Análisis del estrés de los cultivos basado en el índice de vegetación hiperespectral

Los atributos de la vegetación se miden típicamente convirtiendo los espectros de reflectancia en un único valor numérico o índice de vegetación. Los índices de vegetación hiperespectrales o de banda estrecha contienen características de la vegetación de banda estrecha e información de longitud de onda que solo pueden ser capturadas por instrumentos hiperespectrales.

Las propiedades de la vegetación determinadas por índices hiperespectrales de vegetación se pueden dividir en tres categorías principales: 1. Estructura; 2. Propiedades bioquímicas; 3. Fisiología/estrés de la planta.

Las propiedades estructurales medidas incluyen la cobertura vegetal, la biomasa foliar, el índice de área foliar (IAF), la biomasa de hojas senescentes y la relación de absorción de radiación fotosintéticamente activa (FPAR). La mayoría de los índices que se utilizan actualmente para el análisis estructural se construyen en sistemas de banda ancha, si bien también existen índices hiperespectrales de banda estrecha.

Las propiedades bioquímicas incluyen el contenido de agua, pigmentos (clorofila, carotenoides y antocianinas), otras mezclas ricas en nitrógeno (como proteínas) y materiales estructurales de la planta (lignina y celulosa). Los índices fisiológicos y de estrés se utilizan para medir cambios mínimos causados ​​por factores como cambios inducidos por el estrés en el estado de las xantofilas, el contenido de clorofila, los efectos de fluorescencia o la humedad foliar. Generalmente, las propiedades bioquímicas y los índices fisiológicos/de estrés se construyen principalmente mediante mediciones instrumentales de laboratorio y de campo (intervalos de muestreo espectral ≤10 nm) y son características espectrales altamente específicas. Por lo tanto, estos índices son estrictamente hiperespectrales.

En comparación con los índices de vegetación de banda ancha, los índices de vegetación hiperespectrales tienen bandas que no se muestrean en los sistemas de banda ancha y centros de banda específicos, lo que les permite identificar y extraer características de absorción más sutiles y, por lo tanto, estimar mejor los atributos de los cultivos.

En comparación con las mediciones espectrales puntuales, las imágenes hiperespectrales aportan información espacial, fundamental para la agricultura de precisión. Permiten utilizar métodos analíticos comunes en este campo, como la agrupación de suelos y cultivos, el análisis de puntos críticos y valores atípicos, e introducen información espacial a distintos niveles para ayudar a estimar los atributos de los cultivos. Revelan los patrones de distribución espacial y las características de los atributos de los cultivos, desde el punto hasta la superficie, lo que proporciona una herramienta más potente para la práctica de la agricultura de precisión.

Métodos y principios

Utilizamos imágenes hiperespectrales de la zona de Xi'an, tomadas por el satélite Xiguang-1 05 el 6 de abril de 2025, para calcular diversos índices hiperespectrales de vegetación. Con base en los indicadores estructurales, bioquímicos y fisiológicos correspondientes a dichos índices, realizamos un análisis de la salud y el estrés del trigo de invierno en Xi'an durante la etapa de ahijamiento en la temporada 2024-2025, e identificamos áreas potencialmente afectadas.

Figura 1. Introducción de datos

proceso:

Calibración de radiación:Los datos originales del valor DN se corrigen radiométricamente utilizando coeficientes de calibración radiométrica para obtener los datos de radiancia aparente.

Corrección atmosférica:Se realizó una corrección atmosférica utilizando el modelo 6S para obtener datos de reflectancia de la superficie.

Suavizado espectral:Se utilizó el algoritmo de Savitzky-Golay (SG) para suavizar los datos de reflectancia de la superficie, lo que mejoró la fiabilidad del cálculo posterior del índice de correlación del borde rojo, al tiempo que redujo el ruido espectral.

Registro de imágenes:Los datos procesados ​​se georreferencian posteriormente en función del mapa base.

Cálculo del índice:El índice de vegetación hiperespectral se calculó a partir de los datos registrados.

Enmascaramiento de áreas de vegetación/extracción de parcelas:Utilizando los índices parciales calculados, se extrajo el enmascaramiento del área de vegetación mediante un método de umbral fijo. También se utilizó el conjunto de datos vectoriales previamente completado de parcelas de cultivo de trigo en la cuenca del río Amarillo.

Estadísticas regionales:Basándose en el vector de parcelas de tierra, cada índice se analiza estadísticamente por región, y el método estadístico utilizado es la media.

Análisis integral multiíndice:Basándose en vectores estadísticos y haciendo referencia al significado físico representado por diferentes índices, se analiza la distribución de dichos índices para explicar algunos fenómenos.

La tabla que aparece a continuación enumera los índices hiperespectrales de vegetación, clasificados en estructurales, bioquímicos (pigmentos, clorofila, antocianinas, carotenoides, agua, lignina y celulosa, nitrógeno) y fisiológicos (eficiencia en el uso de la luz, estrés). Cada índice incluye su nombre en chino, su abreviatura en inglés y su fórmula, que se basa en la reflectancia de banda estrecha (Rλ representa la reflectancia a la longitud de onda λ, en nm).

Tabla 1. Algunos índices de vegetación hiperespectrales y fórmulas de cálculo.

Evaluación de resultados

Imagen compuesta en color real - Satélite Xiguang-1 05 (coincidencia celeste) - 20250406

Curvas de reflectancia de diferentes accidentes geográficos del terreno - reflectancia amplificada 10.000 veces - satélite Xiguang-1 05 (Tianxianpei) - 20250406

Mapa de distribución del Índice de Vegetación de Diferencia Normalizada (NDVI) - Satélite Xiguang No. 1 05 (Tianxianpeihao) - 20250406

Mapa de distribución del índice de reflectancia fotoquímica (PRI) - Satélite Xiguang-1 05 (Tianxianpei) - 20250406

Mapa de distribución mejorado del índice normalizado del borde rojo - Satélite Xiguang-1 05 (Tianxianpei) - 20250406

Mapa de distribución del índice de clorofila insensible a la estructura (SIPI) - Satélite Xiguang No. 1 05 (Tianxianpeihao) - 20250406

Mapa de distribución del índice de borde rojo de Vogelmann 1VOG1 - Satélite Xiguang n.° 1 05 (Tianxianpeihao) - 20250406

Mapa de distribución del índice de vegetación de impedancia atmosférica (ARVI) - Satélite Xiguang-1 05 (Tianxianpeihao) - 20250406

Mapa de distribución de reflectancia de antocianinas 2ARI2 - Satélite Xiguang-1 05 (Tianxianpei) - 20250406

Mapa de distribución del índice de reflectancia de carotenoides 2CAI2 - Satélite Xiguang No.1 05 (Tianxianpeihao) - 20250406

La mayoría de los índices de vegetación hiperespectrales mencionados anteriormente también se basan en las diferencias de absorción/reflectancia entre distintas bandas. Sin embargo, en comparación con los índices de banda ancha tradicionales (como el NDVI), pueden reflejar con mayor sensibilidad la concentración y distribución de pigmentos específicos, lo que aumenta la precisión en la clasificación de cultivos, la determinación de la etapa fenológica, la inversión de índices fisiológicos y bioquímicos de los cultivos y la evaluación del estrés en los cultivos. Por ejemplo, en el trigo de invierno, las antocianinas se acumulan gradualmente desde la etapa de ahijamiento hasta la madurez, por lo que la etapa fenológica actual del cultivo puede determinarse mediante el índice de antocianinas. Cuando se somete a estrés ambiental, se induce la expresión de genes relacionados con la biosíntesis de antocianinas (como CHS, CHI y F3H), lo que conlleva un aumento en el contenido de antocianinas. Al mismo tiempo, la posición del borde rojo también se desplaza hacia longitudes de onda más cortas. Por lo tanto, se puede llevar a cabo una evaluación integral del estrés mediante múltiples índices fotoquímicos y la morfología del borde rojo.

Mapa de distribución del índice de reflectancia de antocianinas 2ARI2 a nivel de parcela - Satélite Xiguang No.1 05 (Tianxianpeihao) - 20250406

Mapa de distribución del índice de ubicación de borde rojo (REPI) a nivel de parcela de terreno - Xiguang No. 1 05 Estrella (Número de coincidencia celestial) - 20250406

Al combinar los vectores de los límites de las parcelas, se puede realizar un análisis más preciso a nivel de parcela, identificando así posibles áreas problemáticas y las parcelas correspondientes, para luego llevar a cabo un análisis estadístico más detallado.

Mapa de distribución del índice de vegetación de borde rojo localizado (RENDVI) - Xiguang No. 1 05 (Tianxianpeihao) - 20250406

Mapa de distribución localizada del índice de reflectancia de carotenoides (CRI2) - Satélite Xiguang-1-05 (Tianxianpeihao) - 20250406

Mapa de distribución de reflectancia local de antocianinas 2ARI2 - Satélite Xiguang-1 05 (Tianxianpei) - 20250406

Mapa de distribución del índice de reflectancia fotoquímica local (PRI) - Satélite Xiguang-1 05 (Tianxianpei) - 20250406

Lo anterior muestra un mapa de distribución de índices a nivel de parcela local. En la región central del mapa, el índice de vegetación de borde rojo (RENDVI), el índice de carotenoides (2CRI2) y el índice de reflectancia fotoquímica (PRI) son relativamente altos, mientras que son más bajos en la región occidental. Esto indica que el contenido de pigmentos en la región occidental también es relativamente bajo. Sin embargo, en el mapa de distribución del índice de antocianinas (2ARI2), la región occidental es similar a la región central y es más alta, lo que indica que esta región puede estar bajo el mismo estrés, pero el estrés tiene un impacto relativamente menor en la región central, posiblemente relacionado con el aumento de la concentración de carotenoides en la región central. Los carotenoides son copigmentos fotosintéticos y, como antioxidantes, pueden eliminar especies reactivas de oxígeno (ROS, como el anión superóxido y el peróxido de hidrógeno), protegiendo las membranas celulares y las estructuras fotosintéticas del estrés oxidativo, por lo que no conducen a una disminución en la concentración de clorofila. Sin embargo, en la región occidental no se observó un aumento significativo en el índice de reflectancia de carotenoides, lo que indica que este tipo de estrés tiene un mayor impacto.

Mediante el análisis exhaustivo de múltiples índices hiperespectrales de vegetación y su combinación con mapas de distribución de la cubierta vegetal y la humedad del suelo, podemos determinar con mayor precisión el tipo de estrés y su impacto, lo que permite intervenciones agrícolas en una fase más temprana para mejorar la resiliencia ambiental de los sistemas de cultivo a gran escala y garantizar la estabilidad del rendimiento y la calidad del grano.