Gustavo Ovando, realizó esta mañana en la Escuela para Graduados de la Facultad de Ciencias Agropecuarias de la UNC, la presentación de sus tesis de doctorado en Ciencias Agropecuarias con el tema: “ESTIMACIÓN DEL RENDIMIENTO DE SOJA EMPLEANDO INFORMACIÓN SATELITAL Y MODELOS DE SIMULACIÓN DE CULTIVOS”
Felicitaciones al nuevo Doctor!
Tema
Estimación del rendimiento de soja empleando información satelital y modelos de simulación de cultivos
Resumen
La estimación de la productividad de la soja es un dato estratégico a nivel regional.
Los modelos de cultivos proveen una descripción continua del crecimiento y desarrollo del cultivo. La teledetección permite el monitoreo del crecimiento y desarrollo de la vegetación en un área determinada. El objetivo general de este estudio fue redecir parámetros biofísicos del cultivo de soja, integrando datos de teledetección del sensor MODIS en el modelo de cultivo STICS. En diez lotes con soja de la región central de la provincia de Córdoba se realizaron observaciones de: índice de área foliar (LAI), fracción de la radiación fotosintéticamente activa interceptada (fIPAR), cobertura del cultivo (%C), materia seca de la parte aérea (MS), fase fenológica, contenido de agua del suelo (HS) y rendimiento. El modelo de transferencia radiativa PROSAIL se utilizó para generar una base de datos que se invirtió empleando redes neuronales artificiales (ANN), con el fin de estimar LAI a partir de valores de reflectancias de MODIS. Se forzó al modelo STICS a tomar valores de LAI (STICS-f) y con ambos se simuló MS y rendimiento, como así también HS. Las reflectancias simuladas con PROSAIL mostraron la evolución típica con
el incremento del LAI: un aumento de la absorción en azul y rojo e incremento en la reflectancia NIR. La ANN con mejor desempeño en la inversión de PROSAIL consideró como datos de entrada solamente las reflectancias en azul, rojo y NIR para estimar el LAI. En la calibración de los coeficientes del cultivo del modelo STICS, se debió considerar las diferentes fechas y densidades de siembra como así también la longitud del ciclo de las variedades utilizadas. Como era de esperar, al pasar del modelo STICS a STICS-f, los errores de estimación del LAI disminuyen (%RMSE de 29,2% a 12,2%), como así también los errores al estimar MS; sin embargo, resultaron elevados en comparación con la bibliografía analizada. Cuando el análisis considera solamente la materia seca vegetativa, los errores disminuyen considerablemente. El contenido de humedad del suelo hasta 2m de profundidad y el rendimiento, fueron estimados adecuadamente tanto con STICS como con STICS-f, cuyos valores de %RMSE estuvieron en torno a 10%.