Identificación de ambientes en el noreste santiagueño utilizando SIGs y teledetección

Desde la Chacra Sacháyoj exploraron e integraron diversos productos satelitales para comenzar a caracterizar los ambientes. En esta nota, comparten algunas experiencias.

Por: Morand, V. 1 ; Ruiz, A. 2 ; Peralta, N.R. 3 1 GTD, Chacra Sacháyoj 2 Sistema Chacras, AAPRESID 3 Bayer – Crop Science- MD LATAM

INTRODUCCIÓN

Con poco menos de 3000 habitantes, Sachayoj es una pequeña localidad del nordeste santiagueño donde la producción agrícola se ha convertido en la principal actividad económica. El desarrollo agrícola de la región es reciente, ya que la mayoría de las tierras destinadas a los cultivos extensivos se incorporaron a dicha actividad a fines de la década del 90 y comienzos del 2000 (Pértile, 2004).

Correspondiente a la región Chaco-Santiagueña, la zona se caracteriza por un clima sub-húmedo con una marcada estación seca en invierno. Las precipitaciones rondan el promedio de 800 mm anuales, concentradas en un 70% durante los meses de octubre a marzo, y la temperatura promedio anual es de 21,7 °C, alcanzando máximas sofocantes durante el verano de hasta 47 °C (Vizgarra et al., 2018). La demanda ambiental que deben enfrentar los cultivos es también muy elevada, alcanzando la evapotranspiración de referencia valores acumulados de 1800 mm al año (Boletta, 2001). Los suelos de la región son de origen aluvial-loéssico y se caracterizan por el predominio del limo y arcilla en su composición textural, estando en general muy bien provistos de materia orgánica, fósforo y bases (Vizgarra et al., 2018).

Cuando se planifica comenzar a producir en una zona que se desconoce, se busca la información que ya existe. Y la realidad es que, para esta zona desconocida por muchos hasta hace un par de décadas, la información disponible es escasa. Tal es así que no se cuenta con cartas de suelo 1:50.000 donde se encuentran ubicados los establecimientos de la Chacra. Sólo un lote de unas pocas hectáreas está incluido dentro de la carta de suelo de la sub-cuenca La Esperanza, mapeada recientemente por el equipo de INTA Quimilí (Vizgarra et al., 2018). En este contexto, un grupo de productores fundó la Chacra Sacháyoj con el objetivo de identificar y caracterizar los ambientes, para así poder ajustar prácticas de manejo adecuadas, y aumentar la sustentabilidad de los sistemas productivos.

Frente a esta situación, recurrimos a fuentes de información no tan usuales y que nos permitan abarcar grandes superficies con un bajo costo. Con las posibilidades que brindan las nuevas tecnologías y esta revolución de los datos que estamos viviendo, los productos de teledetección espacial aparecen como la alternativa más accesible para cumplir con el objetivo de comenzar a identificar y caracterizar los ambientes a nivel del grupo.

Se exploraron e integraron varios productos satelitales disponibles en la web, como así también los registros de producción con los que contaban los miembros de la Chacra, de cuyo procesamiento surgieron las siguientes “capas” de información:

Límites de lotes y establecimientos

Modelo digital de elevación (MDE)

Vías de escurrimiento

Vegetación Original

Índice de Vegetación Normalizada (NDVI)

Rendimientos normalizados

Se comenzó digitalizando los límites de lotes y establecimientos de los miembros de la Chacra utilizando el QGIS. Se digitalizaron un total de 242 lotes que, en algunos casos, se trata de campos completos que se trabajan como una sola unidad de manejo. En total, se contabilizaron 40.907 has, ubicadas en un radio de 60 km a la redonda de la localidad de Sacháyoj (Figura 1).

Figura 1 Límites de los lotes de los establecimientos trabajados por los miembros de la Chacra

Figura 2 (superior) Modelo digital de Elevación (MDE) de la zona de influencia de la Chacra

Figura 3 (inferior) Acumulación de flujo (HydroSHEDS) de la zona de la Chacra Sacháyoj.

2. MODELO DIGITAL DE ELEVACIÓN

Un modelo digital de elevación (MDE) es una representación visual y matemática de las cotas topográficas del terreno. En este caso, se utilizó el MDE que provee la misión satelital SRTM de la NASA y que posee una resolución espacial de 30 m por 30 m. El MDE permite caracterizar las formas del relieve y vislumbrar la posición en el paisaje de los lotes de los miembros de la Chacra (Figura 2). El rasgo más destacable lo constituyen dos “lomadas” muy suaves y de grandes extensiones con orientación N-S (en la imagen, al centro y con colores marrones más oscuros). Estas estribaciones del terreno son parte de las “Lomadas de Otumpa” (Rossello y Bordarampé, 2005) y desentonan con la llanura circundante que caracteriza a la región NEA, alcanzando 210 msnm. Según Contreras (2019) y Peri (2012), estas unidades geomorfológicas interrumpen el escurrimiento en sentido NO-SE típico de la zona, provocando la formación de vías de escurrimiento que modelan el paisaje.

La topografía tiene influencia sobre las características del suelo por su importante rol como factor formador del mismo. Varios autores han destacado su rol relacionado al rendimiento de los cultivos (Castro Franco et al., 2012; Mieza et al., 2016; Peralta et al., 2013; 2015), ya que influye en la dinámica de acumulación y escurrimiento de agua, como también en la deposición, arrastre o redistribución de las partículas del suelo (Córdoba et al., 2013; Peralta et al., 2013; 2015).

3. VÍAS DE ESCURRIMIENTO DE LA ZONA

A partir del MDE antes mencionado, es posible calcular cuál es la dirección teórica del movimiento del agua de escurrimiento y elaborar así un mapa de acumulación de flujo. Éste es el trabajo que ha hecho la World Wildlife Foundation, poniendo a disposición del público en general productos ya procesados derivados de la misión SRTM, llamados por sus siglas en inglés HydroSHEDS (Hydrological Data and Maps Based on Shuttle Elevation Derivatives at Multiple Scales).

Figura 4 Mosaico visible de la vegetación natural de la zona de la Chacra Sacháyoj con superposición de las vías de escurrimiento calculadas a partir del MDE.

En el caso particular de la Chacra Sachayoj (Figura 3), ésta información permite identificar las principales vías de escurrimiento de la zona, que coinciden (en base a la experiencia de los productores miembros y recorridas a campo) con los ambientes menos productivos (flechas rojas), donde los suelos son más pesados, con mayor densidad aparente, menor capacidad de almacenaje de agua y menor contenido de materia orgánica.

4. VEGETACIÓN ORIGINAL (1994-95)

El análisis de las imágenes satelitales de la vegetación natural, previa al inicio de producción de los lotes, permite identificar cómo se distribuía el tapiz vegetal. Como se puede observar en la Figura 4, el monte se alternaba con abras, las cuales, en muchos casos, coinciden con las principales vías de escurrimiento de la zona.

Trabajando en la zona, Peri (2012) encontró útil la interpretación de la distribución de la vegetación a través de imágenes satelitales para identificar paleocauces, bajos y lomas. Esto puede ser un indicio de que distinta vegetación natural se corresponde con diferencias en la dinámica del agua y características edáficas y, por lo tanto, diferentes ambientes. De hecho, se observan en algunos lotes de la Chacra que los ambientes marcados antes por la vegetación natural hoy se ven reflejados en imágenes NDVI de los cultivos con bastante similitud (Figuras 7 y 8).

5. ÍNDICE DE VEGETACIÓN NORMALIZA- DA (NDVI)

El Índice de Vegetación Normalizada (Rouse et al., 1973) se calcula a partir de la información brindada por instrumentos multiespectrales montados en los satélites. Su valor va de -1 a 1 y surge de la combinación de dos “bandas” espectrales, la del Rojo (RED) y la del Infrarrojo Cercano (NIR):

NDVI= NIR-RED NIR+RED

Este Índice arroja información importante sobre el estado y desarrollo de los cultivos ya que correlaciona muy bien con el índice de área Foliar, el vigor de los mismos y por lo tanto con el rendimiento. Por estos motivos, actualmente es ampliamente utilizado en agricultura (Peralta et al., 2016).

Con el objetivo de identificar zonas y lotes de los establecimientos de la Chacra Sacháyoj que presenten diferente productividad, se elaboró un mosaico libre de nubes promediando pixel a pixel el valor NDVI de las imágenes disponibles de los últimos 6 años en los meses de febrero y marzo, momento en que ubican el período crítico los cultivos estivales. Luego, se calculó el promedio de todo el lote y se representó con una escala que va del rojo al verde. Para esto, se utilizó la colección de imágenes Landsat 8 corregidas a reflectancia de superficie, de resolución de 30 m, disponibles en la plataforma Google Earth Engine.

Figura 5 (arriba) Promedio de NDVI de los lotes de la Chacra Sacháyoj.

Figura 6 (abajo) . Rendimiento normalizado promedio de los lotes de la Chacra Sacháyoj.

El NDVI promedio de cada lote permitiría identificar rápidamente y discriminar de manera grosera entre lotes en función del vigor de los cultivos para el período de análisis (Figura 5).

6. RENDIMIENTOS NORMALIZADOS

Por último, se incorporaron los registros de rendimientos de los lotes que llevan los productores en su trabajo cotidiano. Para ello, se normalizaron los datos de 6 campañas agrupándolos por cultivo y por campaña utilizando la siguiente fórmula:

Rendimiento normalizado=x-x

Se calculó el promedio por lote y se los representó con una escala de colores (Figura 6). El valor normalizado de rendimiento expresa de manera relativa la productividad de los lotes, mostrándose en color verde aquellos con mejores rendimientos a lo largo de los años y con rojo los peores. Se puede observar que los lotes atravesados por vías de escurrimiento naturales (flecha negra) exhiben menor rendimiento, así como los lotes ubicados en el Chaco, probablemente por una mayor cantidad de años bajo agricultura.

EL ANÁLISIS LOTE A LOTE

Una de las grandes ventajas de los Sistemas de Información Geográfica (software de computación empleado para el análisis de datos espaciales, SIG) es la posibilidad de integrar, visualizar y analizar distintas capas de información y a distintas escalas al mismo tiempo. Como ejemplo, se muestran dos lotes de establecimientos de la Chacra Sacháyoj dónde se puede ver con más detalles las distintas imágenes satelitales y cómo se relacionan entre ellas. Lo más remarcable de todo esto, es que a simple vista se puede ver como la topografía y la vegetación natural marcan los ambientes que luego se ven reflejados en el NDVI de los cultivos (Figuras 7 y 8). Estas herramientas son útiles también para distinguir aquellas zonas y lotes con mayor heterogeneidad de ambientes, donde probablemente un manejo diferenciado sea más exitoso que el manejo tradicional, de tratar al lote como una unidad homogénea.

Figura 7 (arriba) a) Imagen NDVI promedio de cultivos, b) Vegetación natural, c) Vías de escurrimiento, d) Modelo Digital de Elevación para un bajo del establecimiento El Estribo.

Figura 8 (abajo) a) Imagen NDVI promedio de cultivos, b) Vegetación natural, c) Vías de escurrimiento, d) Modelo Digital de Elevación, para un lote del establecimiento La Pradera.

COMENTARIOS FINALES Y PERSPECTIVAS

Los productos de teledetección son útiles para describir grandes superficies de manera relativamente rápida a nivel zonal, permitiendo explorar distintas variables que pueden ser de utilidad para identificar ambientes a grandes escalas o comprender la distribución de lotes y establecimientos en el paisaje. La tecnología y los datos hoy disponibles posibilitan la elaboración de un análisis “a medida” para una región, establecimiento o lote determinado. Para el caso de Chacra Sacháyoj, la altitud del MDE y el valor NDVI fueron las que mejor correlacionaron con el rendimiento.

Sin embargo, no hay que dejarse llevar por la facilidad y comodidad de estas técnicas de análisis y olvidarnos que lo importante sucede tranqueras adentro. Es fundamental, entonces, validar siempre a campo lo que se observa en los distintos productos satelitales para no incurrir en errores graves (que los hay) y, así, enriquecer aún más el entendimiento de los ambientes en los que producimos, determinados principalmente por las características del suelo.

Éste es el siguiente paso que se propone la Chacra Sacháyoj en su búsqueda de una agricultura más eficiente y sistemas productivos más sustentables, planificando muestreos de suelos que permitan sumar datos objetivos para la caracterización de esos ambientes y trabajando con la validación de diferentes prácticas de manejo como fertilización, densidad de siembra o esquemas de rotaciones para cada uno de los ambientes.

REFERENCIAS

• Boletta, P. (2001). Utilización de información agrometeorológica y satelital para la evaluación de la desertificación en el Chaco Seco - Departamento Moreno, Santiago del Estero. Tesis Magíster en Ciencias Agropecuarias, Mención Agrometeorológica, Facultad de Ciencias Agropecuarias, Universidad Nacional de Córdoba, 199.

• Castro Franco, M., Córdoba, M. A., Balzarini, M. G., & Costa, J. L. (2018). A pedometric technique to delimitate soil-specific zones at field scale. Geoderma, 322, 101-111.

• Contreras, F. I. (2019). La incidencia de las Lomadas de Otumpa sobre el escurrimiento superficial en las provincias de Chaco y Formosa (Rep. Argentina). Revista Huellas, 23(2), Instituto de Geografía, EdUNLPam: Santa Rosa. Recuperado a partir de: http:// cerac.unlpam.edu.ar/index.php/huellas

• Córdoba, M., Bruno, C., Costa, J., Balzarini, M. (2013). Subfield management class delineation using cluster analysis from spatial principal components of soil variables. Comput. Electron. Agric. 97 (0), 6–14.

• Mieza, M.S., Cravero, W.R., Kovac, F.D., Bargiano, P.G. (2016). Delineation of site-specific management units for operational applications using the topographic position index in La Pampa, Argentina. Comput. Electron. Agric. 127, 158–167. doi:10.1016/j. compag.2016.06.005

• Peralta, N. R., Assefa, Y., Du, J., Barden, C., & Ciampitti, I. (2016). Mid-Season High-Resolution Satellite Imagery for Forecasting Site-Specific Corn Yield. Remote Sensing, 8(10), 848.

• Peralta, N. R., Costa, J., Balzarini, M., Castro Franco, M., Córdoba, M., & Bullock, D. (2015). Delineation of management zones to improve nitrogen management of wheat. Computers and Electronics in Agriculture(110), 103-113.

• Peralta, N. R., Costa, J., M., B., & Castro Franco, M. (2013). Delineation of management areas with digital elevation models and soil depth. Journal of Science and technology of the Americas, 38(6), 1-7.

• Peri, G. (2012). Caracterización morfotectónica de las Lomadas de Otumpa (Gran Chaco, Santiago del Estero y Chaco): influencias en el control del drenaje. Tesis Doctoral en Ciencias Geológicas, 329.

• Pértile, V. (2004). Ampliación de la frontera agropecuaria chaqueña- El Oeste Chaqueño y el cultivo algodonero. Revista Geográfica Digital, UNNE, Facultad de Humanidades. IGUNNE. Resistencia, Chaco, Argentina, 1(1).

• Rosello, E. A., & Bordarampé, C. P. (2005). Las Lomadas de Otumpa: nuevas evidencias cartográficas de deformación neotectónica en el Gran Chaco (Santiago del Estero, Argentina). La Plata, Buenos Aires.

• Rouse, J., Haas, R., Schell, J., Deering, & D.W. (1973). Monitoring vegetation systems in the great plains with ERTS. Third ERTS Symposium, (págs. 309-317). NASA SP-351.

• Vizgarra, L., Moretti, L., & Schulz, G. y. (Edits.). (2018). Carta de suelos de República Argentina subcuenca “La Esperanza”, departamento Moreno, provincia de Santiago del Estero. Quimilí, Santiago del Estero, Argentina: Ediciones INTA. doi:ISBN 978- 987-521-924-3