VENTAJAS Y LIMITACIONES DEL USO DE LOS SENSORES REMOTOS EN LA AGRICULTURA DE PRECISIÓN

Transcripción

1

2 VENTAJAS Y LIMITACIONES DEL USO DE LOS SENSORES REMOTOS EN LA AGRICULTURA DE PRECISIÓN María Pat González Dugo I Jornadas de aplicación de nuevas tecnologías en el sector agrícola: agricultura de precisión (AP)

3 VENTAJAS Y LIMITACIONES DEL USO DE LOS SENSORES REMOTOS EN LA AGRICULTURA DE PRECISIÓN Introducción Fundamentos de teledetección y características de los principales sensores disponibles Aplicaciones agrarias

4 TELEDETECCIÓN: Obtención de información sobre un objeto sin mantener un contacto directo con él (Jensen, 2000) Plataforma aérea Sensor Objeto o fenómeno en el campo de visión del sensor

5 - Satélites de observación terrestre (70-80 s). Aplicaciones agrícolas: proyectos LACIE, AgRISTARS - Otros desarrollo tecnológicos simultáneos (GPS, GIS ) Objetivo: Integrar estas tecnologías en la toma de decisiones en el sector agrario 1. Información continua y simultánea del territorio 2. Información espectral Información puntual energía reflejada Longitud de onda MODELOS ALGUNAS CARACTERÍSTICAS 3. Componente instrumental Combinar con otros datos: meteo, suelos, cultivos Variables útiles en la gestión Apoyar la interpolación espacial

6 FUNDAMENTOS DE TELEDETECCIÓN Sensor Pasivo Radiación de onda larga Reflexión Transmisión a la velocidad de la luz Sol

7 REFLECTANCIA ESPECTRAL DE DIVERSOS MATERIALES Reflectancia (%) hierba cemento suelo desnudo arenal barbecho asfalto césped artificial agua Longitud de onda, m

8 REFLECTANCIA DE UNA HOJA TÍPICA Mecanismo: Reflexión y transmisión del mesófilo Mecanismo: Absorción por pigmentos Mecanismo: Absorción por agua en las hojas

9 EVOLUCIÓN DE LA RESPUESTA ESPECTRAL DE UN CULTIVO A LO LARGO DE SU CICLO DE CRECIMIENTO 0.8 Reflectancia Día 125 Día 161 Día 175 Día 231 Día Longitud de onda (nm) USWCL P. Pinter Algodón E F M A D

10 ESPECTRO ELECTROMAGNÉTICO VIS µm LIDAR µm NIR µm TIR µm RADAR 0.5cm-1 m

11 PRINCIPALES CARACTERÍSTICAS DE LOS SENSORES REMOTOS

12 Resolución de los Sensores Remotos 10 m 10 m Espacial Tamaño del campo de visión e.g. 0.5 x 0.5m, 10 x 10 m. A V R NIR Espectral Número y posición de las regiones espectrales registradas por el sensor, e.g. azul, verde, rojo, infrarojo cercano, infrarojo térmico, microondas (radar). Ene 15 Feb 15 Temporal Frecuencia con que se adquieren los datos, e.g. cada 30 días.

13 Resolución Espacial

14 Resolución Espacial Efecto del tamaño de píxel en imágenes Aerotransportado: 1.5 metros Satélite Landsat TM: 30 metros

15 Resolución Espacial QuickBird Resolución espacial: 60 cm PAN, 2.8 Multiespectral

16 Resolución Temporal Adquisición de datos por el sensor Landsat: 1 de Junio, de Junio, de Julio, días

17 Resolución Espectral MULTIESPECTRAL HIPERESPECTRAL Landsat Thematic M apper AVIRIS (Airborne Visible Infrared Imaging Spectrometer)

18 PRINCIPALES SENSORES ESPACIALES Landsat (TM y ETM) SPOT IRS ASTER ERS Ikonos Quickbird IRS SPOT RADARSAT LANDSAT ERS

19 SENSORES ESPACIALES: Imagen ASAR (ENVISAT) Reflectancia Temperatura de Superficie Limitación sensores ópticos: NUBES

20 SENSORES AEROPORTADOS: - mayor resolución espectral (hiperespectrales) - mayor resolución espacial - mayor coste Julio - 98 Reflectancia Temperatura de Superficie Junio - 99 SENSOR DAEDALUS (INTA 11 bandas, resolución espacial: 5 m USU digital system 4 bandas, resolución espacial: 1.5 m

21 SENSORES AEROPORTADOS: LIDAR (Light Detection and Ranging) En una superficie sólida (edificios, suelo, etc.), el rayo se refleja y vuelve al avión. En el agua el rayo láser es absorbido y no vuelve al avión. En vegetación, choca con la copa del árbol y parte del rayo se refleja y vuelve al avión, pero otra parte atraviesa la vegetación hasta llegar al suelo y después vuelve al avión. El sistema guarda el primer y último pulso Precisión en alturas ~15cm Resolución espacial ~ 1m

22 APLICACIONES VARIABLES SENSORES REMOTOS EN AP VEGETACION NATURAL/CULTIVOS Fracción de cobertura Índice de área foliar Biomasa Altura y estructura de la cubierta Concentración de pigmentos hiperespectral Evapotranspiración Producción final Consumo de agua Estado fenológico Déficit de agua y nutrientes Enfermedades y plagas Malas hierbas SUELO Clases de suelo Variabilidad suelo (0-100) Humedad del suelo Unidades homogéneas de gestión Multi/hiperesp VIS/NIR/RADAR VIS/NIR VIS/NIR LIDAR VIS/NIR VIS/NIR/TIR VIS/SWIR RADAR/TIR

23 APLICACIONES VARIABLES Fracción de cobertura Índice de área foliar Biomasa SENSORES REMOTOS EN AP VEGETACION NATURAL/CULTIVOS Altura y estructura de la cubierta Concentración de pigmentos hiperespectral Evapotranspiración Producción final Consumo de agua Estado fenológico Déficit de agua y nutrientes Enfermedades y plagas Malas hierbas SUELO Clases de suelo Variabilidad suelo (0-100) Multi/hiperesp Humedad del suelo Unidades homogéneas de gestión VIS/NIR/RADAR VIS/NIR VIS/NIR LIDAR VIS/NIR VIS/NIR/TIR VIS/SWIR RADAR/TIR

24 APLICACIÓN1. Determinación de parámetros biofísicos 0.8 DOY 19 DOY 36 DOY 62 DOY 161 DOY 183 SAVI Medidas a lo largo de la parcela (cm)

25 APLICACIÓN1. Determinación de parámetros biofísicos Remolacha Algodón f c (%) LAI Biomasa (gr/m 2 ) SAVI NDVI SAVI-NDVI SAVI-NDVI

26 APLICACIÓN1. Determinación de parámetros biofísicos ÍNDICE DE ÁREA FOLIAR (LAI) LAI _ air = (4 * OSAVI 0.8)* ( E-6 * EXP [15.64 * OSAVI])1 LAI_sat = (2.88 * NDWI )* ( * EXP [4.1 * NDWI]) 1 Aerotransportado (1.5 metros) Satélite (30 metros)

27 APLICACIÓN1. Determinación de parámetros biofísicos (gestión forestal) Sistemasde Apoyoa la Decisión GPS Sensores aéreose hiperespectrales Observaciones Meteorológicas TécnicasNIR Prop. físicasy químicas Espectroradiómetros portátiles de campo, NIR Machinery embedded sensors Adquisición de datos y muestras Distinta resolución temporal Cubiertas vegetales, suelo, agua Distinta resolución espectral Distinta resolución espacial Desarrollo de Nuevos Protocolos de Integración de Sensores LIDAR, Cámara Digital, Infrarrojo Cercano e Hiperespectral PARTICIPANTES: 2 empresas, GMV y Stereocarto; 4 Dept. UCO; IFAPA; IAS-CSIC

28 300 metros 15 centímetros 30 metros 15 centímetros.

29 APLICACIÓN1. Determinación de parámetros biofísicos (gestión forestal) Cámara Digital y despliegue de paneles

30 APLICACIÓN1. Determinación de parámetros biofísicos (gestión forestal) MODELOS DE MEZCLAS ESPECTRALES Vegetación Componentes del modelo: Roca Sombra N "FDN DNb i ib! Eb i 1 N Pasto seco "F i Suelo desnudo 1.0 i 1 0,35 Reflectancia 0,3 Quercus ilex sp. (Hurcom y Harrison, 1998) Quercus ilex sp. (García-Haro, 1997) 0,25 0,2 0,15 0,1 0,05 0 B1 Encinar Sombra B2 B3 B4 B5 Banda Landsat5-TM B7 2

31 APLICACIÓN1. Determinación de parámetros biofísicos (gestión forestal) 0.5 Y = * X R2 = 0.76 Finca La Rozuela FCC AF-Satélite FCC Fotografía Aérea 0-15% 15-35% >35%

32 APLICACIONES VARIABLES Evapotranspiración SENSORES REMOTOS EN AP VEGETACION NATURAL/CULTIVOS Fracción de cobertura Índice de área foliar Biomasa Altura y estructura de la cubierta Concentración de pigmentos Producción final Consumo de agua hiperespectral Estado fenológico Déficit de agua y nutrientes Enfermedades y plagas Malas hierbas SUELO Clases de suelo Variabilidad suelo (0-100) Multi/hiperesp Humedad del suelo Unidades homogéneas de gestión VIS/NIR/RADAR VIS/NIR VIS/NIR LIDAR VIS/NIR VIS/NIR/TIR VIS/NIR/SWIR RADAR/TIR

33 APLICACIÓN 2. Evapotranspiración Estaciones meteorológicas Sensores Remotos Modelos estimación ET Programación del riego Detección de estrés hídrico VIS/NIR. Cuantificación de la vegetación Temperatura superficial

34 APROXIMACIONES PARA LA ESTIMACIÓN DE ET MEDIANTE TELEDETECCIÓN 1. Balance de energía en superficie [T s ; IVs; ] R n H ET APLICACIÓN 2. Evapotranspiración G 2. Respuesta espectral RED DE INFORMACION AGROCLIMÁTICA DE ANDALUCÍA Modelo FAO: ET= K c x ET o [Índices de Vegetación espectrales (IVs)]

35 APLICACIÓN 2. Evapotranspiración Modelo basado en los índices de vegetación ET= K c x ET o (K cb *K s +K e ) K cb SAVI Balance de agua en el suelo

36 APLICACIÓN 2. Evapotranspiración VALIDACIÓN Red de medida de flujos de energía mediante covarianza de torbellinos sobre cultivos de maíz y soja Maíz Soja 4 conjuntos de platos de flujo sobre las líneas y los surcos

37 APLICACIÓN 2. Evapotranspiración RESULTADOS FAO-VI derivada ET (mm day -1 ) Soy 182 Soy 189 Soy 174 maíz 182 maíz 189 maíz S derivada ET (mm day -1 ) soy 182 soy 189 soy 174 maíz 182 maíz 189 maíz ET diaria medida (mm day -1 ) ET diaria medida (mm day -1 ) rmse= 0.42 mm/día r 2 = 0.7 rmse= 0.40 mm/día r 2 = 0.83

38 APLICACIONES VARIABLES SENSORES REMOTOS EN AP VEGETACION NATURAL/CULTIVOS Fracción de cobertura Índice de área foliar Biomasa Altura y estructura de la cubierta Concentración de pigmentos hiperespectral Evapotranspiración Producción final Consumo de agua Estado fenológico Déficit de agua y nutrientes Enfermedades y plagas Malas hierbas SUELO Clases de suelo Variabilidad suelo (0-100) Multi/hiperesp Humedad del suelo Unidades homogéneas de gestión VIS/NIR/RADAR VIS/NIR VIS/NIR LIDAR VIS/NIR VIS/NIR/TIR VIS/SWIR RADAR/TIR

39 APLICACIÓN3. Detección de estrés hídrico SENSOR ATLAS (NASA) 15 bandas, resolución espacial 2,5 m Finca Maricopa Durante el riego

40 APLICACIÓN3. Detección de estrés hídrico Crop water stress index CWSI (T (T c c T T a a ) (Tc Ta ) (T T ul c a ) ll ) ll Imagen falso color Índice de Vegetación Temperatura de la cubierta DOY: 193 CWSI = 0.24 Ts = 1.46 DOY: 231 CWSI = 0.03 Ts = 0.61

41 APLICACIÓN3. Detección de estrés hídrico 2.0 Estrés bajo Estrés moderado Estrés Alto Tc (ºC) Día =193 Día =231 Día = CWSI r Tamaño de celda (m)

42 VENTAJAS Y LIMITACIONES DEL USO DE LOS SENSORES REMOTOS EN LA AGRICULTURA DE PRECISIÓN Gracias por su atención