Estimación de la fracción de cobertura vegetal en maíz a partir de información obtenida con sensores remotos
DOI:
https://doi.org/10.24850/j-tyca-14-05-08Palabras clave:
fracción de cobertura vegetal (FCV), índices de vegetación (IV), Landsat 8, radiómetro, CanopeoResumen
La fracción de cobertura vegetal (FCV) es una variable biofísica relacionada con la biomasa, el índice de área foliar y el coeficiente de cultivo, entre otros. Actualmente, con la amplia disponibilidad de imágenes satelitales, es posible estimar la FCV de forma extensiva usando índices de vegetación (IV). No obstante, es importante examinar la relación entre la FCV medida en campo y la estimada con imágenes satelitales para conocer su confiabilidad. El objetivo del presente estudio fue examinar la viabilidad de estimar la FCV utilizando diferentes IV (NDVI, SR, SAVI y MSAVI), calculados mediante información radiométrica e imágenes Landsat 8, y determinar las diferencias que existen al estimar la FCV con ambas fuentes de información. La información radiométrica se levantó en seis parcelas de maíz ubicadas en el municipio de Texcoco, Estado de México. Los resultados mostraron un buen ajuste de los IV calculados con información de campo cuando la FCV fue menor del 60 %. La correlación entre la FCV medida en campo y los índices estimados con imágenes satelitales tuvieron valores de R2 superiores a 0.78, siendo ligeramente mayor en el caso del NDVIL (R2 = 0.89), valor que sugiere un grado aceptable de ajuste. Se concluye que es viable estimar la FCV en un cultivo de maíz empleando imágenes espectrales de Landsat 8. El mejor ajuste entre los IV de campo y los IV calculados con datos de Landsat 8 para las condiciones de este estudio correspondió al NDVI.
Citas
Aparicio, N., Villegas, D., Casadesus, J., Araus, J. L., & Royo, C. (2000). Spectral vegetation indices as nondestructive tools for determining durum wheat yield. Agronomy Journal, 92(1), 83-91. DOI: https://doi.org/10.2134/agronj2000.92183x
Bocco, M., Ovando, G., Sayago, S., & Willington, E. (2013). Simple models to estimate soybean and corn percent ground cover with vegetation indices from modis. Revista de Teledetección, 39(39), 83-91.
Campos, I., Neale, C. M. U., López, M. L., Balbontín, C., & Calera, A. (2014). Analyzing the effect of shadow on the relationship between ground cover and vegetation indices by using spectral mixture and radiative transfer models. Journal of Applied Remote Sensing, 8(083562), 1-21. DOI: 10.1117/1.JRS.8.083562
Chavez, P. S. (1996). Image-based atmospheric corrections-revisited and improved. Photogrammetric engineering and remote sensing, 62(9), 1025-1035.
Chen, X., Guo, Z., Chen, J., Yang, W., Yao, Y., Zhang, C., Cui, X., & Cao, X. (2019). Replacing the Red Band with the Red-SWIR Band (0.74ρred + 0.26ρswir) can reduce the sensitivity of vegetation indices to soil background. Remote Sensing, 11(7), 851. DOI: https://doi.org/10.3390/rs11070851
Cuesta, A., Montoro, A., Jochum, A. M., López, P., & Calera, A. (2005). Metodología operativa para la obtención del coeficiente de cultivo desde imágenes satelitales. ITEA, 101, 212-224.
De-la-Casa, A. C., Ovando, G. G., Ravelo, A. C., Abril, E. G., & Bergamaschi, H. (2014). Estimating maize ground cover using spectral data from Aqua-MODIS in Córdoba, Argentina. International Journal of Remote Sensing, 35(4), 1295-1308. DOI: 10.1080/01431161.2013.876119
De-la-Casa, A., Ovando, G., Bressanini, L., Martínez, J., Díaz, G., & Miranda, C. (2018). Soybean crop coverage estimation from NDVI images with different spatial resolution to evaluate yield variability in a plot. ISPRS Journal of Photogrammetry and Remote Sensing, 146, 531-547. DOI: https://doi.org/10.1016/j.isprsjprs.2018.10.018
Gilabert, M., González-Piqueras, J., & García-Haro, J. (1997). Acerca de los índices de vegetación. Revista de Teledetección, 8. Recuperado de https://www.researchgate.net/publication/39195330_Acerca_de_los_indices_de_vegetacion/link/00b7d5187635eb5a1a000000/download
Huete, A. (1988). A soil-adjusted vegetation index (SAVI). Remote Sensing of Environment, 25(295-309). Recuperado de https://doi.org/10.1016/0034-4257(88)90106-X
Jiang, Z., Huete, A. R., Chen, J., Chen, Y., Li, J., Yan, G., & Zhang, X. (2006). Analysis of NDVI and scaled difference vegetation index retrievals of vegetation fraction. Remote Sensing of Environment, 101(3), 366-378. DOI: https://doi.org/10.1016/j.rse.2006.01.003
Jin, X., Li, Z., Yang, G., Yang, H., Feng, H., Xu, X., Wang, J., Li, X., & Luo, J. (2017). Winter wheat yield estimation base on multi-source medium resolution optican and radar imaging data and AquaCrop model using the particle swarm optimization algorithm. ISPRS Journal of Photogrammetry and Remote Sensing, 126, 24-37. DOI: https://doi.org/10.1016/j.isprsjprs.2017.02.001
Johnson, L. F., & Trout. T. J. (2012). Satellite NDVI assisted monitoring of vegetable crop evapotranspiration in California´s San Joaquin Valley. Remote Sensing, 4(2), 439-455. DOI: https://doi.org/10.3390/rs4020439
Jordan, C. F. (1969). Derivation of leaf-area index from quality of light on the forest floor. Ecology, 50(4), 663-666. DOI: https://doi.org/10.2307/1936256
Marcial, M. J., Ojeda, W., González, A., & Jiménez, S. (2017). Estimación de la cobertura vegetal usando imágenes RGB obtenidas desde un dron. III Congreso Nacional de riego y drenaje COMEII 2017, COMEI-17048.
Patrignani, A., & Ochsner, T. E. (2015). Canopeo: A powerful new tool for measuring fractional green canopy cover. Agronomy Journal, 107(6), 2312-2320. DOI: https://doi.org/10.2134/agronj15.0150
Paz, F. (2018). Estimación de la cobertura aérea de la vegetación herbácea usando sensores remotos. Terra Latinoamericana, 36(3), 239-259. DOI: https://doi.org/10.28940/terra.v36i3.399
Paz, F., Romero, M. E., Palacios, E., Bolaños, M., Valdez, J. R., & Aldrete, A. (2014). Alcances y limitaciones de los índices espectrales de la vegetación: marco teórico. Terra Latinoamericana, 32(3), 177-194. Recuperado de https://www.terralatinoamericana.org.mx/index.php/terra/article/view/22/20
Paz, F., Romero, M., Palacios, E., Bolaños, M., Valdez, J., & Aldrete, A. (2015). Alcances y limitaciones de los índices espectrales de la vegetación: análisis de índices de banda ancha. Terra Latinoamericana, 33, 27-49. Recuperado de http://www.scielo.org.mx/pdf/tl/v33n1/2395-8030-tl-33-01-00027.pdf
Pinty, B., & Verstraete, M. M. (1992). GEMI: A non-linear index to monitor global vegetation from satellites. Vegetation, 101, 15-20. DOI: https://doi.org/10.1007/BF00031911
Purevdorj, T., Tateish, R., Ishiyama, T., & Honda, Y. (1998). Relationships between percent vegetation cover and vegetation indices. International Journal Remote Sensing, 19(18), 3519-3535. DOI: https://doi.org/10.1080/014311698213795
Qi, J., Chehbouni, A., Huete, A., Kerr, Y., & Sorooshian, S. (1994). A Modified soil adjusted vegetation index. Remote Sensing of Environment, 48, 119-126. DOI: https://doi.org/10.1016/0034-4257(94)90134-1
Ren, H., Zhou, G., & Zhang, F. (2018). Using negative soil adjustment factor in soil-adjusted vegetation index (SAVI) for aboveground living biomass estimation in arid grasslands. Remote Sensing of Environment, 209, 439-445. DOI: https://doi.org/10.1016/j.rse.2018.02.068
Rondeaux, G., Steven, M., & Baret, F. (1996). Optimization of soil-adjusted vegetation indices. Remote Sensing of Environment, 55(2), 95-107. DOI: 10.1016/0034-4257(95)00186-7
Rouse, J. W., Hass, R. H., Schell, J. A., Deering, D. W., & Harlan, J. C. (1974). Monitoring the vernal advancement and retrogradation (greenwave effect) of natural vegetation. NASA/GSFC, Type III, Final report, Greenbelt, MD. (pp. 1-390). Recuperado de https://ntrs.nasa.gov/api/citations/19750020419/downloads/19750020419.pdf
Schlemmer, M., Gitelson, A., Schepers, J., Ferguson, R., Peng, Y., Shanahan, J., & Rundquist, D. (2013). Remote estimation of nitrogen and chlorophyll contents in maize at leaf and canopy levels. International Journal of Applied Earth Observation and Geoinformation, 25, 47-54. DOI: https://doi.org/10.1016/j.jag.2013.04.003
Song, W., Mu, X., Ruan, G., Gao, Z., Li, L., & Yan, G. (2017). Estimating fractional vegetation cover and the vegetation index of bare soil and highly dense vegetation with a physically based method. International Journal of Applied Earth Observation and Geoinformation, 58, 168-176. DOI: https://doi.org/10.1016/j.jag.2017.01.015
Venancio, L. P., Mantovani, E. C., Amaral, C. H., Neale, C. M. U., Gon çalves, I. Z., Filgueiras, R., & Campos, I. (2019). Forecasting corn yield at the farm level in Brazil based on the FAO-66 approach and soil-adjusted vegetation index (SAVI). Agricultural Water Management, 225 (105779). DOI: http://doi.org/10.1016/j.agwat.2019.105779
Zhang, Y., Smith, A. M., & Hill, M. J. (2011). Estimating fractional cover of grassland components from two satellite remote sensing sensors. Proceedings of 34th International Symposium on Remote Sensing of Environment (pp. 10-15). Sydney, Australia. Recuperado de https://www.isprs.org/proceedings/2011/isrse-34/211104015Final00252.pdf
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2023 Tecnología y ciencias del agua
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Por Instituto Mexicano de Tecnología del Agua se distribuye bajo una Licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional. Basada en una obra en https://www.revistatyca.org.mx/. Permisos que vayan más allá de lo cubierto por esta licencia pueden encontrarse en Política editorial
