MONITOREO FORRAJERO MEDIANTE IMÁGENES SATELITALES EN SISTEMAS GANADEROS DE REGIONES SEMIÁRIDAS: avances, perspectivas y limitaciones.

Transcripción

1 MONITOREO FORRAJERO MEDIANTE IMÁGENES SATELITALES EN SISTEMAS GANADEROS DE REGIONES SEMIÁRIDAS: avances, perspectivas y limitaciones. Lisandro Blanco INTA EEA La Rioja 33º Congreso AAPA Viedma, octubre 21

2 1. REGIÓN DE ESTUDIO Chaco Árido

3 2. Características forrajeras de los sistemas ganaderos 2a. Tipos de forraje - Pastizales naturales (95%) - Pasturas perennes implantadas (5%)

4 2. Características forrajeras de los sistemas ganaderos 2b. La variabilidad temporal 25 7 Producción de pasto (kg/ha) Precipitación anual (mm) Año Pobre Regular Precipitación PPNA (g m-2) nov-5 18-dic-5 3-ene-6 13-mar-6 26-abr-6 3-may Lluvias (mm) Fecha

5 2. Características forrajeras de los sistemas ganaderos 2c. La heterogeneidad espacial Hectáreas metros

6 3. Ajustar la carga animal. Estrategia metodológica actual Delimitación de áreas homogéneas Clasificación supervisada Imágenes Landsat TM Precisión: 8-9% Estimación disponibilidad de forraje Doble muestreo Dos distancias a la aguada por área Frecuencia anual

7 4. Monitoreo forrajero: Nuevas estrategias 4.a. Qué buscamos? - Disminuir las horas / profesional capacitado. - Aumentar la frecuencia de monitoreo. - Alta cobertura espacial. - Obtener resultados espacialmente explícitos.

8 4. Monitoreo forrajero: Nuevas estrategias 4.b. El principio conceptual (Modelo de Monteith, 1972) PPNA = RFAi x frfaa x ε (g x m-2) (MJ x m-2) (IVN) g x MJ -1

9 4. Monitoreo forrajero: Nuevas estrategias 4.c. El IVN como estimador directo de la PPNA PPNA (g m-2) y = 43,948x - 38,74 R 2 =, IA-IVN

10 4. Monitoreo forrajero: Nuevas estrategias 4.d. Inconvenientes en el uso del IVN - Alta proporción de la PPNA no forrajera. - La vegetación no forrajera sombrea el forraje. - Componentes forrajeros y no forrajeros comparten espacios sub-pixel.

11 4. Monitoreo forrajero: Nuevas estrategias 4.e. Cobertura forrajera relativa Supuesto: La fracción forrajera del IVN ~ cobertura forrajera relativa. PPNA forraje (g m-2) y = 46,15x + 2,475 R 2 =,787,5 1 1,5 2 2,5 3 3,5 IA-IVNf IA-IVNf1 = IA-IVN x cobertura forrajera relativa

12 4. Monitoreo forrajero: Nuevas estrategias 4.f. Descomposición de series temporales IVN MODIS (Cleveland et al. 199, Lu et al. 23). Supuesto: vegetación herbácea comportamiento temporal vegetación leñosa

13 4. Monitoreo forrajero: Nuevas estrategias 4.f. Descomposición de series temporales IVN MODIS - Pastos: alta dependencia de las lluvias, marcada estacionalidad, alta variabilidad intra e inter anual - Leñosas: baja dependencia de las lluvias, estacionalidad más amplia, baja variabilidad intra e inter anual Arbustos Pastos 9 6 CAA (%) y =,31x + 55,54 R 2 =,99 CAP (%) y =,99x - 9,5649 R 2 =, PPEC (mm ) PPEC (mm )

14 4. Monitoreo forrajero: Nuevas estrategias 4.f. Descomposición de series temporales IVN MODIS PPNA forraje (g m-2) y = 71,479x - 57,499 R 2 =,7967,5 1 1,5 2 2,5 3 IA-IVNf IA-IVNf = IA-IVN x (h/w+h) h: herbage w: woody

15 5. Monitoreo de IVN, frfaa y EUR en tipos funcionales 5.a. Selección de tipos funcionales Perennifolia Caducifolia Pasto Pappophorum caespitosum Bouteloua aristiroides (anual) Arbusto Larrea divericata Mimoziganthus carinatus Árbol Aspidosperma quebracho blanco Prosopis flexuosa

16 5. Monitoreo de IVN, frfaa y EUR en tipos funcionales 5.b. Marcha estacional del IVN Aspque Profle,7,6,5,4,3,2,1 -,1 IVN 35 sep-1 jul-1 may-1 mar-1 ene-1 nov-9 sep-9 jul-9 may-9 mar-9 ene-9 nov-8 sep-8 jul-8 jun-8 3 Mes 25 Lardiv Mimcar ,7,6,5,4,3,2,1 -,1 IVN 5 ago-1 jul Temperatura (grados) Precipitaciones (mm) mm 417 mm 19 jun-1 may-1 abr-1 mar-1 feb-1 ene-1 dic-9 nov-9 oct-9 sep-9 ago-9 jul-9 jun-9 may-9 abr-9 mar-9 feb-9 ene-9 dic-8 nov-8 oct-8 sep-8 meses sep-1 jul-1 may-1 mar-1 ene-1 nov-9 sep-9 jul-9 may-9 mar-9 ene-9 nov-8 sep-8 jul-8 jun-8 Mes,7 Papcae Bouari,6,5,4,3 IVN,2,1 -,1 sep-1 jul-1 may-1 mar-1 ene-1 nov-9 sep-9 jul-9 may-9 mar-9 ene-9 nov-8 sep-8 jul-8 jun-8 Mes

17 5. Monitoreo de IVN, frfaa y EUR en tipos funcionales 5.b. Marcha estacional del IVN,7 % IVN Dic a Mar,65 arbustos,6 árboles,55 pastos,5,45,4,35,3,4,5,6,7,8,9 1 1,1 CV intra-anual IVN

18 5. Monitoreo de IVN, frfaa y EUR en tipos funcionales 5.c. La relación IVN - frfaa,7 àrboles,6 arbustos,5 pastos y = 1,1419x -,1754 frfaa,4,3 y = 1,4459x -,285 R 2 =,771 R 2 =,8487,2,1 y =,3537x +,165 R 2 =,7537,1,2,3,4,5,6,7 IVN

19 5. Monitoreo de IVN, frfaa y EUR en tipos funcionales Caída de Mantillo (g m-2) d. Estimaciones de PPNA y EUR Asp que Lar div 7% 3% PPNA (g m-2) sep-9 nov-9 ene-1 mar-1 may-1 jul-1 sep-1 Asp Pro Lar Mim Pap Bou mes especie 12 Pro fle Mim car,6,43,34 Caída de Mantillo (g m-2) % 65% EUR (g Mj-1),45,3,15,15,1,12,7 sep-9 nov-9 ene-1 mar-1 may-1 jul-1 sep-1 mes, Asp Pro Lar Mim Pap Bou especie

20 6. Factores que afectan EUR 6.a. La disponibilidad de agua sobre la EUR de pastos PPNA = RFAi x frfaa x ε ~ ctte 3 mm 5 mm 7 mm N = 8 UE = 1,5 m Especie: Trichloris crinita

21 6. Factores que afectan EUR 6.a. La disponibilidad de agua sobre la EUR de pastos RFAA (Mj m-2) PPNA (g m-2) 4, 3, 2, 115,95 18,7 237,9 EUR (g Mj-1),5,4,3,2,29,26, ,, tratamiento (mm), tratamiento (mm), tratamiento (mm)

22 7. Aplicaciones de resultados preliminares 7.a. La PPNA en potreros B P PPNA forraje (kg ha-1) buena pobre Año

23 7. Aplicaciones de resultados preliminares 7.a. La PPNA en potreros 1 Productividad de forraje estimada (Kg ha-1) 8 B 6 P 4 2 y = 3,552x - 426,2 R 2 =, Total lluvias oct - mar (mm)

24 7. Aplicaciones de resultados preliminares 7.b. La PPNA en un gradiente regional de precipitaciones Modelo de descomposición IVN h Modelo regresión Modelo EUR PPNAf = 71,5 x (IVN x h/h+w) 57,5 fapar=1,15 x h,17 PPNAf=PARix faparxeur PPNA forrajero (kg MS. ha-1) PMA (mm) Modelo de regresión Modelo de EUR

25 7. Aplicaciones de resultados preliminares 7.b. La PPNA en un gradiente regional de precipitaciones PPNA forraje / PPNA total,6,5,4,3,2 y =,11x +,145 R 2 =,4643, PMA (mm) Coeficiente variación interanual PPNA 1,8 herbáceo leñoso,6,4 y = -,39x + 1,7235 R 2 =,556, PMA (mm)

26 8. Consideraciones finales 1. Las diferencias temporales en la marcha de la productividad de los componentes forrajeros y no forrajeros abre una ventana de oportunidad para discriminar desde sensores satelitales dichos componentes. 2. Los nuevos métodos presentados son alentadores pero necesitan pruebas de validación. B P 3. Las experiencias de campo permiten estimar parámetros que luego facilitan la Integración de los métodos de descomposición de series de IVN MODIS con el modelo de EUR.

27 B P Gracias!