Introducción
Los sensores remotos permiten obtener información del estado de la vegetación de la superficie terrestre con tiempos de revisita cortos, de días a meses, y con capacidades de muestreos espaciales exhaustivos con diferentes resoluciones. En esta perspectiva, el uso de esta tecnología permite generar mapas dinámicos de la vegetación para diferentes usos.
Las variables biofísicas asociadas a la vegetación, tales como la cobertura aérea foliar (fv), el índice de área foliar (IAF) o la biomasa aérea (B) pueden ser usadas para sintetizar el estado y crecimiento de la vegetación en forma adecuada, de tal forma que se pueden generar modelos biofísicos para diferentes aplicaciones (Goudriaan, 1977; Ross, 1981). El uso de los sensores remotos para estimar variables biofísicas permite reducir significativamente los costos asociados a muestreos en campo, siempre y cuando las relaciones establecidas entre los datos espectrales y los biofísicos sean robustas y estables en el tiempo.
Los sensores remotos, en plataformas espaciales o a nivel de campo, miden las interacciones de la vegetación con la radiación solar en las diferentes bandas electromagnéticas (sensores ópticos), de tal manera que captan información que puede utilizarse para estimaciones de variables biofísicas (Bunnik, 1978; Ross, 1981; Pinty et al., 2004). La liga entre estas variables y la transferencia de radiación es función de lo que los sensores remotos pueden medir. En los procesos de transferencia de radiación los datos espectrales son función de las interacciones con la atmósfera y con el medio suelo-vegetación. Sin considerar las interacciones atmosféricas, la información espectral es función de la vegetación a la escala de un pixel o parcela (cobertura aérea, índice de área foliar, distribución angular del follaje de las plantas, agrupamiento espacial de las hojas o racimos de éstas, propiedades ópticas de las hojas, principalmente) y del fondo de la vegetación (propiedades ópticas del suelo o mezcla suelo-vegetación en la parte inferior); además de la geometría sol-sensor (Bunnik, 1978; Ross, 1981; Huete et al., 1985). En este sentido, las observaciones de los sensores remotos dependen de múltiples y complejas interacciones del medio suelo-vegetación, por lo que, en general, es complicado extraer información biofísica (Baret y Guyot, 1991).
En términos estructurales (geometría de la distribución de la vegetación en un pixel o parcela), los sensores remotos captan información relacionada con el follaje (la parte fotosintética en las bandas fotosintéticamente activas y la estructural del mesófilo foliar en los infrarrojos, más otras variables asociadas), por lo que es importante conocer los alcances y limitaciones de la tecnología (Paz et al., 2007 y 2015). Una variable típica usada en las relaciones entre los datos espectrales y la estructura de la vegetación es el IAF, con el uso de diferentes aproximaciones en relación a su definición. Un problema asociado con el IAF es que típicamente esta variable no es suficiente para caracterizar la distribución espacial del follaje, por lo que se requiere de la cobertura aérea para tener información completa (Specht y Specht, 1989; Paz et al., 2011). Por un lado, el IAF es determinado en campo a nivel global (superficie de una cara de las hojas en relación a la superficie del terreno) por lo que existe un número grande de posibles arreglos geométricos de las plantas en la parcela que generan un mismo IAF (Paz et al., 2013). Con el uso del IAF a escala de plantas individuales (IAF local), lo que generalmente se mide en campo, más la cobertura de la vegetación o del suelo (entre el dosel del follaje de las plantas individuales), es posible tener información completa del follaje y su distribución espacial en un pixel o parcela (Carlson y Ripley, 1997; Paz et al., 2013). Al contrario del IAF (global), la cobertura aérea foliar o fv, es una variable global más adecuada para caracterizar a la vegetación (Specht, 1972; Carlson y Ripley, 1997; Specht y Specht, 1989; Paz et al., 2013). En este caso, la fv está definida como la cobertura del follaje visto a nadir por un sensor, también denominada cobertura proyectiva foliar (Specht y Specht, 1989), por lo que tiene información del follaje de las plantas individuales y de su distribución espacial. La cobertura proyectiva foliar (densidad del follaje) es una variable crítica en las interacciones atmósfera-vegetación-suelo en procesos ecológicos e hidrológicos (Specht, 1972; Eagleson, 1982).
Con la perspectiva de la estimación de fv de la distribución del follaje en un pixel o parcela, en este trabajo se revisa el uso de los datos espectrales para este fin, además de la revisión de la relación entre el IAF y la fv. Los desarrollos teóricos que fundamentan la estimación de fv son revisados en función de diferentes bases de datos experimentales, para analizar su robustez y estabilidad en el tiempo y espacio.
Materiales y Métodos
Los sensores remotos pueden tomar datos de radiancias (reflectancias) en diferentes bandas espectrales, que en el espectro electromagnético de onda corta van de 400 a 2500 nm, generalmente. En las aplicaciones asociadas a caracterizar el medio suelo-vegetación típicamente se utilizan las bandas del rojo (R) e infrarrojo cercano (IRC), dado el alto contraste de estas bandas para diferenciar la vegetación del suelo (Richardson y Wiegand, 1977; Tucker, 1979). Este par de bandas espectrales están disponibles en la gran mayoría de los satélites comerciales o gratuitos, así como en radiómetros espectrales de campo, por lo que en adelante la discusión estará centrada en estas bandas.
Patrones espectrales del crecimiento de la vegetación
Los procesos de transferencia de radiación en el medio suelo-vegetación pueden ser aproximados de diferentes maneras para su análisis y comprensión. Para poder generar simulaciones de radiación, un primer paso es establecer la condición de frontera, la cual está definida por el caso de suelo desnudo (IAF = 0, fv = 0). En una determinada región o espacio, las reflectancias de los suelos presentan un patrón lineal de variación conocido como línea del suelo (Baret et al., 1983), que permite introducir simetrías en las simulaciones de radiación. La Figura 1 muestra una línea con seis suelos con propiedades ópticas (reflectancias) diferentes, que pueden estar asociadas a condiciones de humedad del suelo, rugosidad superficial, contenido de materia orgánica, óxidos de hierro; principalmente (Baumgardner et al., 1985).
A la escala de pixeles individuales, los cambios en las reflectancias del suelo, principalmente por cambios en la humedad del mismo o prácticas de labranza en cultivos agrícolas, se reflejan en un movimiento en la línea del suelo. Así, para un suelo claro (S11 en la Figura 1), su humedecimiento modifica su posición al punto definido por S9. Al secarse el suelo, se regresa al punto S11. Para un suelo oscuro (S12 en la Figura 1), el patrón va de S12 a S2y, al secarse, de S2 a S12 (Baumgardner et al., 1985; Paz et al., 2005). De esta forma, en lo siguiente la discusión de simulaciones de radiación estará orientada a suelos claros y oscuros, para considerar el patrón completo, en los extremos, de variabilidad en las propiedades ópticas de los suelos.
La Figura 2 muestra los patrones espectrales del crecimiento de un cultivo en el espacio del rojo (R) y del infrarrojo cercano (IRC), discutidos ampliamente en Paz et al. (2005 y 2007), con el uso del modelo 1-D de transferencia radiación SAIL (Verhoef, 1984).
El modelo SAIL usa una aproximación de medio turbio (Ross, 1981) unidimensional que consiste en un medio semi-infinito compuesto por fitoelementos infinitesimales, sin sombreado entre ellos. En la realidad, modelos 3-D, la distribución del follaje tiene patrones más complejos y la aproximación de medio turbio está limitada. No obstante, lo anterior, las simulaciones 3-D de modelos de transferencia de radiación tienen patrones similares a los mostrados para el caso 1-D (Gao et al., 2000), por lo que los patrones unidimensionales pueden ser convertidos a tridimensionales a través de transformaciones lineales (Pinty et al., 2004). En esta situación, los parámetros de los modelos 1-D son considerados como efectivos con el concepto de medios equivalentes (Pinty et al., 2004; Paz et al., 2013). La Figura 3 muestra los patrones espectrales de mediciones en campo de diferentes propiedades ópticas de los suelos y de un cultivo de algodón (Huete et al., 1985), donde se observan patrones similares a las simulaciones de radiación.
Para el caso de cultivos agrícolas o vegetación herbácea, si se unen los valores de igual IAF o fv (iso-IAF o iso-fv) de cada curva de igual suelo (iso-Suelo), se obtiene un patrón cuasi-lineal. Esto es congruente con la información de campo y con otras aproximaciones teóricas (Huete et al., 1985; Yoshioka et al., 2000). En realidad, la curva de iso-IAF corresponde a un comportamiento tipo parabólico, que si no se consideran suelos muy claros, resulta en una línea recta (Paz et al., 2014 y 2015). Así, un estado de crecimiento de un cultivo (IAF) se refleja en una línea recta, independientemente del tipo de suelo de fondo en el cultivo. La pendiente e intersección de las líneas rectas de iso-IAF varían con el valor del IAF, como se observa en las Figuras 2 y 3. La inclinación (pendiente) de las rectas de iso-IAF parte desde una pendiente igual a la de la línea del suelo (IAF = 0) y aumenta hasta alcanzar un ángulo de 90° en el sentido contrario a las manecillas del reloj. Esta última condición corresponde al caso de saturación de la reflectancia de la banda del R (R∞), representada en la Figura 2 como los valores de reflectancia arriba del ápice del “sombrero de tres picos” o envolvente (IAF > 3 en la Figura 2). Los patrones de los espacios espectrales IRC-Visible (azul, verde y rojo) son similares para todas las bandas del espectro visible, dado que hay una relación lineal entre estas bandas (Paz et al., 2005 y 2015). En consecuencia, no existe razón aparente, salvo el de la rapidez de saturación de las bandas, para preferir una banda visible en particular. Todas las curvas de iso-Suelos convergen al mismo punto de saturación de las bandas visibles. En realidad, el sombrero de tres picos tiene una línea recta como ápice, ya que cuando una banda visible se satura el IRC no lo hace y sigue creciendo hasta su propio punto de saturación (IRC∞). Esta propiedad es muy importante para el diseño de algoritmos de índices de la señal del suelo y de la vegetación, además refleja la condición física obvia de que una superficie cubierta completamente por un cultivo se ve desde arriba como un cultivo denso y no como una mezcla de suelo-cultivo, por lo que ópticamente es un medio denso (Ross, 1981).
La estimación de fv con el uso de sensores remotos ha sido aproximada mediante el análisis espectral de mezclas para extraer la variable biofísica de interés (van Leeuwen et al., 1997), redes neuronales calibradas en función de los patrones de la Figura 2 (Baret et al., 1995), soluciones numéricas y estadísticas de los patrones de la Figura 2 (Paz et al., 2006a; Kallel et al., 2007) o con índices de vegetación (IV), principalmente. Los IV utilizados han sido numerosos para aproximar fv o IAF (Huete, 1988; Carlson y Ripley, 1997; Purevdorj et al., 1998; Gitelson et al., 2002; Paz et al., 2007 y 2011; Odi et al., 2010; Reyes et al., 2011; Pascual et al., 2012; Romero et al., 2009; Villa et al., 2014). Uno de los índices más utilizados es el NDVI = (IRC-R)/(IRC+R) (Rouse et al., 1974), el cual ha sido comparado con simulaciones de radiación y mediciones de campo para analizar su relación con fv o IAF (Baret et al., 1995; Carlson y Ripley, 1997; Purevdorj et al., 1998). Los resultados de estos análisis muestran relaciones no lineales y con dispersión grande, particularmente cuando se varían las propiedades ópticas de las hojas y su distribución angular. Paz et al. (2007 y 2015) analizan una gran cantidad de índices de vegetación, incluido el NDVI, y señalan que este último es uno de los peores para ser usado en las estimaciones de variables biofísicas. De hecho, Paz et al. (2014 y 2015) muestran que solo el índice IV_CIMAS (Romero et al., 2009) cumple con los patrones asociados a evidencia teórica y experimental, hasta el punto de máximo IAF (etapa vegetativa y reproductiva).
Desarrollo de índices espectrales de la vegetación
Aunque hay muchos enfoques para el diseño de IV, en esta sección solo se considera la situación de contar con bases teóricas de transferencia de radiación. El uso de otras bandas espectrales diferentes del R e IRC es discutido en Paz et al. (2015), donde se argumenta que no contribuyen con nueva información o reducción de los errores de estimación.
Para el caso de transformaciones del espacio del R-IRC, Paz et al. (2013) analizan sus relaciones en un marco teórico-experimental unificado, por lo que no se considerarán en esta sección. Asimismo, la situación de minimizar o eliminar los efectos atmosféricos no se considerará, dadas las revisiones y discusiones de diferentes autores (Myneni y Asrar, 1994; Yoshioka, 2004; Paz et al., 2006b y 2008).
El diseño de los IV generalmente se plantea para reducir o eliminar los efectos del fondo (suelo) debajo de la vegetación (Huete, 1988), de tal manera que el IV tenga una relación lineal con la variable biofísica de interés (Huete et al., 1994).
Los IV generalmente reducen en forma irreversible la información disponible (Verstraete et al., 1996), ya que combinan las bandas del R e IRC en un solo valor (IV), que no puede ser invertido para recuperar las bandas espectrales. En este sentido, el diseño de los IV debe ser realizado con variables biofísicas relevantes que sean dependientes de la transferencia radiativa suelo-vegetación (Verstraete et al., 1996) para evitar problemas de dependencias indirectas que pueden variar de caso a caso. Como se discute en lo siguiente, las reflectancias de las bandas del R e IRC están correlacionadas, no linealmente, con el IAF y esta relación depende de las propiedades ópticas del suelo y del follaje, además del arreglo de la distribución angular de las hojas.
Para un medio turbio con iluminación difusa, la reflectancia del sistema suelo-vegetación (hojas negras con distribución angular horizontal) puede ser estimada de (Kubelka y Munk, 1931; Bonhomme y Varlet-Grancher, 1977; Goudriaan, 1977; Ross, 1981; Price y Bausch, 1995):
donde: Kh es el coeficiente de extinción para hojas negras horizontales, sv se refiere al sistema suelo-vegetación y s a solo suelo. El termino K se usa en forma genérica para definir un coeficiente de extinción.
Para el caso de las bandas del visible, si se desprecian las contribuciones no significativas, la Ecuación 1 puede simplificarse como:
donde: Rs es la reflectancia del suelo debajo de la vegetación.
Para la banda del IRC, la Ecuación 2 es una buena aproximación (Paz et al., 2013). En el caso de iluminación directa y difusa, y hojas no negras y no horizontales, la relación (2) sigue siendo válida, pero con parámetros ajustados a esta situación:
donde: KR es el coeficiente de extinción para la reflectancia (rojo o infrarrojo cercano).
La inversión de la Ecuación 2 está dada por:
y ha sido usada por Price (1992), Price y Bausch (1995), Paz et al. (2011 y 2014) para estimaciones del IAF o diseño de índices de vegetación proporcionales al IAF.
El formato de la Ecuación 3, después de la revisión de los patrones de los IV con el uso de simulaciones de radiación o datos experimentales, ha sido propuesto por Clevers (1989) y Baret y Guyot (1991) para caracterizar a los índices de vegetación:
Paz et al. (2011) propusieron el IVIS (índice de vegetación basado en curvas iso-suelo) con el uso de la formulación (5), para el caso de utilizar el índice dIRC = IRCsv - (aS+bSR), donde la línea del suelo de la Figura 1 y 2 está dada por:
y el índice de vegetación IVIS por (s se refiere a la condición de suelo desnudo):
El índice dIRC es la distancia vertical proyectada de una reflectancia sobre una línea de iso-IAF o iso-fv hasta la línea del suelo, Figura 4.
Conocidos los parámetros de la línea del suelo (o supuestos como asociados a una línea del suelo “virtual” con parámetros fijos), entonces tenemos que dIRCs = 0, por lo que la Ecuación 7 se simplifica a:
De la discusión previa, el IVIS está relacionado linealmente con el IAF:
donde: el coeficiente de extinción se supone como constante.
Con el uso de simulaciones de radiación con el modelo SAIL, la Figura 5 muestra la relación del IVIS con el IAF para un suelo oscuro y uno claro, con cambios de humedad tal como los discutidos en la Figura 1.
Los resultados mostrados en la Figura 5 indican que el IVIS no tiene los problemas de saturación de los otros IV, además que muestra una relación lineal con valores altos del IAF (IAF = 8). Resulta claro que la relación (9) debe ampliarse para considerar el efecto de las propiedades ópticas del suelo debajo de la vegetación, ya que para un KIVIS similar, la relación (9) cambia (Figura 5); aunque para el caso de datos experimentales la relación (9) se conserva (Paz et al., 2011).
La relación entre el IAF y fv (en %), de consideraciones teóricas y experimentales, está dada por (Nilson, 1971; Ross, 1981):
donde: Kv es el coeficiente de extinción de la parte fotosintética de la vegetación (bandas del visible).
Modelo generalizado de los patrones espectrales del R-IRC
Con el uso como referencia de los patrones espectrales de los cambios en el follaje de la vegetación (Sinclair et al., 1971; Boyer et al., 1988; Gitelson y Merzlyak, 1994; Merzlyak y Gitelson, 1995), se puede modelar la respuesta de los fitoelementos de una planta durante su dinámica de crecimiento (Jacquemoud y Baret, 1990; Jacquemoud et al., 1996). Con este conocimiento, es posible plantear un modelo generalizado de patrones espectrales del R-IRC, que considere el ciclo de crecimiento de los cultivos (vegetación herbácea), desde su emergencia hasta su senescencia. Baret (1986)1 presenta evidencia experimental en cultivos de cereales de este tipo de patrones; aunque solo a niveles informativos.
La Figura 6 muestra la dinámica del IAF durante el ciclo de crecimiento de un cultivo, que utiliza el espacio temporal; y, la Figura 7 usa el espacio espectral del R-IRC, con el uso de dos tipos de suelos como fondos. De estas figuras podemos definir tres patrones generales:
a).- Patrón A: Esta etapa va desde la emergencia a la madurez fisiológica del cultivo, hasta la antesis. En el espacio temporal se caracteriza por un crecimiento exponencial del follaje, hasta lograr el cubrimiento máximo del suelo y después hay una transición a un crecimiento tipo lineal, Figura 6. El patrón discutido puede ser modelado en forma simple con el uso de un modelo expo-lineal de crecimiento (Goudriaan, 1977; Goudriaan y Monteith, 1990). En el espacio espectral, esta dinámica se caracteriza por la evolución de las curvas iso-IAF hasta alcanzar el punto de saturación del rojo (reflectancia de medio denso), Figura 7. En relación a las propiedades ópticas de las hojas, estas sufren cambios (patrones exponenciales), que reflejan los cambios en las concentraciones de pigmentos (clorofilas y caratenoides, principalmente) en la región visible (espacio del R). En el IRC, los cambios son más pequeños.
b).- Patrón B. Va desde la antesis hasta antes del inicio de la senescencia y se caracteriza por un IAF constante (nacimiento y muerte de hojas en equilibrio), Figura 6. En el espacio espectral del R-IRC, este patrón se caracteriza porque la reflectancia del R permanece relativamente constante y el IRC se incrementa y después disminuye, Figura 7, que refleja los cambios que se producen en el follaje de las plantas, donde la etapa de disminución del IRC refleja una degradación inicial del mesófilo de las hojas (Gausman et al., 1978; Gitelson y Merzlyak, 1994; Jacquemoud y Baret, 1990). Es importante enfatizar, que en muchos cultivos en que no se logra el cubrimiento total del suelo (y la densidad del follaje suficiente), la línea recta que caracteriza este patrón está ligeramente inclinada. Adicionalmente, la línea recta mostrada en la Figura 7 generalmente forma un óvalo alargado, producto de la floración / llenado de grano que se presenta al inicio de esta etapa del crecimiento.
c).- Patrón C. Va desde el inicio de la senescencia hasta la cosecha o muerte del cultivo. El espacio temporal se caracteriza por un patrón tipo exponencial, Figura 1. El patrón es similar en espacio del R-IRC y se caracteriza por el incremento del R debido a la degradación de los pigmentos de las hojas y la reducción del IRC por el deterioro de la estructura del mesófilo.
En el caso de la muerte del cultivo y su transformación a residuo vegetal cubriendo el suelo, la curva final de residuos es lineal (Wanjura y Bilbro, 1986; Baird y Baret, 1997).
Un punto importante de señalar es que, al inicio de la etapa de senescencia, el patrón espectral de las curvas iso-IAF es muy similar al de la etapa B, por lo que es posible caracterizar la etapa B, con el uso de esta información.
De acuerdo a lo mostrado en la Figura 6, después de la fase lineal del patrón A, se presenta una fase exponencial hasta llegar al punto de la meseta en el IAF. La fase lineal se representa en la Figura 6 como el patrón B en su etapa creciente y el exponencial posterior como la fase decreciente de este patrón. En esta situación, el modelo expo-lineal requiere generalizarse para una nueva fase.
En relación al uso de los índices de vegetación para estimar fv, los resultados muestran relaciones diferentes para la etapa vegetativa-reproductiva y la de senescencia (Gilabert et al., 1996; Odi et al., 2010), por lo que es importante el desarrollo de un IV que tenga una relación única con la vegetación, durante todo el ciclo de crecimiento.
Estandarización de los efectos de la geometría sol-sensor
La estandarización de los efectos de la geometría sol-sensor es un requisito para la obtención de índices espectrales de la vegetación homogéneos, particularmente para el caso de sensores remotos que cambian sus ángulos de observación, diferentes a nadir. Así, con el uso de la geometría definida en la Figura 8, donde θs es el ángulo cenital solar, Øs es el ángulo acimutal solar, θv es el ángulo cenital de visión y Øv el ángulo acimutal de visión, podemos usar un esquema de modelación asociado a esta geometría, pero simplificado al utilizar simetrías angulares.
Para desarrollar un modelo general de la BRDF (función de distribución de la reflectancia, por sus siglas en inglés) aplicable a todas las bandas espectrales, se utilizó un plano de simetría genérico. El plano de simetría seleccionado fue χ = 90 - θv + θs, donde θv no tiene signo. Las reflectancias normalizadas están definidas como Rn = Rcos(χ) (más adelante se utiliza R para referirse a solo la banda del R).
Bolaños et al. (2007) y Bolaños y Paz (2010) plantearon el uso de un modelo de los ángulos cenitales de visión e iluminación de un solo parámetro, reduciendo así la complejidad de los esquemas de clasificación de la vegetación. Así, si definimos el vector de visión (θv, Øv) y el de iluminación (θs, Øs), donde θ es un ángulo cenital y Ø el acimutal, v significa visión y s iluminación solar, el modelo definido está dado por:
donde: se utiliza un valor de f = 90 para obtener un punto adicional y poder estimar gR. El uso de la función cos(χ) como factor multiplicativo de R permite definir un punto del patrón Rn-χ, ya que cos(90°) = 0, por lo que Rn = 0 en χ = 90° (θv = θs; es decir, el plano del Hot Spot). El ángulo θv no tiene signo.
El modelo uni-paramétrico de la BRDF ha sido analizado en relación a modelos más complejos (más parámetros) y operativos, comportándose en forma excelente en reproducir los parámetros de estos modelos (Medrano et al., 2013).
De las relaciones (11), el parámetro gR puede ser estimado con un solo dato de R (cualquier banda espectral):
Con el uso de la notación de ángulos acimutales positivos en la dirección de las manecillas del reloj, es posible un modelo general de la BRDF que considera al parámetro g de los efectos de los ángulos cenitales de visión e iluminación:
El modelo de las relaciones (13) sigue el mismo esquema que el de las (11), donde ζ es una variable de posición que hace simétricos los patrones de g. Los ángulos cenitales θs son considerados en términos de sus posiciones: plano (semi-hemisferio) de iluminación y sombreado.
Al igual que en el caso del parámetro gR, GR puede ser estimada de:
Conocido el valor de gR de la relación (12) y el de GR de la relación (14), con el uso de un solo dato de R e IRC, para una geometría sol-sensor dada, el siguiente paso es estandarizar la geometría. Para eso podemos usar el plano principal, dØ = 0 y usar las relaciones (11) para estimar el parámetro gR, para el ángulo cenital de iluminación actual:
Con el valor de gR para dØ =0, se puede estimar el valor de la reflectancia normalizada a nadir (θv = 0) de las relaciones (11):
Así, para una geometría estandarizada de θv = 0 y dØ = 0, podemos ahora definir un valor de las reflectancias para un θv estandarizado. En nuestro caso, el valor usado es θv = 0. En el algoritmo discutido más adelante se considera la estandarización de la geometría sol-sensor con el uso de θs = 30, θv = 0 y dØ = 0.
Resultados y Discusión
Diseño de índices de vegetación en espacios normalizados y estandarizados
Con el uso de las simulaciones de radiación de la Figura 2, normalizándolas (con multiplicación por -1 para hacerlas positivas) y estandarizándolas a la geometría sol-sensor definida, la Figura 9 muestra los patrones iso-IAF o iso-fv en el espacio Rn-IRCn.
Con el uso de los análisis previos, una primera propuesta puede ser utilizar reflectancias normalizadas (letra n) y definir el índice IVIS en función de estas:
Conocidos los parámetros de la línea del suelo (o supuestos como asociados a una línea del suelo “virtual”), espacios normalizados y estandarizados, entonces tenemos que dIRCsn = 0, por lo que la Ecuación 17 se simplifica a:
El uso de reflectancias normalizadas y estandarizadas evita el problema asociado a los errores en el espacio R-IRC al realizar estas estimaciones a partir de Rn e IRCn (Bolaños et al., 2007). Con este enfoque es posible reducir fuertemente la propagación de errores.
La Figura 10 muestra la relación entre el índice de área foliar (IAF) y el IVISn para el caso de las simulaciones de radiación de la Figura 9, caso de suelo claro (seco y húmedo).
Se observa de la Figura 10 que la relación entre el IAF y el IVISn es aproximadamente exponencial, por lo que se requiere realizar una transformación logarítmica del IAF. Dado que ln(IAF = 0) no está definido, se usó la variable IAF+1, ln(IAF = 0 + 1) = 0, tal como se muestra en la Figura 11.
De la Figura 11, es claro que la transformación logarítmica usada genera una relación lineal; aunque para valores del IAF > 5 se nota una desviación del patrón lineal.
De los patrones iso-suelo de la Figura 9, cuasi-lineales, es posible introducir un nuevo índice espectral de la vegetación que este armonizado a la normalización de las reflectancias, convirtiendo los patrones exponenciales de las líneas iso-suelo en lineales. El índice IV_PELANA (Índice de Vegetación de Proporciones Estandarizadas en relación al Límite Asociado a espacios Normalizados y sus Atrayentes) definido por:
cumple el objetivo planteado en relación a la variable fv.
La Figura 12, similar a la Figura 5, pero con reflectancias normalizadas y estandarizadas, muestra que la relación entre el IV_PELANA y fv cumple los objetivos planteados para un IV (Huete et al., 1994). La Figura 12 muestra valores del IAF de 0 a 8, convertidos a fv.
Validación de la relación del IV_PELANA con fv con el uso de datos experimentales
Para validar el modelo lineal entre el IV_PELANA y fv, en lo siguiente se analizan diferentes experimentos publicados previamente, bajo diferentes perspectivas. En los análisis siguientes no se consideró realizar un análisis comparativo con otros índices de vegetación dado que esto ya fue realizado en otras contribuciones (Huete, 1988; Gilabert et al., 1996; Paz et al., 2007, 2011 y 2015; Romero et al., 2009; Odi et al., 2010).
Experimentos de cultivos agrícolas con diferentes suelos
Los experimentos de algodón de Huete et al. (1985) y el de maíz de Bausch (1993), discutidos ampliamente en Paz et al. (2007 y 2011), utilizaron charolas rellenas de suelos diferentes puestos debajo de los cultivos, por lo que simulan los patrones mostrados en la Figura 2. La Figura 13 muestra la evolución temporal del fv de los cultivos, los cuales cubren la etapa vegetativa y reproductiva, hasta el valor máximo de crecimiento (IAF o fv). En lo siguiente, todos los valores de reflectancia están en porcentajes.
La Figura 14 muestra la relación IV_PELANA con el fv para el algodón, con distintos tipos de suelos (oscuros y claros), que considera cambios de humedad en cada uno de ellos.
Se observa de la Figura 14, que la relación lineal esperada entre IV_PELANA y fv se presenta, aunque para el caso de un suelo oscuro (Figura 14a) se presenta un patrón con tendencia no lineal, la estimación del IV_PELANA usó un suelo virtual (asn = 0 y bsn = 0.8), por lo que el valor mínimo no es 0.0.
La Figura 15 muestra la relación IV_PELANA con fv para el caso del cultivo de algodón, de un suelo oscuro y uno claro, con variaciones de humedad en cada uno de ellos.
En el caso del cultivo de maíz no se midió fv, por lo que fue estimada la relación (10) con el uso de un coef iciente de extinción estimado. Paz et al. (2011) muestran relaciones lineales entre el IVIS y el IAF, lo que valida en forma indirecta las relaciones de la Figura 15.
Experimentos de cultivos agrícolas con suelos similares y diferentes niveles de estrés
En un experimento realizado el 2008 en el Valle del Yaqui, Sonora, México, se midieron las reflectancias semanalmente en parcelas homogéneas (PH) en cinco cultivos agrícolas (sorgo, trigo, frijol, garbanzo y cártamo). Los suelos tuvieron propiedades ópticas similares entre sí. La Figura 16 muestra el arreglo experimental usado por PH, donde se establecieron dos líneas de muestreo y en cada una de ellas cinco puntos de muestreo. Las mediciones durante toda la campaña fueron realizadas en los mismos puntos establecidos, lo cuales quedaron fijos. Reyes et al. (2011) y Pascual et al. (2012) detallan la campaña de muestreo y resultados obtenidos.
Las variables biofísicas medidas fueron la biomasa fresca y seca y la fv. Aunque existen diferentes formas de medir la cobertura del aérea foliar (Coulloudon et al., 1996), en este caso se usaron fotografías digitales a nadir, las cuales fueron procesadas con el uso de técnicas de clasificación estadística supervisada (Calera et al., 2001) para determinar fv. Este tipo de método se compara relativamente bien con otros de mayor esfuerzo y tiempo; aunque es dependiente de los algoritmos usados para determinar la fracción de vegetación verde (Booth et al., 2006).
Los cultivos sorgo, trigo, frijol, garbanzo y cártamo fueron evaluados en diferentes etapas de su crecimiento (sembrados en fechas diferentes), tal como se muestra en la Figura 17. Los gráficos de la evolución temporal de fv son solo representativos a nivel genérico, donde para cultivos específicos los diferentes puntos de muestreo muestran fechas diferentes de alcance del fv máximo, así como del valor de éste. Reyes et al. (2011) analizaron los puntos de muestreo en forma individual para caracterizar los niveles de estrés a que estuvieron sujetos, por lo que en lo siguiente se considera un formato similar.
El Cuadro 1 muestra los resultados de los ajustes de la relación IV_PELANA con fv (fv = a +bIV_PELANA) para los cultivos analizados, para la etapa vegetativa-reproductiva y la de senescencia como un todo, cuando las etapas estaban presentes. En el caso del trigo solo se muestreo la etapa de senescencia y solo se consideraron los muestreos que tuvieran cuatro datos temporales. Para el caso del sorgo, solo se realizó medición en la etapa vegetativa-reproductiva. El IV_PELANA mínimo representa el valor del índice para la condición sin cultivo (suelo desnudo), ya que se usó una línea virtual del suelo.
Cultivo | Línea | Punto | a | b | R2 | IV_PELANA Min | fv max |
---|---|---|---|---|---|---|---|
Sorgo | 1 | 1 | -29.666 | 290.49 | 0.9889 | 0.102 | 63.371 |
1 | 2 | -28.808 | 300.36 | 0.9769 | 0.096 | 75.177 | |
1 | 3 | -30.284 | 290.79 | 0.9974 | 0.104 | 70.136 | |
1 | 4 | -28.899 | 286.42 | 0.9775 | 0.101 | 67.431 | |
1 | 5 | -30.011 | 297.81 | 0.9800 | 0.101 | 74.295 | |
2 | 1 | -37.162 | 343.36 | 0.9921 | 0.108 | 78.522 | |
2 | 2 | -34.591 | 324.45 | 0.9980 | 0.107 | 79.149 | |
2 | 3 | -34.726 | 323.09 | 0.9932 | 0.107 | 75.085 | |
2 | 4 | -28.776 | 276.32 | 0.9970 | 0.104 | 79.873 | |
2 | 5 | -37.920 | 347.33 | 0.9685 | 0.109 | 83.575 | |
Trigo | 1 | 4 | -253.250 | 770.47 | 0.8305 | 0.329 | 100.000 |
1 | 5 | -228.510 | 711.96 | 0.7316 | 0.321 | 100.000 | |
2 | 3 | -278.510 | 832.03 | 0.8767 | 0.335 | 100.000 | |
Frijol | 1 | 1 | -49.243 | 408.19 | 0.9733 | 0.121 | 70.904 |
1 | 2 | -42.866 | 363.24 | 0.9751 | 0.118 | 68.949 | |
1 | 3 | -38.880 | 342.25 | 0.9537 | 0.114 | 67.214 | |
1 | 4 | -50.029 | 405.85 | 0.9751 | 0.123 | 75.083 | |
1 | 5 | -48.992 | 395.95 | 0.9377 | 0.124 | 69.924 | |
2 | 1 | -44.257 | 360.08 | 0.9586 | 0.123 | 66.986 | |
2 | 2 | -41.767 | 344.52 | 0.9636 | 0.121 | 75.704 | |
2 | 3 | -57.991 | 445.26 | 0.9832 | 0.130 | 75.535 | |
2 | 4 | -39.867 | 339.93 | 0.9559 | 0.117 | 65.073 | |
2 | 5 | -50.589 | 385.13 | 0.9725 | 0.131 | 61.906 | |
Garbanzo | 1 | 1 | -43.886 | 371.57 | 0.9781 | 0.118 | 80.925 |
1 | 2 | -40.318 | 367.81 | 0.9071 | 0.110 | 77.157 | |
1 | 3 | -41.953 | 371.69 | 0.9401 | 0.113 | 60.045 | |
1 | 4 | -33.798 | 335.34 | 0.9295 | 0.101 | 61.740 | |
1 | 5 | -36.178 | 331.18 | 0.8888 | 0.109 | 55.120 | |
2 | 1 | -50.612 | 397.96 | 0.9669 | 0.127 | 85.348 | |
2 | 2 | -56.372 | 424.42 | 0.9783 | 0.133 | 88.235 | |
2 | 3 | -44.332 | 377.36 | 0.9614 | 0.117 | 81.918 | |
2 | 4 | -44.007 | 373.03 | 0.9444 | 0.118 | 80.929 | |
2 | 5 | -51.232 | 413.10 | 0.9778 | 0.124 | 71.419 | |
Cártamo | 1 | 1 | -21.348 | 252.46 | 0.9612 | 0.085 | 69.787 |
1 | 2 | -26.744 | 259.23 | 0.9617 | 0.103 | 73.348 | |
1 | 3 | -21.543 | 236.48 | 0.9728 | 0.091 | 61.739 | |
1 | 4 | -20.355 | 232.24 | 0.9215 | 0.088 | 63.172 | |
1 | 5 | -19.821 | 229.69 | 0.8445 | 0.086 | 68.136 | |
2 | 1 | -35.465 | 316.96 | 0.9407 | 0.112 | 87.623 | |
2 | 2 | -30.779 | 291.29 | 0.9256 | 0.106 | 81.656 | |
2 | 3 | -37.827 | 329.46 | 0.9750 | 0.115 | 88.039 | |
2 | 4 | -29.919 | 289.52 | 0.9546 | 0.103 | 72.376 | |
2 | 5 | -39.765 | 330.89 | 0.9478 | 0.120 | 87.028 |
En el Cuadro 1 se muestran los valores de fv máximo, que pueden ser usados como una medida del nivel de estrés de cada punto de muestreo, que concuerda con lo planteado por Reyes et al. (2011).
Las Figuras 18 a 22 muestran el mejor y peor ajuste estadístico a la relación lineal entre el IV_PELANA y fv, para los cultivos analizados, de acuerdo a los errores asociados a las mediciones en campo y los patrones observados, la hipótesis de la relación lineal se puede considerar como válida para este experimento.
Experimento de pasto con mediciones multi-angulares de reflectancia
La Figura 23 muestra la evolución temporal de la biomasa total y la viva (verde) de mediciones multi-angulares de reflectancia realizadas en un pastizal natural (Buteloua spp.) en la cuenca de Walnut Gulch, Arizona, E.U.A. en 1990. El experimento esta descrito en Huete et al. (1992), Chehbouni et al. (1994) y Qi et al. (1994). El análisis de las reflectancias multi-angulares se discute en Bolaños et al. (2007) y Bolaños y Paz (2010).
En la Figura 24 se muestra la relación entre el IV_PELANA y fv del experimento de Walnut Gulch, donde fv fue estimada convirtiendo la biomasa aérea viva a IAF y de allí a fv, bajo la consideración de un fv máximo del 40 %, definido en el experimento.
Experimento tipos maqueta
Los experimentos tipo maqueta se refieren a arreglos de plantas, con un suelo debajo de ellas, en una plataforma de medición de reflectancias. En general, las plantas son pequeñas (juveniles) y son las mismas para diferentes densidades (IAF o biomasa aérea)
La Figura 25 muestra la relación IVIS con IAF para el caso de un pasto analizado por Xia (1994) con dos suelos diferentes. Paz et al. (2011) establecieron una relación lineal para esta situación, por lo que se valida este patrón. Bajo la consideración de la existencia de la relación lineal del IVIS con el IAF, la relación lineal IV_PELANA con fv es consecuencia.
Con el uso de la relación (10) y un valor conservador de alrededor del 85% de fv para un IAF de 8.0, la Figura 26 muestra la relación entre IV_PELANA y el fv para el pasto.
Para un experimento relativamente similar con otro pasto (Huete y Jackson, 1988; Huete et al., 1992), la Figura 26 muestra la relación entre el IV_PELANA y fv, esta última variable estimada después de convertir la biomasa aérea a IAF y de IAF a fv, todo esto en términos aproximados.
En el caso de este experimento de pastos, diferentes densidades, se utilizaron tres suelos debajo de los pastos, lo cual está mostrado en la Figura 27. Las relaciones lineales entre el IV_PELANA y fv son buenas (R2 > 0.97).
Efectos de la distribución angular y propiedades ópticas de las hojas
En la Figura 2 (Paz et al., 2005) las simulaciones de radiación corresponden a propiedades ópticas (transmitancia y reflectancia) de hojas de maíz (Gausman et al., 1978) y distribución angular erectófila (Bunnik, 1978). La Figura 28 muestra estas mismas simulaciones, para los suelos extremos en propiedades ópticas, pero incluyendo el caso de una hoja de sorgo. Como se observa, las reflectancias en el infinito se modifican, por lo que cambian también las relaciones entre el IVIS-IAF (IV_PELANA-fv).
Si dejan fijas las propiedades ópticas de las hojas (maíz), la Figura 29 muestra los cambios en la distribución angular de las hojas, produciendo efectos similares a los discutidos para la Figura 28.
No obstante, los cambios mostrados en las Figuras 28 y 29, Casiano et al. (2012) plantean la hipótesis de invarianza temporal en los atrayentes (reflectancias en el infinito) de las dinámicas del crecimiento de la vegetación. Las reflectancias en el infinito son dependientes de las propiedades ópticas y de la distribución angular de las hojas (Ross, 1981), por lo que de acuerdo a la hipótesis de invarianza temporal, las plantas modifican simultáneamente ambas propiedades para mantener las mismas reflectancias en el infinito, aun bajo condiciones de estrés. Esto implica que los patrones entre el IV_PELANA y el fv se mantienen similares para un tipo dado de suelo.
Conclusiones
- Los desarrollos mostrados en relación a los patrones de la transferencia de radiación en el medio suelo-vegetación, para la generación del índice espectral de la vegetación IV_PELANA, sin efectos de geometría sol-sensor, permitieron establecer una relación lineal con la cobertura aérea foliar (fv), particularmente con la consideración de la no saturación del índice con fv.
- Con datos experimentales analizados, de diferentes arquetipos de plantas herbáceas, se validó la relación lineal establecida, lo que permite el uso del IV_PELANA en forma robusta y operativa.
- La ventaja de la relación lineal entre el IV_PELANA y la cobertura aérea de la vegetación, entre otras cosas, es que permite su calibración en campo usando fotografías digitales para estimar la cobertura, que es un procedimiento de bajo costo y eficiente.
- El IV_PELANA, en su forma más simple y operativa, requiere del conocimiento de la línea del suelo para que la constante aditiva de su relación lineal con la cobertura aérea de la vegetación dependa de un solo parámetro (constante multiplicativa), de tal forma que con un solo dato se parametrice la relación.
- Aunque los desarrollos son válidos para la vegetación herbácea, en otro trabajo de los autores se analiza el caso de vegetación arbustiva y arbórea.