de representación cartográfica para la distribución de la población: Aplicación a la provincia de Albacete. El acceso a la información espacial y las nuevas tecnologías geográficas. p 165-178. Paz, J., F. López y F. Sau. 1999. Comparación de diferentes diferentes índices índices de vegetación para estimar parámetros ecofisiológicos: fracción de radiación interceptada e índice de área foliar. Teledetección avances y aplicaciones. VIII Congreso Nacional de Teledetección. Albacete España. pp 47-50. Villatoro, M., C. Enríquez y F. Sancho. 2008. Comparación de los interpoladores IDW y KRIGING en la variación espacial de pH, Ca, CICE y P del suelo. Agronomía Costarricense 32(1): 95-105.
