6 presentación omar valverde

Efecto de la variabilidad del suelo sobre el NDVI en el cultivo de arroz en el diseño de un seguro agrícola indexado para sequia Foro mundo UNIGIS 2017 17 noviembre 2017 Autores: Omar Valverde Arias, Ana María Tarquis, Alberto Garrido, Francisco Carreño y Antonio Saa

1. Introducción • Implementación de un seguro agrícola indexado para sequia en el cultivo de arroz • Índice de vegetación de diferencia normalizada (NDVI) para monitorear la ocurrencia de sequia en el cultivo de arroz • El índice debe correlacionar con exactitud con las pérdidas ocurridas en el cultivo por efecto de la sequía, para evitar el riesgo base • Evaluamos una metodología de muestreo estratificado de NDVI que considera la variabilidad del suelo encontrada en el área de estudio 1/14

2. Objetivos • Establecer una metodología de muestreo de NDVI que permita obtener una lectura del índice de ocurrencia de sequia representativa en toda el área de influencia del seguro • Reducir tanto como sea posible el riesgo base en una eventual implementación de un seguro agrícola indexado para sequia 2/14

3. MetodologĂ­a

Ubicación del área de estudio Sudamérica Ecuador Cantón Babahoyo: 109,391 ha Cultivo de arroz: 46,556 ha

3/14

Datos: Inputs

Detalle

Mapa de Zonas Agroecológicas Homogeneas (ZAH) Mapa áreas cultivadas con arroz 2015 Producto: MODIS MOD13Q1V6 Layers: 250m_16_days_NDVI (140), 250m_16_days_red_reflectance (14), 250m_16_days_blue_reflectance (14), 250m_16_days_NIR reflectance (14) y 250m_16_days_MIR reflectance (14)

1: 250,000

SIG software

Arc Gis 10 x

1: 25,000 Resolución: Espacial 250 m/pixels Temporal 16 días Radiométrica 16 bits

4/14

Muestreo estratificado

13 ZAH

7 ZAH 5/14

AHZ f4 f6 f7 f11 f15 f18 f22

% 3,8 3,8 36,8 1,1 53,9 0,1 0,4

f7 and f15 91 %

6/14

Base de datos

NASA LP DAAC MOD13Q1: MODIS/Terra Vegetation Indices 16-Day Down load (140 hdf) We projected Imagery to reference system WGS84; Zone 17 South Multiplied pixel values by scaling factor 0.0001

Statistical analysis

Database .dbf

Extract NDVI, red, blue, NIR MIR values by point shapefile

Values 0-1 7/14

8/14

Análisis estadístico Se realizó los estadísticos descriptivos, un ANOVA para evaluar las diferencias entre ZAH para las variables rojo, azul, NIR y MIR. Un ANOVA con factores de variabilidad: ZAH y años, para la variable NDVI_ave. También se corrió el test (LSD) de las medias de cada ZAH para las variables analizadas Además, se evaluó varias densidades de muestreo: 30, 25, 20, 15, 10 y 5% del área total de estudio para lo cual se realizó un ANOVA con factores de variabilidad: densidades de muestreo y ZAH

9/14

4. Resultados y discusiรณn

ANOVA para reflectancia de rojo, azul, NIR y MIR Source

Inter-groups Intra-groups TOTAL (CORRECTED) Inter-groups Intra-groups TOTAL (CORRECTED) Inter-groups Intra-groups TOTAL (CORRECTED) Inter-groups Intra-groups TOTAL (CORRECTED)

Square sum

F.D.

0.610487 52.4279

Red 1 4489

53.0383

4490

1.34983 57.1366

NIR 1 4489

58.4864

4490

1.17421 53.9605

Blue 1 4489

55.1348

4490

0.00336925 21.2205

MIR 1 4489

21.2239

4490

Mean square

F-Ratio

P-Value

0.610487 0.0116792

52.27

0.000

1.34983 0.0127281

106.05

0.000

1.17421 0.0120206

97.68

0.000

0.00336925 0.00472723

0.71

0.3985

10/14

11/14

ANOVA para NDVI_ave Source

Sum of squares

F.D.

Mean square

F-Ratio

P-Value

2.55527 92.0745

1 13

2.55527 7.08266

299.17 829.24

0.000 0.000

11.8439 223.129

13 26124

0.911069 0.00854117

106.67

0.000

324.689

26151

MAIN EFFECTS A:Zones B:Years ITERACTIONS AB RESIDUES TOTAL (CORRECTED)

Slope Clay Effective depth pH Organic matter Temperature Precipitation Soil Classification*

Zone f7 0-5% >50%

Zone f15 5-12% 35-50%

50-100 cm

>100 cm

5.6-6.5 2-4% 24-25 ยบC 500-700 mm Typic Hapluderts

6.6-7.4 2-4% 24-25 ยบC 700-900 mm Vertic Eutrudepts

*According to USDA Soil Taxonomy (Soil Survey Staff, 2014)

12/14

ANOVA para densidades de muestreo Source

Sum of squares

F.D.

Mean square

F-Ratio

P-Value

0.0322609 5.80211

5 1

0.00645218 5.80211

0.52 470.96

0.7585 0.000

0.0920502 1127.5

5 91520

0.01841 0.0123197

1.49

0.1879

1136.13

91531

MAIN EFFECTS A: Sampling density B:Zones INTERACTIONS AB RESIDUES TOTAL (CORRECTED)

13/14

5. Conclusiones •La evaluación de suelos en el diseño de muestreo de NDVI es muy recomendable para obtener lecturas del índice de ocurrencia de sequia mas representativos en la implementación de un seguro agrícola indexado •El muestreo estratificado propuesto, que establece un nuevo nivel de segregación a través de las ZAH ha discriminado la variabilidad encontrada en el área de estudio de una manera mas precisa •Fijar umbrales de pérdidas o valores de primas diferenciados para cada ZAH (f7 y f15) cuando estas son estadísticamente diferentes permite reducir el riesgo base 14/14

Gracias por su atenciรณn omar.varias@alumnos.upm.es; anamaria.tarquis@upm.es; alberto.garrido@upm.es; antonio.saa@upm.es; francisco.carreno@urjc.es