Spanish (pdf)
Article in xml format
Article references
Automatic translation
Send this article by e-mail
Cited by SciELO 
Cited by Google 
Similars in
SciELO 
Similars in Google 
Permalink
INTRODUCCIÓN
En Colombia, y en especial en el departamento del Cauca, la producción de café tiene gran importancia económica y social. Si bien durante los últimos años los cultivos han comenzado a ser monitoreados para comprender el efecto de diferentes varia bles químicas y ambientales sobre la productividad y las características finales del producto, no todos los caficultores tienen acceso a conocer aspectos como distribu ción espacial de sus cultivos y gestión de los recursos en este [1]. La producción exito sa del café depende de un monitoreo adecuado que involucre diferentes variables del cultivo, el cual se realiza en campo y demanda extensas jornadas en la recolección de información. Existen herramientas tecnológicas como el uso de RPA (aviones tripula dos de forma remota) equipados con cámaras multiespectrales que permiten mapear extensiones mucho más grandes de cultivo en menor tiempo [2].
La respuesta espectral en un cultivo se relaciona con la interacción entre la radiación electromagnética y las características relacionadas con la vegetación, como la es tructura de la vegetación, el estado fenológico, la densidad de la vegetación, la orien tación espacial y los efectos del fondo del suelo [3], [4]. En áreas de cultivos como el café, factores tales como el suelo, el uso sistemático de implementos agrícolas, el sombreado interno y la distancia entre plantas aumentan la complejidad del estudio de sus características espectrales. Otros elementos que intervienen en el análisis de la respuesta espectral de los cultivos son la variación en la iluminación y las geometrías del objetivo [5]. La característica no lambertiana de la superficie y la topografía también influyen en la respuesta espectral del cultivo [6]. Según [7], la topografía influye en la luminosidad medida por los sensores remotos y reduce la precisión de las estimaciones derivadas de la cubierta vegetal. Lo anterior tiene importancia en el estudio espectral del cultivo de café del departamento del Cauca debido a la irregularidad de las parcelas cafeteras.
Los índices de vegetación obtenidos a partir de imágenes multiespectrales permiten determinar el estado de salud de los cultivos, a partir de diferentes características, como contenido de clorofila [8], [9], [10]; estado nutricional [11], [12]; estado hídrico [13], [14], [15]; y deficiencias estructurales [16], [17]; todo esto con alta resolución espacial. Medidas ópticas similares pueden tomarse usando equipos de campo con la con secuente pérdida de resolución espacial y espectral, efecto que ocurre, por ejemplo, en los espectrómetros foliares que permiten medir índices de vegetación en hoja.
Elegir el índice de vegetación adecuado para cada aplicación constituye un reto, en ocasiones, difícil de abordar. Diversos estudios han mostrado que el desempeño de algunos índices de vegetación difiere en relación con los parámetros específicos que se desean estimar, por ejemplo, índices CIRed-edge y TSAVI (por sus siglas en inglés) para estimar área foliar [18], [19]; índice EVI (por sus siglas en inglés) para estimar conteni do de agua [20]; índices NDVI, GCI y SR (por sus siglas en inglés) para estimar biomasa, densidad vegetal, biodiversidad, abundancia vegetal [21], [22]; e índices NDVI*SR, SR y mNDblue para estimar contenido de nitrógeno y contenido de clorofila [23], [24], [25]. El objetivo principal de esta investigación fue establecer las diferencias y simili tudes estadísticas entre los índices de vegetación NDVI, GNDVI y NDRE, en un cultivo experimental de la especie Coffea arabica, usando imágenes aéreas tomadas con la cámara multiespectral MicaSense RedEdge-M.
METODOLOGÍA
Diseño experimental
Este estudio se realizó en la hacienda Los Naranjos, propiedad de Supracafé, ubicada en el municipio de Cajibío, en el departamento del Cauca. Tiene como característica principal su topografía plana y vegetación arbórea en sus alrededores. Climatológi camente, el municipio de Cajibío forma parte de la zona de confluencia intertropi cal (ZCIT) y cuenta con dos periodos de precipitaciones (abril-junio y septiembre-no viembre) [26]. El área de estudio tiene una extensión de 0,1652 h, con una altitud de 1870 m s. n. m. y con coordenadas correspondientes a latitud 2º35’11,6” norte, longi tud -76º33’11,2” oeste (tabla 1).
La zona de estudio se dividió usando una cuadrícula que segmenta la región en 25 zonas de igual dimensión, y se tomaron las 15 regiones centrales para su procesa miento de forma independiente. Estas regiones se numeraron para identificarlas en los procesamientos siguientes (figura 1).
Medida de índices de vegetación usando imágenes multiespectrales
Se tomaron imágenes multiespectrales aéreas de la parcela en estudio, usando la cámara MicaSense RedEdge-M y una aeronave no tripulada Phantom-4 de DJI a una distancia de 30 m del nivel del dosel, previa calibración con blanco de reflectancia. Las imágenes multiespectrales fueron calibradas radiométricamente (obtención de reflectancia a partir de medidas de intensidad). Se realizó calibración geométrica para obtener ortomosaicos de cada banda del espectro (azul 475 nm, verde 560 nm, rojo 668 nm, rojo-borde 717 nm e infrarrojo cercano 840 nm (NIR)), usando un algo ritmo desarrollado para tal fin. Se estimaron los índices de vegetación (figura 2) de diferencia normalizada NDVI, GNDVI (índice de vegetación de diferencia normaliza da verde) [27] y NDRE (índice de vegetación de diferencia normalizada de borde rojo) [28], Eq. 1.
Donde R840, R717, R668, R560 son los porcentajes de luz reflejados con respecto al blan co de calibración a longitudes de onda 840, 717, 668 y 560 nm, correspondientes a las bandas NIR, rojo-borde, rojo y verde, respectivamente. Con el fin de identificar la sensibilidad de los índices espectrales ante variaciones en el vigor en las zonas de estudio, se calculó el coeficiente de variación (CV) de cada región de interés [29] para cada índice de vegetación (NDVI, GNDVI y NDRE). Además, se estimaron valores representativos de las zonas de interés (ROI, por sus siglas en inglés) usando el valor más frecuente del histograma para los índices de vegetación en estudio.
RESULTADOS Y DISCUSIÓN
Respuesta espectral, imágenes multiespectrales
Las imágenes multiespectrales procesadas permitieron estimar los índices de vegeta ción NDVI, GNDVI y NDRE en el cultivo de estudio, con una resolución espacial de 2,1 cm2. El mapa espectral permitió, en los tres índices, diferenciar entre tejido vegetal y no vegetal (figura 3).
Los valores de coeficiente de variación fueron mayores en el índice NDRE que en los índices NDVI y GNDVI (figura 4). Esto sugiere que el índice NDRE puede ser más sensi ble ante variaciones de vigor del cultivo, y podría presentar mayor sensibilidad en la determinación del contenido de clorofila, pigmento que se encuentra estrechamente ligado al vigor vegetal [30]. El índice NDVI se ha usado satisfactoriamente para deter minar si el tipo de cobertura es vegetal o no, además, para evaluar la variación tem poral del tejido vegetal [31]-[34]. Sin embargo, la sensibilidad en determinar variacio nes dentro de la cobertura vegetal ha sido limitada, debido, en buena medida, a que relativamente poca cantidad de clorofila es suficiente para saturar la absorción en la banda alrededor de 668 nm [35]. Las variaciones en este índice se deben a cambios estructurales en el mesófilo de la hoja o en el dosel [36]. Los índices de vegetación al ternativos como el NDRE pueden presentar una mejor respuesta ante las variaciones de vigor dentro de un cultivo. Incluso, se han encontrado niveles de correlación altos para determinar variaciones de clorofila usando la banda espectral del rojo-borde [37]-[40].
Correlación entre índices espectrales
El coeficiente de correlación de Spearman [41] entre los índices de vegetación NDVI, GNDVI y NDRE fue en todos los casos ρ0,9 (tabla 2). En particular, la pareja de índi ces con menor coeficiente de correlación y determinación fue NDRE-GNDVI (ρ = 0,91, R2 = 0,83), lo cual sugiere que los eventos que no logren ser explicados por uno de los índices podrían verse reflejados en el comportamiento del otro. Es decir, estos dos índices, al no compartir longitudes de onda, podrían explicar diferentes estados del cultivo. A pesar de haber realizado un mapeo por toda la imagen donde se espera existan valores de índice de vegetación en todo el rango de trabajo, los índices de vegetación presentaron poca frecuencia para valores intermedios (0,5-0,7), lo cual sugiere que los índices de vegetación pueden perder sensibilidad para ciertos rangos de vigor vegetal o contenido de clorofila (figura 5).
Tabla 2 Coeficiente de correlación de Spearman y coeficiente de determinación R2 entre índices NDVI, GNDVI y NDRE
Histogramas de las zonas de interés
En consideración a la resolución espacial que proporcionan las imágenes multies pectrales, se estimaron los valores más frecuentes del histograma de cada región de interés. Se encontró que el índice NDVI fue menos sensible ante las variaciones de cobertura en toda la zona de estudio. Por ejemplo, las zonas 3 y 12 presentaron una diminución para los índices GNDVI y NDRE, mientras que el índice NDVI permaneció casi constante (figura 6).
Figura 6 Valores más frecuentes del histograma de cada índice de vegetación (NDVI, GNDVIy NDRE) para las 15 regiones de interés del cultivo.
El histograma de una zona que tiene solo tejido vegetal difiere en su distribución respecto de una zona que tiene cubierta vegetal y no vegetal. En regiones de interés como la 3 en el cultivo de estudio, donde la cobertura no vegetal es comparable con la cobertura vegetal, se espera que la distribución de su histograma tenga dos máxi mos o valores representativos, tal como lo muestra la distribución de frecuencias del índice NDRE en la figura 7.
El índice GNDVI presenta en la misma zona un solo máximo definido, lo cual sugiere que tiene la menor sensibilidad ante las variaciones de cobertura dentro de una ROI. Mientras que el índice NDVI, aunque presenta dos máximos en su histograma, sus valores se encuentran entre 0,6 y 0,95 (figura 7), lo cual muestra que también presen ta sensibilidad limitada ante estados bajos de vigor vegetal. Los resultados sugieren que la sensibilidad del índice NDRE puede ser más conveniente al analizar el tipo de cobertura y sus variaciones espaciales de vigor.
CONCLUSIONES
Los índices de vegetación NDVI, GNDVI y NDRE son indicadores aceptables de las zo nas de vegetación. En particular, el índice NDRE presentó mayor coeficiente de va riación que los otros dos índices en las mismas zonas de estudio, lo cual sugiere un mejor desempeño en la detección de cobertura vegetal. El coeficiente de correlación de Spearman mostró mayor dependencia entre los índices NDVI y GNDVI que entre alguno de ellos y el índice NDRE.
La resolución espacial de las imágenes multiespectrales permitió realizar un análisis espacial en frecuencia a través de ROI. Los valores más representativos de cada ROI mostraron que los índices NDVI y GNDVI son más susceptibles a estados de satura ción. La posible saturación de las bandas asociadas a la absorción de clorofila puede ocasionar la poca sensibilidad de este índice espectral, lo cual sugiere que un estudio valioso puede ser determinar longitudes de onda donde exista absorción del pigmen to, pero que no lleguen a estados de saturación prematuramente.
