SlideShare a Scribd company logo
1 of 5
Download to read offline
nº 113 – 03 de febrero 2016
decisiones
Material desarrollado por Cultivar Conocimiento Agropecuario S.A. con el fin de difundir conocimiento. Cultivar Cono-
cimiento Agropecuario S.A. no se responsabiliza por el uso que se dé a esta información en la toma de decisiones.
Todas las entregas de Cultivar decisiones están disponibles en www.cultivaragro.com.ar.
Ayudando a la estimación del rendimiento con imágenes satelitales
Cada vez que recorremos un lote, consciente o inconscientemente estamos estimando
su rinde. Por cuestiones comerciales y/o de logística, muchas empresas necesitan dispo-
ner previo a la cosecha una estimación del volumen de su producción de granos. Suelen
haber grandes diferencias entre el rendimiento estimado a campo y el finalmente logra-
do. El artículo analiza el modo en que algunas herramientas simples pueden ayudarnos a
ajustar esas estimaciones y reducir el error en las mismas.
decisiones
2
info@cultivaragro.com.ar | www.cultivaragro.com.ar
Área: Tecnología Agrícola
Ayudando a la estimación del rendimiento con imágenes satelitales
Por Ing. Agr. Rosario Ballvé e Ing. Agr. PhD Emilio Satorre
La estimación del rendimiento es un proceso
que todas las empresas productivas ejecutan,
tarde o temprano, previo a la cosecha. Las
empresas agrícolas necesitan estimar el ren-
dimiento de sus cultivos tanto para ajustar sus
estrategias comerciales como para adecuar la
logística de la producción, previendo condicio-
nes de almacenamiento, movimiento y entre-
ga de granos.
El proceso de estimación de rendimiento re-
quiere de tiempo y esfuerzo, con lo cual en
muchas oportunidades no se logran resultados
satisfactorios al no disponer de esos recursos,
ya que es necesario trabajo de campo, para la
toma de datos, y de escritorio, para el correcto
análisis de la información.
Muchos son los factores que introducen erro-
res al estimar el rinde. Algunos de ellos fueron
detallados en el Cultivar Decisiones número
611
y pueden resumirse como:
i) Ambientales: La heterogeneidad de ambien-
tes dentro de un lote dificulta la estimación.
Según el ambiente relevado y su participación
en el total del área variará el error en la cons-
trucción del resultado.
ii) Estadísticos: Cuanto mayor sea la heteroge-
neidad del lote mayor es la necesidad de ajus-
tar la cantidad y ubicación de los sitios de
muestreo y el porcentaje del área que repre-
sentan.
1
“Estimación del rendimiento de cultivos de
Maíz y Soja previo a cosecha: oportunidades y
limitaciones”
http://www.cultivaragro.com.ar/capacitacione
s/61_EstimacionRinde_1422981811.pdf
iii) Procedimiento: En general los métodos
directos de estimación de rinde se basan en
muestreo de número de granos por unidad de
área, estimándose un peso según las condicio-
nes del cultivo y campaña. El peso es una fuen-
te de error importante y es un factor que no
puede estimarse con exactitud mucho tiempo
antes de la cosecha.
¿Es posible reducir de manera simple la in-
fluencia de estos factores en el error de esti-
mación? Sí, es posible. La variabilidad origina-
da en los puntos i y ii mencionados anterior-
mente puede reducirse mediante el uso de
sensores remotos.
Las imágenes satelitales disponibles nos per-
miten conocer, entre otras cosas, el nivel de
cobertura verde de los cultivos a través del
índice de vegetación (NDVI). Con éste índice se
puede estimar el nivel de cobertura verde que
tenía un cultivo en alguna fecha o período de-
terminado. En estados avanzados del cultivo,
este indicador está parcialmente asociado a la
biomasa del cultivo, que está estrechamente
relacionada con el rendimiento alcanzable.
Pero, al mismo tiempo, es un indicador de las
diferencias que el ambiente determinó sobre
esa producción de biomasa en el lote. Si un
sector del lote se encontraba estresado,
anegado o con mayor nivel de enfermedades,
por ejemplo, tendrá un menor NDVI que otro
sector del lote sin estrés.
El NDVI no es un indicador directo del nivel de
rendimiento que se puede esperar en el culti-
vo. Pocos algoritmos para estimar el nivel de
rinde a partir de una imagen han mostrado ser
confiables. Sin embargo, la imagen sí puede
dar una idea del estado en el que se encontra-
ba el cultivo en el momento evaluado. Es una
decisiones
3
info@cultivaragro.com.ar | www.cultivaragro.com.ar
Área: Tecnología Agrícola
herramienta muy útil para comparar el cultivo
dentro del mismo lote, con el mismo manejo,
y ver las diferencias relativas en él (“sectores
mejores” y “sectores peores”). Con las imáge-
nes como herramienta, se puede i) delimitar
zonas para dirigir los monitoreos a campo, ii)
medir la superficie que abarca cada una de
esas zonas y iii) ponderar los resultados de los
monitoreos según la superficie que represen-
tan para generar observaciones o resultados
realistas del lote. ¿Qué tan difícil es analizar
imágenes? No lo es tanto. Como todo proceso
informático actual, hace falta familiarizarse
con un software, obtener una imagen y desa-
rrollar un proceso.
Softwares:
El procesamiento de imágenes se realiza con
programas especiales, desarrollados para di-
cho fin. Hay una amplia oferta de programas
disponibles, algunos libres y otros pagos. En
general se trabaja con varios de ellos según el
proceso que se necesite realizar.
Tabla 1. Detalle de algunos softwares de procesa-
miento y visualización de imágenes satelitales
Software Licencia Link descarga
QGis Gratuito http://www.qgis.org/es/site/
gvSIG Gratuito http://www.gvsig.com/es
SOPI Gratuito https://sopi.conae.gov.ar/
ArcGis Pago
http://www.esri.com/softwar
e/arcgis/explorer-desktop
Una variable importante a la hora de elegir
con que programa trabajar, para usuarios
principiantes, es la disponibilidad de foros de
ayuda y tutoriales, ya que estos son de gran
utilidad explicando detalladamente como rea-
lizar cada procedimiento.
Imágenes:
En la tabla 2 se resumen las principales carac-
terísticas de algunas de las imágenes disponi-
bles, que pueden ser útiles para el cálculo de
NDVI. También hay disponibles imágenes de
NDVI ya calculado (MODIS), éstas tienen la
desventaja de tener una resolución espacial
menor. Cada valor (pixel) representa una su-
perficie de 250 x 250 metros (6,25 ha), que en
lotes medianos o chicos es una limitante. En
lotes grandes (>100 ha) y, para iniciarse en
éstas metodologías es una herramienta muy
valiosa.
Tabla 2. Características de las algunas imágenes sate-
litales disponibles.
Satélite Sensor
Resolución
espacial (m)
Resolución
temporal
(días)
Acceso
Landsat
5, 7 y 8
TM/ETM+/
OLI-TIRS
30x30 16 Gratuito
http://earthexplorer.usgs.gov/
SPOT
(5-7)
HRVIR/
HRG
20x20 26 Pago
http://www.geo-
airbusds.com/es/441-imagenes-por-
satelite-spot
TERRA/
AQUA
MODIS
250 x 250 1 Gratuito
http://modis.gsfc.nasa.gov/
MODIS
(producto
NDVI)
250 x 250 16 Gratuito
http://daacmodis.ornl.gov/cgi-
bin/MODIS/GLBVIZ_1_Glb/modis_sub
set_order_global_col5.pl
Procesamiento:
Luego de calcular los NDVI en el lote, se pue-
den clasificar en categorías y graficar (Figura 1)
<NDVI
>NDVI
Figura 1. NDVI clasificado en tres categorías sobre un
lote de trigo del norte de Buenos Aires, a partir de una
imagen Landsat 8, de Octubre de 2015. En Agosto el
área recibió lluvias cercanas a 300 mm. El efecto de
esas lluvias por anegamiento severo alcanzó 11% del
área y se identifica en rojo dentro del lote. Con mues-
treo sólo en las áreas verdes el rinde estimado fue de
4750 kg/ha, (17 % superior al rendimiento del lote).
Considerando el área anegada en la estimación, el
error sería sólo del 6%, 260 kg sobre el rendimiento
medio real.
decisiones
4
info@cultivaragro.com.ar | www.cultivaragro.com.ar
Área: Tecnología Agrícola
Si el lote tiene áreas definidas espacialmente
de distintos niveles de NDVI podrán dirigirse
los puntos de muestro u observación a cada
categoría (ver puntos en Figura 1). La cantidad
de muestreos en cada sección puede definirse
en relación al área que ocupa. Una vez obte-
nidos los rindes de cada sección se ponderan
por la superficie de cada una para consolidar
el rendimiento estimado del lote.
Con esta metodología suele reducirse el nú-
mero de monitoreo efectivos, ya que si se des-
conoce la heterogeneidad del lote, se deberían
realizar más muestreos para lograr la misma
representatividad de datos o, aceptar un error
de estimación mayor. Sin embargo, como el
tiempo es escaso, el error frecuente es consi-
derar al lote más homogéneo de lo que real-
mente es (se ignoran las diferencias ambienta-
les por simplicidad). En estos casos, el mues-
treo dirigido a partir de imágenes podría llevar
a aumentar el número de muestras respecto
de la práctica usual, pero con reducciones sig-
nificativas del error de estimación (Figura 2).
Figura 2. NDVI de un lote de maíz en el norte de Bue-
nos Aires. Muestreando en dos sitios del lote (sitio 1
y 3), asumiendo que el lote es homogéneo, la estima-
ción de rendimiento fue de 6760 kg/ha, 21% mayor al
rinde real del lote. Luego se analizó la imagen de
NDVI, se delimitaron dos ambientes, y se calculó la
superficie de cada uno. Se realizaron dos sitios de
muestreo en cada ambiente y se ponderó la estima-
ción por el área representada. En este caso el error
se redujo a 11% sobre el rinde real (6230 kg/ha).
Comentarios finales:
Hay métodos simples, rápidos y económicos
para reconocer el efecto de distintos factores
sobre la variabilidad de los lotes y su efecto
sobre el rinde de los cultivos. Las imágenes
satélites pueden ser aliadas valiosas en este
objetivo. Las mismas son cada vez más accesi-
bles y se pueden procesar de manera más rá-
pida y de una manera muy económica.
Las estimaciones directas o indirectas del ren-
dimiento de los cultivos siempre tendrán va-
riabilidad y error. La cuestión es ¿cuánto error
estoy dispuesto a aceptar en esas estimacio-
nes? Ciertamente, ese valor de error tolerable
puede ser distinto entre las diferentes empre-
sas del sector y sus características físicas (su-
perficie) o comerciales y operativas. En cual-
quier caso, las herramientas analizadas en este
trabajo han mostrado que es posible aumentar
la exigencia y, reducir significativamente el
error de las estimaciones de rendimiento de
los cultivos extensivos.
decisiones
5
info@cultivaragro.com.ar | www.cultivaragro.com.ar
Área: Tecnología Agrícola

More Related Content

What's hot

134972577 manual-cropwat-8-0-espanol
134972577 manual-cropwat-8-0-espanol134972577 manual-cropwat-8-0-espanol
134972577 manual-cropwat-8-0-espanol
Vladimir Chhyo
 

What's hot (20)

Servicios Climáticos para la Agricultura, Ciudad de Guatemala Jun 2019
Servicios Climáticos para la Agricultura, Ciudad de Guatemala Jun 2019Servicios Climáticos para la Agricultura, Ciudad de Guatemala Jun 2019
Servicios Climáticos para la Agricultura, Ciudad de Guatemala Jun 2019
 
Modelación de impactos de cambio climático en agricultura
Modelación de impactos de cambio climático en agriculturaModelación de impactos de cambio climático en agricultura
Modelación de impactos de cambio climático en agricultura
 
Agricultura Específica por Sitio: Poniendo los datos al servicio de la agricu...
Agricultura Específica por Sitio: Poniendo los datos al servicio de la agricu...Agricultura Específica por Sitio: Poniendo los datos al servicio de la agricu...
Agricultura Específica por Sitio: Poniendo los datos al servicio de la agricu...
 
GuíA Cropwat 2009
GuíA Cropwat 2009GuíA Cropwat 2009
GuíA Cropwat 2009
 
Servicios climáticos para el sector agropecuario
Servicios climáticos para el sector agropecuarioServicios climáticos para el sector agropecuario
Servicios climáticos para el sector agropecuario
 
Servicios Climáticos para la Agricultura (ANSC-Guatemala)
Servicios Climáticos para la Agricultura (ANSC-Guatemala)Servicios Climáticos para la Agricultura (ANSC-Guatemala)
Servicios Climáticos para la Agricultura (ANSC-Guatemala)
 
Capacidad Adaptacion y Resiliencia ante Nuevos Escenarios Climáticos
Capacidad Adaptacion y Resiliencia ante Nuevos Escenarios ClimáticosCapacidad Adaptacion y Resiliencia ante Nuevos Escenarios Climáticos
Capacidad Adaptacion y Resiliencia ante Nuevos Escenarios Climáticos
 
Emmanuel ZC - Datos, evaluaciones y oportunidades
Emmanuel ZC - Datos, evaluaciones y oportunidadesEmmanuel ZC - Datos, evaluaciones y oportunidades
Emmanuel ZC - Datos, evaluaciones y oportunidades
 
1 claudia lomas informacion climatica
1 claudia lomas  informacion climatica1 claudia lomas  informacion climatica
1 claudia lomas informacion climatica
 
Navarro C 201702 Modelacion clima cultivos (SAL)
Navarro C 201702 Modelacion clima cultivos (SAL)Navarro C 201702 Modelacion clima cultivos (SAL)
Navarro C 201702 Modelacion clima cultivos (SAL)
 
2 ahp
2 ahp2 ahp
2 ahp
 
Logros alcanzados en servicios climáticos en el sector agropecuario de la reg...
Logros alcanzados en servicios climáticos en el sector agropecuario de la reg...Logros alcanzados en servicios climáticos en el sector agropecuario de la reg...
Logros alcanzados en servicios climáticos en el sector agropecuario de la reg...
 
Introducción a los servicios climáticos
Introducción a los servicios climáticosIntroducción a los servicios climáticos
Introducción a los servicios climáticos
 
Casos de estudio con proyectos de riego en curso. Patagonia
Casos de estudio con proyectos de riego en curso. PatagoniaCasos de estudio con proyectos de riego en curso. Patagonia
Casos de estudio con proyectos de riego en curso. Patagonia
 
134972577 manual-cropwat-8-0-espanol
134972577 manual-cropwat-8-0-espanol134972577 manual-cropwat-8-0-espanol
134972577 manual-cropwat-8-0-espanol
 
Manejo por ambientes: herramientas, oportunidades y desafios agronomicos
Manejo por ambientes:  herramientas, oportunidades y desafios agronomicosManejo por ambientes:  herramientas, oportunidades y desafios agronomicos
Manejo por ambientes: herramientas, oportunidades y desafios agronomicos
 
Viticultura y SIG
Viticultura y SIGViticultura y SIG
Viticultura y SIG
 
022 cosecha de agua 2011 - s jaramillo
022   cosecha de agua 2011 - s jaramillo022   cosecha de agua 2011 - s jaramillo
022 cosecha de agua 2011 - s jaramillo
 
Inventario Reserva Nacional Valdivia 1998-1999 - SudAustral
Inventario Reserva Nacional Valdivia 1998-1999 - SudAustralInventario Reserva Nacional Valdivia 1998-1999 - SudAustral
Inventario Reserva Nacional Valdivia 1998-1999 - SudAustral
 
Mesas Técnicas Agroclimáticas en Centro América
Mesas Técnicas Agroclimáticas en Centro AméricaMesas Técnicas Agroclimáticas en Centro América
Mesas Técnicas Agroclimáticas en Centro América
 

Similar to Ayudando a la estimación del rendimiento con imágenes satelitales (2016)

Investigacion sig planificacion_agropecuaria[1]
Investigacion sig planificacion_agropecuaria[1]Investigacion sig planificacion_agropecuaria[1]
Investigacion sig planificacion_agropecuaria[1]
alejo2082
 
Monitor rendimiento-y-conocimientos-calibracion
Monitor rendimiento-y-conocimientos-calibracionMonitor rendimiento-y-conocimientos-calibracion
Monitor rendimiento-y-conocimientos-calibracion
senarap
 

Similar to Ayudando a la estimación del rendimiento con imágenes satelitales (2016) (20)

Presentacion Productores Nov08
Presentacion Productores Nov08Presentacion Productores Nov08
Presentacion Productores Nov08
 
Herramientas de vigilancia
Herramientas de vigilanciaHerramientas de vigilancia
Herramientas de vigilancia
 
B0483e
B0483eB0483e
B0483e
 
Drones en Agricultura : Gyga agro drones
Drones en Agricultura : Gyga  agro dronesDrones en Agricultura : Gyga  agro drones
Drones en Agricultura : Gyga agro drones
 
Gyga Servicios de Drones para Agricultura
Gyga Servicios de Drones para Agricultura Gyga Servicios de Drones para Agricultura
Gyga Servicios de Drones para Agricultura
 
Agricultura de Presición en Viñedos - Rescatado por Luis Fernando Heras Portillo
Agricultura de Presición en Viñedos - Rescatado por Luis Fernando Heras PortilloAgricultura de Presición en Viñedos - Rescatado por Luis Fernando Heras Portillo
Agricultura de Presición en Viñedos - Rescatado por Luis Fernando Heras Portillo
 
Componentes ag-precision
Componentes ag-precisionComponentes ag-precision
Componentes ag-precision
 
Agricultura de precisión en maíz. Una experiencia exitosa
Agricultura de precisión en maíz. Una experiencia exitosaAgricultura de precisión en maíz. Una experiencia exitosa
Agricultura de precisión en maíz. Una experiencia exitosa
 
Investigacion sig planificacion_agropecuaria[1]
Investigacion sig planificacion_agropecuaria[1]Investigacion sig planificacion_agropecuaria[1]
Investigacion sig planificacion_agropecuaria[1]
 
El Pelon Presentacion
El Pelon PresentacionEl Pelon Presentacion
El Pelon Presentacion
 
La agricultura de precisión QUE ES.pdf
La agricultura de precisión QUE ES.pdfLa agricultura de precisión QUE ES.pdf
La agricultura de precisión QUE ES.pdf
 
Servicios climáticos para la agricultura en América Latina
Servicios climáticos para la agricultura en América LatinaServicios climáticos para la agricultura en América Latina
Servicios climáticos para la agricultura en América Latina
 
Caso debofarms
Caso debofarmsCaso debofarms
Caso debofarms
 
Presentación1.pptx
Presentación1.pptxPresentación1.pptx
Presentación1.pptx
 
Principios de Agricultura de Precisión_2.pdf
Principios de Agricultura de Precisión_2.pdfPrincipios de Agricultura de Precisión_2.pdf
Principios de Agricultura de Precisión_2.pdf
 
Control eficiencia siembra cebada
Control eficiencia siembra cebadaControl eficiencia siembra cebada
Control eficiencia siembra cebada
 
Monitor rendimiento-y-conocimientos-calibracion
Monitor rendimiento-y-conocimientos-calibracionMonitor rendimiento-y-conocimientos-calibracion
Monitor rendimiento-y-conocimientos-calibracion
 
Chacra Tecnologica Modelo 2012-2013
Chacra Tecnologica Modelo 2012-2013Chacra Tecnologica Modelo 2012-2013
Chacra Tecnologica Modelo 2012-2013
 
Agricultura por Ambientes. Copnsultoría. Laboratorio Marasas.
Agricultura por Ambientes. Copnsultoría. Laboratorio Marasas. Agricultura por Ambientes. Copnsultoría. Laboratorio Marasas.
Agricultura por Ambientes. Copnsultoría. Laboratorio Marasas.
 
12. Venezuela
12. Venezuela 12. Venezuela
12. Venezuela
 

Recently uploaded

redes informaticas en una oficina administrativa
redes informaticas en una oficina administrativaredes informaticas en una oficina administrativa
redes informaticas en una oficina administrativa
nicho110
 

Recently uploaded (12)

EVOLUCION DE LA TECNOLOGIA Y SUS ASPECTOSpptx
EVOLUCION DE LA TECNOLOGIA Y SUS ASPECTOSpptxEVOLUCION DE LA TECNOLOGIA Y SUS ASPECTOSpptx
EVOLUCION DE LA TECNOLOGIA Y SUS ASPECTOSpptx
 
How to use Redis with MuleSoft. A quick start presentation.
How to use Redis with MuleSoft. A quick start presentation.How to use Redis with MuleSoft. A quick start presentation.
How to use Redis with MuleSoft. A quick start presentation.
 
Avances tecnológicos del siglo XXI 10-07 eyvana
Avances tecnológicos del siglo XXI 10-07 eyvanaAvances tecnológicos del siglo XXI 10-07 eyvana
Avances tecnológicos del siglo XXI 10-07 eyvana
 
pruebas unitarias unitarias en java con JUNIT
pruebas unitarias unitarias en java con JUNITpruebas unitarias unitarias en java con JUNIT
pruebas unitarias unitarias en java con JUNIT
 
investigación de los Avances tecnológicos del siglo XXI
investigación de los Avances tecnológicos del siglo XXIinvestigación de los Avances tecnológicos del siglo XXI
investigación de los Avances tecnológicos del siglo XXI
 
Resistencia extrema al cobre por un consorcio bacteriano conformado por Sulfo...
Resistencia extrema al cobre por un consorcio bacteriano conformado por Sulfo...Resistencia extrema al cobre por un consorcio bacteriano conformado por Sulfo...
Resistencia extrema al cobre por un consorcio bacteriano conformado por Sulfo...
 
EL CICLO PRÁCTICO DE UN MOTOR DE CUATRO TIEMPOS.pptx
EL CICLO PRÁCTICO DE UN MOTOR DE CUATRO TIEMPOS.pptxEL CICLO PRÁCTICO DE UN MOTOR DE CUATRO TIEMPOS.pptx
EL CICLO PRÁCTICO DE UN MOTOR DE CUATRO TIEMPOS.pptx
 
Innovaciones tecnologicas en el siglo 21
Innovaciones tecnologicas en el siglo 21Innovaciones tecnologicas en el siglo 21
Innovaciones tecnologicas en el siglo 21
 
Buenos_Aires_Meetup_Redis_20240430_.pptx
Buenos_Aires_Meetup_Redis_20240430_.pptxBuenos_Aires_Meetup_Redis_20240430_.pptx
Buenos_Aires_Meetup_Redis_20240430_.pptx
 
redes informaticas en una oficina administrativa
redes informaticas en una oficina administrativaredes informaticas en una oficina administrativa
redes informaticas en una oficina administrativa
 
PROYECTO FINAL. Tutorial para publicar en SlideShare.pptx
PROYECTO FINAL. Tutorial para publicar en SlideShare.pptxPROYECTO FINAL. Tutorial para publicar en SlideShare.pptx
PROYECTO FINAL. Tutorial para publicar en SlideShare.pptx
 
Avances tecnológicos del siglo XXI y ejemplos de estos
Avances tecnológicos del siglo XXI y ejemplos de estosAvances tecnológicos del siglo XXI y ejemplos de estos
Avances tecnológicos del siglo XXI y ejemplos de estos
 

Ayudando a la estimación del rendimiento con imágenes satelitales (2016)

  • 1. nº 113 – 03 de febrero 2016 decisiones Material desarrollado por Cultivar Conocimiento Agropecuario S.A. con el fin de difundir conocimiento. Cultivar Cono- cimiento Agropecuario S.A. no se responsabiliza por el uso que se dé a esta información en la toma de decisiones. Todas las entregas de Cultivar decisiones están disponibles en www.cultivaragro.com.ar. Ayudando a la estimación del rendimiento con imágenes satelitales Cada vez que recorremos un lote, consciente o inconscientemente estamos estimando su rinde. Por cuestiones comerciales y/o de logística, muchas empresas necesitan dispo- ner previo a la cosecha una estimación del volumen de su producción de granos. Suelen haber grandes diferencias entre el rendimiento estimado a campo y el finalmente logra- do. El artículo analiza el modo en que algunas herramientas simples pueden ayudarnos a ajustar esas estimaciones y reducir el error en las mismas.
  • 2. decisiones 2 info@cultivaragro.com.ar | www.cultivaragro.com.ar Área: Tecnología Agrícola Ayudando a la estimación del rendimiento con imágenes satelitales Por Ing. Agr. Rosario Ballvé e Ing. Agr. PhD Emilio Satorre La estimación del rendimiento es un proceso que todas las empresas productivas ejecutan, tarde o temprano, previo a la cosecha. Las empresas agrícolas necesitan estimar el ren- dimiento de sus cultivos tanto para ajustar sus estrategias comerciales como para adecuar la logística de la producción, previendo condicio- nes de almacenamiento, movimiento y entre- ga de granos. El proceso de estimación de rendimiento re- quiere de tiempo y esfuerzo, con lo cual en muchas oportunidades no se logran resultados satisfactorios al no disponer de esos recursos, ya que es necesario trabajo de campo, para la toma de datos, y de escritorio, para el correcto análisis de la información. Muchos son los factores que introducen erro- res al estimar el rinde. Algunos de ellos fueron detallados en el Cultivar Decisiones número 611 y pueden resumirse como: i) Ambientales: La heterogeneidad de ambien- tes dentro de un lote dificulta la estimación. Según el ambiente relevado y su participación en el total del área variará el error en la cons- trucción del resultado. ii) Estadísticos: Cuanto mayor sea la heteroge- neidad del lote mayor es la necesidad de ajus- tar la cantidad y ubicación de los sitios de muestreo y el porcentaje del área que repre- sentan. 1 “Estimación del rendimiento de cultivos de Maíz y Soja previo a cosecha: oportunidades y limitaciones” http://www.cultivaragro.com.ar/capacitacione s/61_EstimacionRinde_1422981811.pdf iii) Procedimiento: En general los métodos directos de estimación de rinde se basan en muestreo de número de granos por unidad de área, estimándose un peso según las condicio- nes del cultivo y campaña. El peso es una fuen- te de error importante y es un factor que no puede estimarse con exactitud mucho tiempo antes de la cosecha. ¿Es posible reducir de manera simple la in- fluencia de estos factores en el error de esti- mación? Sí, es posible. La variabilidad origina- da en los puntos i y ii mencionados anterior- mente puede reducirse mediante el uso de sensores remotos. Las imágenes satelitales disponibles nos per- miten conocer, entre otras cosas, el nivel de cobertura verde de los cultivos a través del índice de vegetación (NDVI). Con éste índice se puede estimar el nivel de cobertura verde que tenía un cultivo en alguna fecha o período de- terminado. En estados avanzados del cultivo, este indicador está parcialmente asociado a la biomasa del cultivo, que está estrechamente relacionada con el rendimiento alcanzable. Pero, al mismo tiempo, es un indicador de las diferencias que el ambiente determinó sobre esa producción de biomasa en el lote. Si un sector del lote se encontraba estresado, anegado o con mayor nivel de enfermedades, por ejemplo, tendrá un menor NDVI que otro sector del lote sin estrés. El NDVI no es un indicador directo del nivel de rendimiento que se puede esperar en el culti- vo. Pocos algoritmos para estimar el nivel de rinde a partir de una imagen han mostrado ser confiables. Sin embargo, la imagen sí puede dar una idea del estado en el que se encontra- ba el cultivo en el momento evaluado. Es una
  • 3. decisiones 3 info@cultivaragro.com.ar | www.cultivaragro.com.ar Área: Tecnología Agrícola herramienta muy útil para comparar el cultivo dentro del mismo lote, con el mismo manejo, y ver las diferencias relativas en él (“sectores mejores” y “sectores peores”). Con las imáge- nes como herramienta, se puede i) delimitar zonas para dirigir los monitoreos a campo, ii) medir la superficie que abarca cada una de esas zonas y iii) ponderar los resultados de los monitoreos según la superficie que represen- tan para generar observaciones o resultados realistas del lote. ¿Qué tan difícil es analizar imágenes? No lo es tanto. Como todo proceso informático actual, hace falta familiarizarse con un software, obtener una imagen y desa- rrollar un proceso. Softwares: El procesamiento de imágenes se realiza con programas especiales, desarrollados para di- cho fin. Hay una amplia oferta de programas disponibles, algunos libres y otros pagos. En general se trabaja con varios de ellos según el proceso que se necesite realizar. Tabla 1. Detalle de algunos softwares de procesa- miento y visualización de imágenes satelitales Software Licencia Link descarga QGis Gratuito http://www.qgis.org/es/site/ gvSIG Gratuito http://www.gvsig.com/es SOPI Gratuito https://sopi.conae.gov.ar/ ArcGis Pago http://www.esri.com/softwar e/arcgis/explorer-desktop Una variable importante a la hora de elegir con que programa trabajar, para usuarios principiantes, es la disponibilidad de foros de ayuda y tutoriales, ya que estos son de gran utilidad explicando detalladamente como rea- lizar cada procedimiento. Imágenes: En la tabla 2 se resumen las principales carac- terísticas de algunas de las imágenes disponi- bles, que pueden ser útiles para el cálculo de NDVI. También hay disponibles imágenes de NDVI ya calculado (MODIS), éstas tienen la desventaja de tener una resolución espacial menor. Cada valor (pixel) representa una su- perficie de 250 x 250 metros (6,25 ha), que en lotes medianos o chicos es una limitante. En lotes grandes (>100 ha) y, para iniciarse en éstas metodologías es una herramienta muy valiosa. Tabla 2. Características de las algunas imágenes sate- litales disponibles. Satélite Sensor Resolución espacial (m) Resolución temporal (días) Acceso Landsat 5, 7 y 8 TM/ETM+/ OLI-TIRS 30x30 16 Gratuito http://earthexplorer.usgs.gov/ SPOT (5-7) HRVIR/ HRG 20x20 26 Pago http://www.geo- airbusds.com/es/441-imagenes-por- satelite-spot TERRA/ AQUA MODIS 250 x 250 1 Gratuito http://modis.gsfc.nasa.gov/ MODIS (producto NDVI) 250 x 250 16 Gratuito http://daacmodis.ornl.gov/cgi- bin/MODIS/GLBVIZ_1_Glb/modis_sub set_order_global_col5.pl Procesamiento: Luego de calcular los NDVI en el lote, se pue- den clasificar en categorías y graficar (Figura 1) <NDVI >NDVI Figura 1. NDVI clasificado en tres categorías sobre un lote de trigo del norte de Buenos Aires, a partir de una imagen Landsat 8, de Octubre de 2015. En Agosto el área recibió lluvias cercanas a 300 mm. El efecto de esas lluvias por anegamiento severo alcanzó 11% del área y se identifica en rojo dentro del lote. Con mues- treo sólo en las áreas verdes el rinde estimado fue de 4750 kg/ha, (17 % superior al rendimiento del lote). Considerando el área anegada en la estimación, el error sería sólo del 6%, 260 kg sobre el rendimiento medio real.
  • 4. decisiones 4 info@cultivaragro.com.ar | www.cultivaragro.com.ar Área: Tecnología Agrícola Si el lote tiene áreas definidas espacialmente de distintos niveles de NDVI podrán dirigirse los puntos de muestro u observación a cada categoría (ver puntos en Figura 1). La cantidad de muestreos en cada sección puede definirse en relación al área que ocupa. Una vez obte- nidos los rindes de cada sección se ponderan por la superficie de cada una para consolidar el rendimiento estimado del lote. Con esta metodología suele reducirse el nú- mero de monitoreo efectivos, ya que si se des- conoce la heterogeneidad del lote, se deberían realizar más muestreos para lograr la misma representatividad de datos o, aceptar un error de estimación mayor. Sin embargo, como el tiempo es escaso, el error frecuente es consi- derar al lote más homogéneo de lo que real- mente es (se ignoran las diferencias ambienta- les por simplicidad). En estos casos, el mues- treo dirigido a partir de imágenes podría llevar a aumentar el número de muestras respecto de la práctica usual, pero con reducciones sig- nificativas del error de estimación (Figura 2). Figura 2. NDVI de un lote de maíz en el norte de Bue- nos Aires. Muestreando en dos sitios del lote (sitio 1 y 3), asumiendo que el lote es homogéneo, la estima- ción de rendimiento fue de 6760 kg/ha, 21% mayor al rinde real del lote. Luego se analizó la imagen de NDVI, se delimitaron dos ambientes, y se calculó la superficie de cada uno. Se realizaron dos sitios de muestreo en cada ambiente y se ponderó la estima- ción por el área representada. En este caso el error se redujo a 11% sobre el rinde real (6230 kg/ha). Comentarios finales: Hay métodos simples, rápidos y económicos para reconocer el efecto de distintos factores sobre la variabilidad de los lotes y su efecto sobre el rinde de los cultivos. Las imágenes satélites pueden ser aliadas valiosas en este objetivo. Las mismas son cada vez más accesi- bles y se pueden procesar de manera más rá- pida y de una manera muy económica. Las estimaciones directas o indirectas del ren- dimiento de los cultivos siempre tendrán va- riabilidad y error. La cuestión es ¿cuánto error estoy dispuesto a aceptar en esas estimacio- nes? Ciertamente, ese valor de error tolerable puede ser distinto entre las diferentes empre- sas del sector y sus características físicas (su- perficie) o comerciales y operativas. En cual- quier caso, las herramientas analizadas en este trabajo han mostrado que es posible aumentar la exigencia y, reducir significativamente el error de las estimaciones de rendimiento de los cultivos extensivos.