Future Directions

Los índices de vegetación, o índices verdes, son transformaciones que implican efectuar una combinación matemática entre los niveles digitales almacenados en dos o más bandas espectrales de la misma imagen (Esperanza y Zerda, 2002).

El desarrollo de estos índices obedeció a la observación de la consistencia de la respuesta a la reflectancia de la luz roja e infrarroja de la vegetación verde: a mayor cantidad de clorofila, mayor absorción de la luz incidente roja; a mayor volumen foliar, mayor reflectancia de la luz infrarroja cercana. Considerando que pueden existir otras coberturas con alta reflectancia en el infrarrojo, u otras con alta absorción en el rojo, el empleo de solo una banda puede conducir a errores. Sin embargo, solo la vegetación viva produce invariablemente ambas respuestas, de modo que, si se calcula el cociente de la reflectancia infrarroja por la roja, o su diferencia, como la primera siempre aumenta conforme la segunda disminuye, el cociente (o diferencia) será mayor cuanta más vegetación haya, por el efecto aditivo que una mayor abundancia de vegetación produce (Towers, 2002).

La validez de utilizar estos índices se fundamenta en el comportamiento espectral de la vegetación. Una cubierta vegetal en buen estado de salud, tiene una firma espectral que se

16

caracteriza por el contraste entre la banda del rojo (entre 600 y 700 nm), la cual es absorbida en gran parte por las hojas, y el infrarrojo cercano (entre 700 y 1100 nm), que es reflectada en su mayoría. Esta cualidad de la vegetación permite la realización de su valoración cualitativa.

2.7.1 Principales índices de vegetación utilizados en agricultura de precisión

a. Índice de vegetación diferencial normalizado (NDVI)

El NDVI logra predecir la actividad fotosintética de la planta ya que este índice de vegetación incluye tanto el rango del infrarrojo cercano como la luz roja. La actividad fotosintética de las plantas es determinada por el contenido y la actividad de la clorofila. Se ha comprobado que existe una relación entre el contenido de nitrógeno y la clorofila foliar en el cultivo de maíz (Piekielek y Fox, 1992; Chapman y Barreto, 1997).

El NDVI utiliza la diferencia entre la alta reflectancia en el infrarrojo cercano, y la baja reflectancia de la parte roja del espectro electromagnético para predecir los parámetros biofísicos de la vegetación. Esta diferencia se relaciona con aumento de la absorción del rojo por la clorofila para la vegetación más densa, o vegetación con mayor concentración de clorofila, combinado con el aumento de la dispersión de infrarrojos por los componentes estructurales de vegetación (Ferwerda, 2005). Estas características hacen posible que el NDVI sea usado como predictor de biomasa (Huete et al., 2002), y de productividad primaria neta (Prince et al., 1995).

Dónde:

NDVI=

NIR+R

 NIR: es la reflectividad en el infrarrojo cercano.  R: es la reflectividad en el rojo.

El rango de valores de las reflexiones espectrales se encuentra entre el 0 y el 1; ya que, tanto la reflectividad del infrarrojo cercano como la del rojo, son cocientes de la radiación reflejada sobre la radiación entrante en cada banda espectral. Por consecuencia de estos rangos de valores, el NDVI varía su valor entre -1 y 1. En la práctica, los valores que se encuentran en negativo, representan nubes o nieve; valores por debajo de 0,1 corresponden a cuerpos de agua y tierra desnuda, mientras que los valores más altos son indicadores de la actividad fotosintética de zonas de matorral, bosque templado, selva y la actividad agrícola (Meneses, 2011).

17

El NDVI ha sido correlacionado con numerosas variables como: la deficiencia de nutrientes en los cultivos, el rendimiento de cereales de grano pequeño y el estrés hídrico prolongado de las plantas. Sin embargo, más que reflejar el efecto de un solo parámetro, el NDVI tiene que ser considerado como una medida del crecimiento integral de la planta, incluyendo factores que intervienen en dicho crecimiento. Es probable que las características físicas detectadas por medio del índice estén relacionadas con propiedades que determinan la densidad del follaje (por ejemplo, la superficie foliar o el porcentaje de cobertura) o con la biomasa total. La variabilidad de un índice no está relacionada con una sola característica de la planta o del suelo, por lo cual es necesario tener una idea del factor limitante de crecimiento del cultivo. Por ejemplo, en un campo donde el factor limitante es el N, seguramente el NDVI tendrá una fuerte correlación con la cantidad de N disponible en el suelo; sin embargo, en una parcela donde el factor limitante es el agua, el NDVI estará correlacionado en igual medida con la humedad del suelo disponible para las plantas (Verhulst et al., 2010).

Existen diferentes índices de vegetación. No obstante, aquellos cuya fuente principal sean la reflectancia del rojo visible e infrarrojo cercano producirán información similar a la del NDVI. Una de las razones de la amplia aceptación del NDVI es que muchos sensores (desde portátiles hasta satelitales) hacen mediciones en el rango espectral de luz roja e infrarrojo cercano. En el futuro, la mayoría, si no es que todos los nuevos satélites comerciales, contarán con bandas del rojo e infrarrojo cercano, con ello se dispondrá de más datos de este tipo (Verhulst et al., 2010).

b. Índice de área foliar

Índice de área foliar El Índice de Área Foliar (LAI), es una cantidad adimensional, que presenta el área de la hoja (lado superior solamente) por unidad de área de suelo debajo de ella. Se expresa como m2 área foliar por m2 de área de suelo. Es una variable biofísica ampliamente utilizada en la investigación forestal y agrícola (Fang, 2015). Para un cultivo dado, el LAI cambia a lo largo del periodo de crecimiento y alcanza normalmente su máximo valor antes o en la floración. El LAI también depende de la densidad de las plantas y de la variedad del cultivo (Allen et al., 2006)

El índice de área foliar (LAI) se define como el área de las hojas por unidad de área de superficie del suelo (Bréda, 2003); es un parámetro dinámico que depende de la especie del cultivo, las condiciones agronómicas, la etapa de desarrollo, la estacionalidad y las

18

prácticas de manejo (Das et al., 2016). El LAI es una información básica para el seguimiento del desarrollo y crecimiento agronómico de los cultivos (Mendoza, 2015); tiene una estrecha relación con la intercepción de la radiación solar, la fotosíntesis, procesos de transpiración y balance de energía aspectos fuertemente vinculados a la acumulación de biomasa (Haboudane et al., 2004), además es uno de los índices aplicados a la experimentación para la predicción del rendimiento de los cultivos y modelado del balance hídrico en el sistema suelo agua atmosfera (Verger et al., 2014).

Los métodos para estimar el LAI se pueden agrupan en dos categorías principales: directos e indirectos (Gower et al., 1999; Bréda, 2003; Jonckheere et al., 2004). Los métodos directos son los más precisos, pero presenta el inconveniente de ser destructivos, laboriosos y requieren alta inversión de tiempo para adquirir la información (Jonckheere et al., 2004); unas de las técnicas más usadas en el método directo para estimar el LAI es mediante la determinación del área foliar (Zheng y Moskal, 2009). Los métodos indirectos permiten determinar el LAI más rápido, por lo tanto permiten obtener una muestra espacial más grande, sin embargo, es necesario la validación de los datos a partir de los métodos directos que pueden considerarse como métodos de calibración (Jonckheere et al., 2004). Actualmente, el método más utilizado para estimar la variabilidad espacial del LAI es a partir de los sensores remotos mediante índices de vegetación (IV) obtenidas de las imágenes satelitales o aéreas; los datos de sensores remotos son útiles para ajustar las propiedades de los cultivos y el suelo teniendo en cuenta las condiciones locales (Guérif y Duke, 2000). Los IV se transforman en LAI utilizando una relación estadística calibrada sobre medidas experimentales (Verrelst et al., 2012; Viña et al., 2011) o sobre simulaciones del modelo de transferencia radiactiva (Haboudane et al., 2004).

2.8 Componentes que deben considerarse para el uso de los RPAS en la agricultura