SciELO - Scientific Electronic Library Online

 
vol.8 número7Caracterización de productores forestales en 12 estados de la República MexicanaLa denominación de origen del arroz de Morelos: vinculación y conformación de redes índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

Links relacionados

  • No hay artículos similaresSimilares en SciELO

Compartir


Revista mexicana de ciencias agrícolas

versión impresa ISSN 2007-0934

Rev. Mex. Cienc. Agríc vol.8 no.7 Texcoco sep./nov. 2017

 

Artículos

Aplicación de tecnologías de percepción remota para la estimación del rendimiento en caña de azúcar

Guillermo Alberto Zenteno Cruz1  § 

Enrique Palacios Vélez1 

Leonardo Tijerina Chávez1 

Héctor Flores Magdaleno1 

1Posgrado en Hidrociencias-Colegio de Postgraduados. Campus Montecillo, Texcoco. Estado de México, México. CP. 56230. Tel. 01 (595) 9520200, ext. 1172. (epalacio@colpos.mx; tijerina@colpos.mx; mhector@colpos.mx).


Resumen

Los productores de caña de azúcar buscan en forma constante reducir costos, aumentar la productividad y el rendimiento. Por otra parte, toma gran importancia la predicción del rendimiento de los cultivos para una mejor planificación de políticas agrícolas y de seguridad alimentaria en una economía de mercado globalizado. La presente investigación se llevó a cabo en la zona de abasto del Ingenio Emiliano Zapata, en el estado de Morelos, en una superficie de 10 664 ha, durante el ciclo agrícola 2009-2010. El objetivo del estudio fue calibrar una metodología para estimar el rendimiento de caña de azúcar (Saccharum officinarum) con base en el análisis temporal de índices de vegetación de diferencias normalizadas (NDVI) e índices de estrés de humedad (MSI) obtenidos de imágenes Landsat-7 ETM+ y la evapotranspiración del cultivo (ETc) estimada calculando la variable Kc en función de índices NDVI y utilizando la evapotranspiración de referencia (ETo) obtenida de estaciones meteorológicas. Como resultado del estudio se obtuvieron relaciones entre los valores promedio de los índices y la ETc, con el rendimiento medido en campo en 23 parcelas de control; observándose una R2 de 0.92, 0.77 y 0.85, respectivamente. A partir del modelo de mejor ajuste, se estimó el rendimiento promedio para la zona de estudio de 114.3 t ha-1. La Secretaría de Agricultura Pesca y Alimentación; a través, del Servicio de Información Agroalimentaria y Pesquera (SIAP), reportó un rendimiento promedio en Morelos para el año 2009 de 115.4 t ha-1. Lo que permite conocer la efectividad de las estimaciones realizadas.

Palabras claves: estrés hídrico; evapotranspiración; índices de vegetación; Landsat-7 ETM+

Abstract

The sugarcane producers are constantly looking to reduce costs, increase productivity and yield. On the other hand, the prediction of the yield of the crops for a better planning of agricultural policies and food security in a globalized market economy is very important. The present investigation was carried out in the area of supply of Sugarmill Emiliano Zapata, in the state of Morelos, in an area of 10 664 ha, during the agricultural cycle 2009-2010. The objective of the study was to calibrate a methodology to estimate the yield of sugarcane (Saccharum officinarum) based on the temporal analysis of vegetation indices of normalized differences (NDVI) and moisture stress indexes (MSI) obtained from Landsat- 7 ETM+ and crop evapotranspiration (ETc) estimated by calculating the variable Kc as a function of NDVI indexes and using reference evapotranspiration (ETo) obtained from meteorological stations. As a result of the study, relationships between the average values of the indices and the ETc were obtained, with the yield measured in the field in 23 control plots; with an R2 being 0.92, 0.77 and 0.85, respectively. From the best fit model, we estimated the average yield for the study area of 114.3 t ha-1. The Secretariat of Agriculture Fisheries and Food; through the Agro-Food and Fisheries Information Service (SIAP), reported an average yield in Morelos for the year 2009 of 115.4 t ha-1. This allows to know the effectiveness of the estimates made.

Keywords: evapotranspiration; Landsat-7 ETM+; vegetation index; water stress

Introducción

La caña de azúcar, Saccharum officinarum, es una planta perenne en forma de tallo que es cultivada en las regiones tropicales y subtropicales del mundo (actualmente se cultiva en 105 países) entre las latitudes 37° N y 31° S, principalmente, por su capacidad para almacenar grandes cantidades de sacarosa (10-18%) en los internudos, dependiendo de la variedad y de las condiciones agroclimáticas como factores limitantes para su crecimiento, además de la etapa de desarrollo (planta, soca o resoca), suelo, fertilización, clima, temperatura, plagas, malezas, enfermedades y la disponibilidad de agua, tienen relación directa en la productividad del cultivo (Inman et al., 2005; Abdel et al., 2008).

En la actualidad, la evaluación del nivel productivo de la caña de azúcar se realiza al finalizar cada zafra y mediante estimaciones de rendimiento con anterioridad a la cosecha, basándose en la experiencia de técnicos -a través de observaciones de campo y muestreos utilizando datos estadísticos de años anteriores- sin considerar la distribución espacial del área plantada y su variabilidad a diversos factores ambientales, lo que trae como consecuencia errores en los estimados de producción, principalmente en zonas agrícolas de gran heterogeneidad (Aguilar et al., 2010).

El primer paso para la estimación, la optimización de la producción, el transporte y el uso de los recursos de la biomasa cañera es conocer el potencial de las tierras agrícolas para producir caña de azúcar. Sin embargo, las mediciones sobre el terreno no se realizan con el detalle suficiente para la distribución espacial, prefiriéndose realizar estimados de producción mediante análisis estadístico (Krishna, 2002; Fortes, 2006).

Los recientes avances en agricultura de precisión (AP) y en cartografía de la cubierta terrestre pueden hacer posible el monitoreo y la estimación del estado del cultivo de caña de azúcar en una región determinada a escala predio o unidad productiva, debido al bajo costo de adquisición de las imágenes, su cobertura espacial y la posibilidad de generar los índices de sus bandas espectrales (Zhang y Anderson, 2005).

En este sentido, los sistemas de información geográfica (SIG) y la percepción remota (PR) brindan la posibilidad de vincular espacialmente distintas fuentes de información, y a partir del análisis de las imágenes generadas por sensores remotos, es posible obtener información de las características de las coberturas vegetales, utilizando diferentes técnicas de procesamiento de imágenes; entre ellas, el cálculo de índices de vegetación a partir de los valores de reflectividad a distintas longitudes de onda, mismos que posibilitan la estimación el comportamiento de varios parámetros biofísicos de los cultivos (Hatfield, 2008).

Por lo tanto, la PR presenta una visión sinóptica de las zonas agrícolas y posibilita un seguimiento temporal del desarrollo fenológico de los cultivos, especialmente en los procesos relacionados con la identificación y monitoreo de grandes áreas agrícolas, estimación de la producción, detección de enfermedades y estrés, a través del análisis de la distribución espacial, el mapeo de las diversas zonas productivas, direccionamiento del muestreo y observación en campo, promoviendo una mayor evaluación del potencial productivo de las áreas sembradas (Rudorff y Batista, 1990; Soria, 2004; Ueno et al., 2005).

Existen diversas metodologías para estimar el estrés hídrico, la uniformidad del riego y el rendimiento de los cultivos, mediante el uso de imágenes de satélite, como son el índice de estrés de humedad (MSI) por sus siglas en inglés, Rock et al. (1986), y el índice de vegetación de diferencias normalizadas (NDVI) por sus siglas en inglés, Rouse et al. (1974).

El objetivo del presente estudio fue calibrar una metodología para medir variables fisiológicas del cultivo de caña de azúcar; tales como el índice NDVI, MSI y ETc, para estimar el rendimiento usando técnicas de análisis de información en imágenes Landsat 7 ETM+ en el cultivo de caña de azúcar.

Materiales y métodos

El estudio se efectuó en la zona de abastecimiento del ingenio Emiliano Zapata, en el estado de Morelos. El motivo radica en el hecho de que dicho estado se ubica dentro de los primeros lugares como productor de caña de azúcar, bajo condiciones de riego y temporal. De acuerdo con datos de SIG del ingenio, se establecieron un total de 10 664 ha durante el ciclo agrícola 2009-2010; sin embargo, su área de influencia abarca alrededor de 19 735 ha, distribuidas principalmente en los municipios de Tlaltizapan, Jojutla, Ayala, Tlaquiltenango, Puente de Ixtla, Xochitepec y Zacatepec. Esta zona se localiza a una altura promedio de 1 480 msnm y sus coordenadas geográficas extremas son: 18º 20’ a 19º 08’ de latitud norte y 98º 38’ a 99º 30’ de longitud oeste.

Los tipos de suelos que predominan son los siguientes: Vertisoles, Castañozem y Litosoles. El clima es del tipo BS1(h’)w semiseco cálido, con lluvias en verano e invierno poco definido, con la mayor sequía al final del otoño, invierno y principios de primavera, García (1988). La precipitación y temperatura media anual es de 900 mm y 24 °C, respectivamente (Figura 1).

Figura 1 Distribución mensual de la temperatura y precipitación en la estación INIFAP, Zacatepec de Hidalgo, Morelos. 

Los materiales que se utilizaron fueron: un equipo GPS (global positioning system), computadores de escritorio y cámara fotográfica. Se utilizaron 30 imágenes de satélite Landsat 7 ETM+ de fecha 21 de octubre de 2008 a 21 de junio de 2010, las cuales fueron obtenidas de la página web: global visualización de USGS Visor de http://glovis.usgs.gov/. Las imágenes constan de ocho bandas con una resolución espacial de 30 m para las seis bandas reflectivas (1 a 5 y 7), 15 m para la banda pancromática (8) y 60 m para la banda térmica (6); las cuales fueron corregidas geográficamente empleando el sistema de coordenadas WGS84 y la proyección transversal de mercator (UTM zona 14 Norte). El software utilizado para el procesamiento de las imágenes fue IDRISI® de Clark Labs (2006) y ERDAS® de Leica Geosystems (2008), así como el software para la corrección atmosférica desarrollado por Palacios (2007) y para el cálculo de valores promedio de índices de vegetación en parcelas denominado EStadParcelas.exe. Para el ensayo se eligieron 23 parcelas de control con cultivo de caña de azúcar, las cuales se localizan en la zona de abasto del Ingenio (Figura 2).

Figura 2 Zona de abasto del Ingenio Emiliano Zapata.  

Además, se contó con información agrometeorológica diaria (mismo periodo en que se adquirieron las imágenes de satélite) de la estación INIFAP disponible en la Web en la dirección: (www.clima.inifap.gob.mx), la cual forma parte de la red de estaciones agroclimáticas de Morelos y se localiza a una altura de 910 msnm en las coordenadas 18º 39’ de latitud norte y 99º 12’ de longitud oeste, en el Campo Experimental del INIFAP, en Zacatepec de Hidalgo, Morelos.

Metodología

Con objeto de relacionar parámetros biofísicos con el desarrollo del cultivo de caña de azúcar y su productividad, en la zona de abasto del Ingenio Emiliano Zapata, se seleccionaron 23 parcelas de control, donde se dio seguimiento al monitoreo del cultivo de caña de azucar realizado por los supervisores de campo del ingenio; adicionalmente se obtuvo información (del área de SIG del ingenio) sobre la fecha de siembra, variedad, rendimiento, etc (Cuadro 1).

Cuadro 1 Características generales de las parcelas monitoreadas.  

Cabe mencionar que rendimiento suele medirse en función de la cantidad pesada de caña de azúcar entregado en la báscula de ingenio. Las mediciones se realizaron en el ciclo agrícola 2009-2010; usualmente la caña se cosecha desde mediados del mes de noviembre, hasta principios del mes de mayo.

Para este estudio se obtuvieron 30 imágenes del satélite Landsat 7ETM+ de fecha 06 de noviembre de 2008 a 04 de mayo de 2010 (periodo que comprende las distintas etapas de desarrollo del cultivo), las cuales fueron procesadas como ya se mencionó anteriormente.

Utilizando el programa IDRISI® se calcularon los valores de NDVI, Rouse et al. (1974), así como los de MSI, Rock et al. (1986), cuyos valores se obtienen de las reflectancias en las bandas roja (ρr) (0.6 a 0.7 μm), infrarroja cercana (ρi) (0.7 a 1.8 μm) e nfrarrojo medio (ρim) (1.8 a 80 μm), cuyas fórmulas para su cálculo son:

NDVI= Pi- PrPi+ Pr 1)

MSI=PimPi 2)

Posteriormente, se calculó el valor promedio de ambos índices dentro de las 23 parcelas de control. Para lo cual se utilizó el software “EstadParcelas.exe”, que permite calcular el valor promedio de todos los píxeles ubicados dentro de los límites de una parcela en particular, definidos por sus vectores o “shapes”).

Asimismo, se calculó la evapotranspiración del cultivo ETc, acorde con lo propuesto por Allen et al. (2006), incluyendo la estimación del Kc (coeficiente de desarrollo del cultivo) en función del NDVI, según lo propuesto por Calera y González (2007), cuya fórmula para su estimación, válida principalmente para cultivos anuales, es:

Kc=1.15*NDHI+0.17 3)

La evapotranspiración de referencia ETo se obtuvo de la estación agrometeorológica INIFAP, dato estimado con la fórmula de Penman-Monteith, que corresponde al valor diario acumulado en el periodo entre fechas Landsat. Por lo que fue posible calcular en forma aproximada la variable ETc, con:

ETc=Kc*ETo 4)

Resultados y discusión

A partir de las relaciones entre el Kc y el NDVI en el ciclo agrícola 2009-2010, se estimó mediante la función 3 y 4, el requerimiento hídrico de la caña de azúcar en las parcelas de estudio. Como referencia en el Cuadro 2, se muestran los resultados de las estimaciones realizadas en la parcela con número de cuenta 12 026. De donde se obtiene un valor acumulado para la ETc de 863.5 mm. Cabe mencionar que dichas funciones fueron validadas en México por Palacios et al. (2011), en el distrito de riego Río Mayo.

Cuadro 2 Cálculo de Kc a partir de valores de NDVI en una parcela de estudio. 

En la Figura 3, se observa la variación de valores de NDVI obtenidos como promedio en cinco parcelas de estudio. Se registran valores de NDVI entre -0.1 y 0.7, en similitud a lo reportado por autores como Knop (2007) y Rahman et al. (2004), para un dosel verde y totalmente desarrollado de caña de azúcar. Cabe mencionar que el valor negativo se debe la condición de suelo desnudo, cuando la planta aun no emerge.

Figura 3 Variación de valores de NDVI en cinco parcelas de la zona de estudio. 

De las 23 parcelas de control se calcularon los valores promedio de NDVI y MSI, como indicadores de productividad y de efectividad del riego, con objeto de correlacionar los valores medios de los índices con los rendimientos reportados por el ingenio. Los resultados se muestran en el Cuadro 3, donde se incluye también la evapotranspiración del cultivo.

Cuadro 3 Valores calculados de ETc, NDVI y MSI.  

Utilizando los datos del cuadro 3, se han obtenido relaciones entre los valores promedio de NDVI, MSI y ETc, con el rendimiento reportado en cada parcela de control, observándose una aceptable correlación entre estas variables. Un estudio relacionado con la estimación de productividad y biomasa fue realizado en Brasil por Simões et al. (2005), utilizando espectrometría en campo, simuló bandas equivalentes del Landsat ETM+, demostrando la alta correlación que existe entre productividad y biomasa con el NDVI, alcanzando un valor de R2 de 0.88. En el caso de México también se han obtenido relaciones del mismo tipo para el cultivo de caña de azúcar en la Huasteca Potosina, Aguilar et al. (2010), reportaron que el NDVI es útil como herramienta de diagnóstico en un momento dado, y en serie temporal, para caracterizar el rendimiento y productividad del cultivo de caña de azúcar.

En las Figuras 4 y 5 se muestran estas relaciones donde se aprecia que hay una relación directa entre los valores de NDVI y los valores de rendimiento. Así también, se observa que la relación entre el MSI y el rendimiento no es lineal, ya que con forme aumenta el estrés hídrico, el rendimiento disminuye.

Figura 4 Relación entre NDVI y el rendimiento de la caña de azúcar. 

Figura 5 Relación entre MSI y el rendimiento de caña de azúcar.  

También se deduce que una razón de la variación de los valores de NDVI se debe en gran parte al efecto del estrés de humedad, motivado por un riego deficiente en las parcelas analizadas. Para ello se ha correlacionado el MSI con el NDVI y como se puede observar en la Figura 6, hay una alta correlación entre dichos índices.

Figura 6 Relación entre MSI y NDVI. 

En la Figura 7 se observa una relación lineal directa entre la ETc y el rendimiento, ya que a medida que aumenta la evapotranspiración, se espera más fotosíntesis y, en consecuencia, más biomasa y rendimiento de caña de azúcar. También se encontró que la relación entre el MSI y la ETc no es lineal, ya que a mayor estrés hídrico menor evapotranspiración del cultivo, tal como se aprecia en la Figura 8.

Figura 7 Relación entre ETc y el rendimiento de caña de azúcar.  

Figura 8 Relación entre MSI y ETc.  

Una vez obtenido el modelo de mejor ajuste, se estimó que el rendimiento promedio en la zona de estudio fue de 114.3 t ha-1. La SAGARPA; a través, del Servicio de Información Agroalimentaria y Pesquera (SIAP, 2009) indicó que el rendimiento promedio de caña de azúcar reportado en campo en el estado de Morelos en el periodo 1998- 2008 fue de 113.5 t ha-1 y particularmente en el año 2009, de 115.4 t ha-1, por lo que se considera que los resultados obtenidos se encuentran dentro de un buen rango de estimación.

Cabe mencionar que el valor de la superficie cosechada de caña de azúcar en el ciclo 2009-2010 fue de 10 664 ha (base de datos de SIG del ingenio). Ellos reportan para dicha superficie un volumen de producción de 1 154 035 t, al cierre de la zafra. Este valor al ser comparado con el estimado del modelo de predicción de 1 219 047 t, indica que hubo una sobreestimación de 5.3% que equivalen a 65 012 t, lo que permite conocer la efectividad de las estimaciones realizadas en este estudio.

Conclusiones

En el presente trabajo se ha logrado una estimación de rendimiento de caña de azúcar a partir de modelos lineales que requieren como dato de entrada valores del índice de vegetación (NDVI), índice de estrés de humedad (MSI) y de evapotranspiración del cultivo (ETc). Se ha observado una relación directa entre el rendimiento de caña de azúcar y los mencionados índices (estimados a partir de imágenes Landsat 7 ETM+). Las variaciones de los índices reproducen adecuadamente los cambios en el rendimiento de caña de azúcar.

El uso combinado de imágenes satelitales con información meteorológica y Sistemas de Información Geográfica (SIG), permite a los usuarios de los sistemas de riego, estimar el consumo de agua de sus cultivos, dar seguimiento al desarrollo vegetativo y estimar en forma aproximada el rendimiento.

Finalmente, se considera que la predicción de rendimientos de cultivos debe ser el comienzo de una serie de técnicas a desarrollar, con gran potencial de aplicación en las seis regiones cañeras del país. De esta forma se genera información base que puede aplicarse en la planificación y manejo de la producción agropecuaria en busca de dar respuestas a la productividad y competitividad.

Agradecimientos

A los agricultores cooperantes de las parcelas piloto de caña de azúcar, así como a los técnicos encargados de la estación agrometereológica INIFAP. A todos ellos nuestro agradecimiento. Al CONACYT por financiar el proyecto de investigación, del cual este artículo forma parte.

Literatura citada

Abdel-Rahman, E. M. and Ahmed, F. B. 2008. The application of remote sensing techniques to sugarcane (Saccharum spp. hybrid) production: a review of the literature. International Journal of Remote Sensing. 29(13): 3753-3767. [ Links ]

Aguilar, N.; Galindo, G.; Fortanelli, J. y Contreras, C. 2010. Índice normalizado de vegetación en caña de azúcar en la Huasteca Potosina . Avances en Investigación Agropecuaria. 14(2):49-65. [ Links ]

Allen, R. G.; Pereira, L. S.; Raes, D. y Smith, M. 2006. Evapotranspiración del cultivo: guía para la determinación de los requerimientos de agua de los cultivos. Estudio FAO, Riego y Drenaje. 56. Roma, Italia. 298 p. [ Links ]

Calera, B. A. y González, J. 2007. Parámetros biofísicos de la cubierta vegetal. Relaciones operativas para la obtención de mapas de estos parámetros de las imágenes de satélite. Grupo de Teledetección y SIG, IDR, UCLM. Documento de PLEIADeS. 194 p. [ Links ]

Fortes, C. 2006. Discrimination of sugarcane varieties using Landsat 7 ETM+ spectral data. International Journal of Remote Sensing. 27 (7): 395-412. [ Links ]

García, E. 1988. Modificaciones al sistema de clasificación climática de Köppen, para adaptarlo a las condiciones de la República Mexicana. 4ª ed. Instituto de Geografía. Universidad Nacional Autónoma de México (UNAM). México, D. F. 217 p. [ Links ]

Hatfield, J. L.; Gitelson, A. A.; Schepers, J. S. and Walthall, C. L. 2008. Application of spectral remote sensing for agronomic decisions. Agron. J. 100(3):117-131. [ Links ]

Inman-Bamber, N. G. and Smith, D. M. 2005. Water relations in sugarcane and response to waters deficits. Fields Crops Research. Australia. 92(2):185-202. [ Links ]

Knop, I. 2007. Precision agriculture options for the Australian sugarcane industry. AM SRDC Technical Report 3/2007, Sugar Research and Development Corporation. 124 p. [ Links ]

Krishna, R. P. V. 2002. Remote sensing: a technology for assessment of sugarcane crop acreage and yield. Sugar Tech. 4(3):97-101. [ Links ]

Palacios, S. L. A.; Paz, P. F.; Oropeza, M. J. L.; Figueroa, S. B.; Martínez, M. M.; Ortiz, S. C. A. y Exebio, G. A. 2006. Clasificador genérico de objetos en imágenes ETM+. Agrociencia. 40(5):613-626. [ Links ]

Palacios, V. E.; Palacios, S. J. E. y Palacios, S. L. A. 2011. Agricultura de riego asistida con satélites. Tecnología y Ciencias del Agua, antes Ingeniería Hidráulica en México. 2(2):69-81. [ Links ]

Rahman, M. R.; Islam, A. H. M. H. and Rahman, M. A. 2004. NDVI derived sugarcane area identification and crop condition assessment. Planplus. 1(2):1-12. [ Links ]

Rock, B. N.; Vogelmann, J. E.; Williams, D. L., Voglemann, A. F. and Hoshisaki, T. 1986. Remote Detection of Forest Damage. Bio Science. 36(7):439-445. [ Links ]

Rouse, J. W.; Haas, R. H.; Schell, J. A. and Deering, D. W. 1974. Monitoring vegetation systems in the great plains with ERTS. Third ERTS Symposium, NASA SP-351. Washington, D. C. 1:309-317. [ Links ]

Rudorff, B. F. T. and Batista, G. T. 1990. Yield estimation of sugarcane based on agrometeorological-spectral models. Remote Sensing Environ. 33(3):183-192. [ Links ]

SIAP (Servicio de Información Agroalimentaria y Pesquera). 2010. Descripción de la cadena agroalimentaria de caña de azúcar.SIAP-SAGARPA. http://www.siap.sagarpa.gob.mx. [ Links ]

Simões, M. D. S.; Rocha, J. V. and Lamparelli, R. A. 2005. Spectral variables, growth analysis and yield of sugarcane. Scientia Agricola (Piracicaba, Brazil). 62(3):199-207. [ Links ]

Soria, R. J. 2004. Methodology for prediction of corn yield using remote sensing satellite data in Central Mexico. Investigaciones Geog. 55:61-78. [ Links ]

Ueno, M.; Kawamitsu, Y.; Sun, L. and Maeda, K. 2005. Combined applications of NIR, RS, and GIS for sustainable sugarcane production. Sugarcane Inter. 23(4):8-11. [ Links ]

Zhang, P. and Anderson, B. 2005. Potential monitoring of crop production using a satellite-based Climate-Variability Impact Index. Agric. Forest Meteorol. 132(3):344-358. [ Links ]

Recibido: 01 de Julio de 2017; Aprobado: 01 de Septiembre de 2017

§Autor para correspondencia: zenteno.guillermo@colpos.mx.

Creative Commons License Este es un artículo publicado en acceso abierto bajo una licencia Creative Commons