CANO-MEJIA, Bonifacio; VALDEZ-CEPEDA, Ricardo D.    LOPEZ-SANTOS, Armando. Estimación de Cosecha de Maíz Forrajero (Zea mays L.) Mediante Índices Espectrales Derivados de LANDSAT-8 y SENTINEL-2. []. , 41, e1696.   16--2024. ISSN 2395-8030.  https://doi.org/10.28940/terra.v41i0.1696.

^a

La estimación de cosecha basada en índices espectrales conforma un elemento de decisión importante para quienes participan en la actividad agrícola; sin embargo, muchas interrogantes sobre su utilidad aún persisten. Los objetivos de esta investigación fueron: 1) relacionar propiedades radiativas del maíz forrajero (MF) y producción de biomasa mediante imágenes LANDSAT-8 y SENTINEL-2; y 2) seleccionar el índice de vegetación (IV) con mejor desempeño que permita modelar el rendimiento del MF para condiciones similares. El estudio se realizó en el ciclo PV-2019 con mediciones morfológicas en distintas etapas de crecimiento del MF y mediante muestreos aleatorios destructivos a los 72 dds para determinar magnitud de biomasa en laboratorio; los datos de biomasa se relacionaron con valores de reflectancia e IV de LANDAT-8 y SENTINEL-2 para estimar rendimiento mediante regresión lineal múltiple; ocho IV (NDVI, TVI TTVI, RDVI, RVI, RATIO, SAVI, MSAVI2) se evaluaron mediante evaluaciones cruzadas con base en estadísticos clave. Los resultados del análisis de regresión múltiple indicaron que el mejor modelo (R2 = 0.66) se obtuvo con datos de imágenes SENTINEL-2 a partir de las bandas 3 (α3 = 0.54-0.57 µm) y 8 (α8= 0.78-0.90 µm) con estimadores βi muy significativos (P < 0.05); RDVI presentó el mejor desempeño debido a una buena relación espacial entre los valores digitales ráster y la producción de biomasa verde producida con una asociación del 75.41%; en tanto que los indicadores estadísticos fueron R2= 0.75 y CME=17; con ambos recursos (Modelos de Regresión Múltiple e IV) se pronosticó el rendimiento a los 72 dds en un rango de 10.7 - 57.01 Mg ha-1. La conclusión es que SENTINEL-2 superó a LANDSAT-8 como herramienta libre para la evaluación de cultivos y estimación de biomasa debido a una mejor resolución espacial y temporal.

Crop yield estimation based on spectral indices is crucial for decision-making in agricultural activities; however, questions regarding their usefulness persist. The aims of our research were: 1) to relate the radiative properties of forage corn (FC) and biomass production using LANDSAT-8 and SENTINEL-2 images; and 2) to select the best-performing vegetation index (VI) to model FC yield under similar conditions. The study was conducted along the PV-2019 cycle with morphological measurements at different FC growth stages and with destructive random sampling at 72 dds to determine biomass magnitude in the laboratory. Biomass data were then related to reflectance values and VI’s from LANDSAT-8 and SENTINEL-2 to estimate yield through multiple linear regression. Eight VI’s (NDVI, TVI, TTVI, RDVI, RVI, RATIO, SAVI, MSAVI2) were evaluated through cross-evaluations based on key statistics. The results of multiple regression analysis indicated that the best model (R2 = 0.66) was obtained with SENTINEL-2 image data from bands 3 (α3 = 0.54-0.57 µm) and 8 (α8= 0.78-0.90 µm) with highly significant βi estimators (P < 0.05). Moreover, RDVI showed the best performance due to a good spatial relationship between raster digital values and green biomass yield produced with an association of 75.41%, the statistical indicators were R2= 0.75 and CME =17. Yield at 72 dds was predicted both with Multiple Regression Models and VI’s in a range of 10.7 - 57.01 Mg ha-1. In conclusion, SENTINEL-2 outperformed LANDSAT-8 as a free tool for crop assessment and biomass estimation due to its better spatial and temporal resolution.

: .

        · | |     · |     · ( pdf )