MONITOREO SATELITAL PARA CULTIVOS Y APLICACIONES MULTITEMPORALES Y EN TIEMPO REAL PARA PASTURAS

AGRICULTURA

MONITOREO SATELITAL PARA CULTIVOS

Y APLICACIONES MULTITEMPORALES Y EN TIEMPO REAL PARA PASTURAS

Dr. Andrea Markos Monitoreo Satelital en Tiempo Real: La disponibilidad de imágenes satelitales cada 3-4 días con bandas ópticas del infrarrojo cercano e infrarrojo de onda corta, permite realizar el equivalente de una estimación de biomasa seca y de otros parámetros fisicoquímicos de los principales cultivos. Las dos funciones principales del monitoreo satelital consisten en monitorear la satisfacción de los requerimientos hídricos del cultivo y la aparición de plagas y enfermedades, generar alertas tempranas y determinar si estas se deben con más probabilidad a un déficit/exceso hídrico o a la aparición de plagas y enfermedades. De tal manera es posible intervenir tempranamente y corregir pequeños problemas que surjan. El monitoreo del requerimiento hídrico se utiliza incluso para automatizar el riego e inducir el estrés hídrico correcto que algunos cultivos necesitan en la etapa final de maduración de los frutos para obtener las características organolépticas deseadas. Existen además productos muy específicos para determinar el momento óptimo para la cosecha, con la estimación remota de la concentración de sacarosa en caña o los índices de madurez para cultivos frutales y de cosecha para cultivos herbáceos.

En el caso de las pasturas se monitorean parámetros bromatológicos y se estima la cantidad y calidad de las pasturas de todo el predio. Aunque en el Departamento de Santa Cruz cada año se pierda aproximadamente un 35% de información satelital óptica a causa de las nubes y sus sombras, el monitoreo satelital en tiempo real permite disponer de información detallada

a nivel de potrero y lote. Tan detallada como el gestor del predio la requiera para la toma de decisiones en tiempo real (cada 3-4 días). Normalmente las imágenes tardan entre 24 y 48 horas para estar disponibles.

Se realizó una validación de la herramienta con datos de biomasa seca, pesajes realizados durante 2019 por el asesor CREA-Bolivia Antonio Castillo con 43 pesajes útiles (correspondieron aproximadamente en fecha con la disponibilidad de imágenes sin nubes, obtenidas estas últimas entre uno y tres días antes del pesaje). Se logró una precisión del 81% de la estimación realizada por satélite. El error generado por el algoritmo utilizado para calcular biomasa seca a partir de las imágenes resultó algo amplificado por no coincidir exactamente las fechas de sobrevuelo con las mediciones en campo y tiende a magnificarse en los extremos inferiores y superiores. Este error de estimación se suele atribuir a la saturación del infrarrojo cercano en caso de valores muy altos o bajos. Las estimaciones realizadas en campo se realizaron tomando en cuenta una altura de corte del pasto para un “pastoreo selectivo”, donde el animal escoge que parte del pasto consume y esta suele ser la parte superior, con una altura de corte variable de acuerdo con el manejo. Por el contrario, el algoritmo fue desarrollado a partir de un corte casi total, más ajustado entonces al “pastoreo no selectivo” severo o “total”. Aun así, el ajuste fue aceptable con una precisión (r cuadro) del 81%, lo cual está generalmente aceptado en la literatura especializada. Para el desarrollo del servicio que aquí se presenta se utilizaron estudios científicos que mostrasen esta precisión o superior.

Los errores de la estimación satelital más significativos se generaron en los extremos el 23 de diciembre 2019 y el 20 de mayo 2019, con un error promedio de ±100 kg de materia seca por hectárea, y ±90 kg si ignoramos los dos errores más graves realizados por la estimación satelital. Aun con este tipo de error la precisión obtenida resulta aceptable, considerando la eficiencia de poder generar información tan sustancial para miles de hectáreas al mismo tiempo, sin necesidad de llegar al campo. AGRICULTURA

El ajuste fue aceptable con una precisión... del 81%, lo cual está generalmente aceptado en la literatura especializada

AGRICULTURA

El porcentaje de sacarosa se puede estimar con elevada precisión para la caña, con el fin de maximizar el rendimiento en la etapa de cosecha, pero para consumo animal la EM resulta ser más informativa

La fenología de las pasturas responde al saldo hídrico (disponibilidad de agua), la calidad del suelo y al manejo, de tal manera que se puede graficar el comportamiento de los parámetros de calidad de pasto en cada estación del año y visualizar su relación con la disponibilidad de biomasa seca. A continuación, se muestra la evolución estacional entre octubre 2019 y octubre 2020 del promedio de biomasa seca (kg/ha), energía metabolizable (se calcula como diferencia entre energía disponible en el pasto consumido por el ganado y energía residual contenida en el estiércol y se expresa como kcal/kg de biomasa seca) y porcentajes en peso de la proteína bruta (derivada de la concentración de nitrógeno foliar) y de la fibra detergente neutro (lignina, celulosa, hemicelulosa, etc. aquella porción de biomasa seca que NO es asimilable por el ganado y hace el pasto poco palatable y digerible). El residuo está compuesto por agua, carbohidratos simples: sacarosa, glucosa, etc. parámetros estimados indirectamente y de forma más relevante para la nutrición animal por la Energía Metabolizable (EM).

El porcentaje de sacarosa se puede estimar con elevada precisión para la caña, con el fin de maximizar el rendimiento en la etapa de cosecha, pero para consumo animal la EM resulta ser más informativa)y otros nutrientes que por el caso no se están tomando en consideración. El estatus nutricional del ganado depende de la calidad del pasto y no tan solo de su cantidad, abajo se muestra el comportamiento de una muestra aleatoria con significatividad del 95% y un error del 10%: 95 de las 15.725 hectáreas de pasturas que abarca 17 propiedades en un área geográfica muy diversa (no es representativo de un predio en particular) del Grupo CREA-Bolivia NORESTE que representan más del 70% de las hectáreas de pasturas actualmente bajo monitoreo satelital en tiempo real en el Departamento de Santa Cruz.

Como se puede observar el comportamiento de todos los parámetros varia de una manera bastante sincronizada con un mínimo anual ocurrido en septiembre 2020 y un máximo registrado entre diciembre 2019 y febrero 2020. Si graficamos en las tres dimensiones 1. la energía metabolizable, 2. La proteína bruta y 3. La fibra detergente neutro, las muestras se alinean revelando el consenso entre los tres “asesores expertos”. La recta roja en el siguiente grafico puede interpretarse como una síntesis de los parámetros de “calidad” de las pasturas. Mas parámetros se pueden incluir para sintetizar toda la información en definiciones de calidad cada vez mas precisas y completas. Esta técnica de análisis y síntesis de datos es también llamada análisis de la estructura latente (AEL) y permite cuantificar algo complejo y multidimensional como la “calidad” de pasturas calculando el consenso entre distintos índices, construyendo un índice compuesto. La nube de puntos representa todas las muestras satelitales de las 95 hectáreas de pasturas de cada uno de los últimos 12 meses:

AGRICULTURA

El servicio de monitoreo satelital de pasturas genera las siguientes capas de información, constantemente actualizadas a nivel de todo el predio y de cada lote/potrero: 1. MS: Materia Seca (kg/ha) 2. EM: Energía Metabolizable kcal por kg de MS 3. PB%: % de Proteína Bruta por kg de MS 4. FDN%: % de Fibra Detergente Neutro por kg de MS 5. Síntesis: síntesis de calidad y cantidad 6. Gravimetría: El porcentaje de agua en los primeros 5 cm del suelo

Aplicando el AEL a toda la muestra, y agregando a los parámetros de calidad de las pasturas el cuarto parámetro monitoreado: biomasa seca (kg/ha), se evidencia como toda la información ha sido resumida en un solo mapa de calidad y cantidad del pasto, para una interpretación más inmediata y operativa. Destaca una cicatriz de quema con áreas de rebrote en los potreros 14B, 13C y 13D.

Y para contar con información más operativa se calculan los valores promedio de cada parámetro por unidad lote o potrero y se los organiza de “mejor” a “peor”. Se califica la información disponible calculando la pérdida informacional debida a nubes y sombras y se multiplica la biomasa seca y las kilocalorías metabolizables disponibles en cada potrero. Esta última operación conlleva un incremento del error de estimación en cuanto se multiplican también los errores de cada estimación por separado. AGRICULTURA

AGRICULTURA

Para fines de monitoreo satelital de cultivos, experiencias recientes en el diseño de seguros agrícolas han demostrado que la humedad del suelo es el mejor predictor del desempeño de la campaña

Monitoreo Satelital Multitemporal: Para fines de monitoreo satelital de cultivos, experiencias recientes en el diseño de seguros agrícolas han demostrado que la humedad del suelo es el mejor predictor del desempeño de la campaña (WFP, IFAD, 2017). El monitoreo de la humedad del suelo a nivel del campo (resolución 10m, frecuencia cada 12 días) tiene una relevancia fundamental para evaluar la capacidad productiva del mismo, alertar sobre estrés del cultivo y posible sobrecarga animal. Por ejemplo, el siguiente gráfico, muestra la evolución de la gravimetría promedio de aprox. 470 hectáreas de potreros de otra propiedad, durante tres años (agosto 2017 – octubre 2020). Destaca un mínimo histórico alcanzado durante la sequía de 2019 en el Municipio de Concepción y el principio de la reactivación de la producción de pasturas en octubre 2020.

El manejo en este predio es claramente extensivo ya que es posible identificar máximos y mínimos en correspondencia con las dos épocas: lluviosa y seca. El repunte registrado en octubre 2020 es coherente con las expectativas para la región y permite pronosticar el rebrote del pasto.

Por otro lado, el siguiente grafico muestra la evolución de la gravimetría promedio de aprox. 300 hectáreas de potreros de otra propiedad, durante tres años (agosto 2017 – octubre 2020). Los ciclos de acumulo de humedad (y biomasa aérea procedente de ella) estuvieron en tendencia ascendente hasta principios de 2020 para posteriormente ingresar a una etapa de estrés, cuyas causas deben averiguarse en terreno. La presencia de picos en diferentes épocas del año informa sobre el manejo intensivo realizado en el predio, ya que la humedad del suelo resultó ser mayormente afectada por la cobertura vegetal que por las precipitaciones. La señal que se genera a partir de esta grafica es claramente de reducción de la carga animal alimentada directamente a pasto, ya que las mediciones de octubre no muestran incremento en la humedad de suelo comparadas con septiembre.

AGRICULTURA

AGRICULTURA

El monitoreo de estos parámetros es revelador acerca del estado de salud de un sistema agrícola o ecológico

El análisis de series históricas por satélite permite realizar diagnósticos que se extienden sobre múltiples años ya que el análisis de una sola o pocas imágenes puede generar impresiones parciales y sesgadas de la productividad y del potencial de un predio. El costo asociado a la acumulación y análisis sistemático de múltiples imágenes es una actual limitación del monitoreo de predios con drones.

La Eficiencia en el Uso del Agua (EUA) se calcula como la producción primaria neta anual (PPNA) dividida por la cantidad de agua evaporada y transpirada (ET) que recorrió un ciclo a través de un sistema agrícola o ecológico, utilizada por éste para producir biomasa aérea. La EUA se expresa a menudo como kg de materia seca producida por milímetro mm de agua evaporada y transpirada por el sistema. Sigue la fórmula para el monitoreo del requerimiento hídrico en cultivos (FAO-AQUACROP ; Steduto et al. 2012):

EUA = Eficiencia en el Uso del Agua PPNA = Producción Primaria Neta Anual ∑ET = Evapo-transpiración acumulada

El monitoreo de estos parámetros es revelador acerca del estado de salud de un sistema agrícola o ecológico. Podemos monitorear la productividad de un potrero en términos de PPNA (máximos anuales) y ver que la misma aumenta o disminuye en el tiempo. En el ejemplo de aquí abajo se puede observar una tendencia favorable entre 2000 y 2019, utilizando la metodología aprobada por las Naciones Unidas para el monitoreo del Objetivo de Desarrollo Sostenible 15.3.1. “Productividad de la Tierra” (UNCCD, 2017). El segundo grafico también muestra una tendencia favorable, es la evapotranspiración a nivel del predio estimada por satélite. La pendiente de la recta de tendencia en la eficiencia en el uso del agua (PPNA /∑ET) permite determinar que el aumento en la productividad primaria neta se explica por la mayor disponibilidad de agua que pudo realizar su ciclo a través del sistema. Podemos así determinar la significatividad de los cambios en la productividad observados a nivel del predio (y de pixel individualmente) entre 2000 y 2019 y atribuirlos mayormente a un origen natural, no antrópico. Sigue la imagen de un predio afiliado al grupo CREA-Bolivia MOMBAY:

Ilustración 1: Significatividad de la tendencia en la EUA de las pasturas, 2000-2019

Tanto la humedad del suelo como la productividad de biomasa en los potreros representan variables fundamentales para identificar zonas que requieren de alguna intervención especializada para corregir las causas de una menor productividad. Mapear la productividad de un campo sirve entonces para identificar zonas de menor rendimiento, compactación de sue-

los, carencia de algún nutriente, mal drenaje o excesiva porosidad, mal funcionamiento del sistema de riego, encharcamiento, etc. Algunas causas de bajo rendimiento se pueden determinar por satélite (encharcamiento recurrente 1986-2020, frecuencia de incendios, salinización de suelo, etc.). Un correcto muestreo satelital permite generar un diagnostico muy preciso que orienta espacialmente a los expertos sectoriales, quienes finalmente determinan las soluciones en campo.

Los siguientes mapas son el resultado del análisis de tres años (oct 2017-oct 2020) de imágenes satelitales con resolución a 10m y permiten identificar el estado más probable de la cobertura vegetal y de la humedad del suelo (gravimetría: porcentaje de agua en el suelo por unidad de volumen). La humedad del suelo depende de lo precipitado, menos lo evapotranspirado, infiltrado y escurrido: el saldo hídrico en los primeros 5 cm de suelo (zona radicular para cultivos herbáceos). Un suelo con poca humedad es menos productivo y a la vez un suelo con poca biomasa aérea (poca cobertura vegetal) se seca más rápidamente porque queda mayormente expuesto al sol y al viento.

1. Mediana de la biomasa seca con 36 muestreos mensuales (216 imágenes, 10m res) 2. Mediana del % de humedad del suelo con 36 muestreos mensuales (108 imágenes, 10m res) 3. 10% menos productivo y a la vez 10% menos húmedo

Para más información sobre el servicio de monitoreo satelital: Dr. Andrea Markos +591 61584559.

Obras citadas: IFAD, WFP, 2017.Remote Sensing for Index Insurance: Findings and Lessons Learned for Smallholder Agriculture. ISBN 978-92-9072-773-6

Steduto, P., Hsiao, T.C., Fereres, E., Raes, D., 2012. Crop Yield Response to Water. FAO Irrigation and Drainage Paper Nr. 66. Rome, Italy

UNCCD, 2017. Sims, N., C., Green, C., Newnham, G., J., England, J., R., Alex Held, A., Wulder M., A., Herold, Macon, S., J., D., Huete, A., R., Kumar, L., Viscarra-Rossel, R., A., Roxburgh, S., H., McKenzie, N., J., 2017. Good Practice Guidance SDG Indicator 15.3.1 Proportion of land that is degraded over total land area. Version 1 AGRICULTURA

Un suelo con poca humedad es menos productivo y a la vez un suelo con poca biomasa aérea (poca cobertura vegetal) se seca más rápidamente porque queda mayormente expuesto al sol