Evaluación del estado de salud de las zonas agroforestales basada en datos satelitales hiperespectrales e índices de vegetación.

Kom Umbu, ubicada en la gobernación de Asuán, se encuentra en el sur de Egipto, a orillas del curso superior del Nilo, cerca del lago Nasser. Es una importante ciudad y oasis ribereño, con un sector agrícola de regadío bien desarrollado, dedicado principalmente al cultivo de algodón, cereales y bosques de interés económico, lo que la convierte en una región agrícola mixta. Debido a las diferencias en la estructura de las hojas y la cubierta vegetal, los índices de vegetación tradicionales no pueden abarcar simultáneamente la silvicultura y la agricultura; por lo tanto, es necesaria una combinación de índices para su evaluación.

Introducción al proyecto

Recientemente, el Equipo Aeroespacial de Xi'an de la Academia China de Ciencias utilizó un satélite hiperespectral para obtener imágenes de la región de Kom Umbu en la Gobernación de Asuán, Egipto (Figura 1). Dentro de la cobertura de banda de los datos hiperespectrales, se utilizó el Índice de Vegetación Mejorado para filtrar y enmascarar cultivos, y para evaluar el verdor y el contenido de clorofila de los cultivos; el Índice de Reflectancia de Antocianina 2 se utilizó para evaluar el contenido de antocianinas en las hojas; y el Índice de Relación Rojo-Verde se utilizó para representar la eficiencia del uso de la luz y la tasa de crecimiento forestal. Se crearon mapas de índices y mapas de salud agrícola y forestal que combinan los índices anteriores, los cuales pueden utilizarse para evaluar la presencia de estrés por plagas y enfermedades, y también para evaluar la cosecha de madera de la región. Las imágenes de entrada se dividieron en nueve categorías según la salud de los cultivos, lo que ayuda a evaluar el estado general de salud de los cultivos dentro de las imágenes.

△ Figura 1. Imagen fusionada en color real de XIGUANG-003 superpuesta con el mapa base de Google.

△Figura 2 Índice de vegetación mejorado

El Índice de Vegetación Mejorado (EVI, por sus siglas en inglés) es un índice de vegetación optimizado diseñado para mejorar la capacidad de respuesta a la vegetación y potenciar las capacidades de monitorización de la misma.Se basa en el Índice de Vegetación de Diferencia Normalizada (NDVI) y lo mejora mediante el uso de una combinación de bandas y un algoritmo más rigurosos para eliminar algunas de las variaciones en las condiciones de irradiancia relacionadas con el ángulo solar, la topografía, las nubes/sombras y las condiciones atmosféricas, mejorando así la capacidad de respuesta del EVI a la vegetación.

La fórmula de cálculo del EVI es: EVI = (NIR - Rojo) / (NIR + 6*Rojo - 7,5*Azul + 1), donde NIR es la reflectancia del infrarrojo cercano, Rojo es la reflectancia de la luz roja y Azul es la reflectancia de la luz azul. Al ajustar los pesos y coeficientes de estas bandas, el EVI puede reflejar mejor la microestructura y el estado de salud de la vegetación.

La ventaja del EVI radica en su sensibilidad a los cambios en la estructura del dosel, incluyendo el índice de área foliar (IAF), el tipo de dosel, la fase de vegetación y la estructura del dosel. El EVI permite extraer con mayor precisión parámetros biofísicos de la vegetación, como el contenido de clorofila y la biomasa, mejorando así la exactitud del monitoreo del estado de crecimiento y los cambios de la vegetación.

El EVI tiene una amplia gama de aplicaciones, incluyendo la agricultura, la silvicultura, la ecología y las ciencias ambientales. En agricultura, el EVI se puede utilizar para monitorear el crecimiento de los cultivos, evaluar su estado nutricional y predecir su rendimiento. En silvicultura, se puede utilizar para monitorear la salud de los bosques y evaluar su estructura y función ecológica. En ecología y ciencias ambientales, el EVI se puede utilizar para monitorear y evaluar problemas ambientales como el cambio de la cubierta vegetal, la degradación del suelo y la urbanización.

△Figura 3 Índice de reflectancia de antocianinas 2

El Índice de Reflectancia de Antocianinas 2 (ARI2) es un índice de teledetección que se utiliza para monitorear el contenido de antocianinas en la vegetación.Se trata de una mejora del índice de reflectancia de antocianinas 1 (ARI1), que mejora la respuesta al contenido de antocianinas ajustando la combinación de bandas y el algoritmo.

La fórmula para calcular ARI2 es: ARI2 = (NIR - 0,57*Rojo - 0,2*Verde) / (NIR + 0,88*Rojo + 0,2*Verde), donde NIR es la reflectancia del infrarrojo cercano, Rojo es la reflectancia de la luz roja y Verde es la reflectancia de la luz verde. En comparación con ARI1, ARI2 tiene mayor peso en la banda de luz roja y menor peso en la banda de luz verde, lo que mejora la sensibilidad al contenido de antocianinas.

La ventaja del ARI2 radica en su capacidad de respuesta al contenido de antocianinas en la cubierta vegetal. Las antocianinas son pigmentos presentes en bajas concentraciones en las plantas, pero que influyen significativamente en su crecimiento y salud. Al monitorizar los cambios en los valores de ARI2, se pueden comprender las variaciones en el contenido de antocianinas dentro de la cubierta vegetal, lo que permite inferir el estado de crecimiento y las condiciones de estrés de la vegetación.

Las aplicaciones de ARI2 abarcan principalmente campos como la ecología, las ciencias ambientales y la agricultura. En ecología, ARI2 se puede utilizar para monitorear la salud y la productividad de ecosistemas como bosques y pastizales. En ciencias ambientales, ARI2 se puede utilizar para evaluar los impactos de problemas ambientales como la calidad del suelo, la contaminación y el cambio climático en la vegetación. En agricultura, ARI2 se puede utilizar para monitorear el crecimiento de los cultivos, evaluar sus niveles de estrés y determinar el rendimiento.

△Figura 4 Índice de relación rojo-verde

El índice de relación rojo-verde es un índice de teledetección que se utiliza para monitorear el estado de salud y las tendencias de crecimiento de la vegetación.El índice se calcula comparando la reflectancia de las bandas de luz roja y verde, y la fórmula es: Índice de relación rojo-verde = Rojo / Verde.

La luz roja suele reflejar el contenido de clorofila de las plantas, mientras que la luz verde refleja su estructura y salud general. Por lo tanto, al calcular el índice de relación rojo-verde, podemos comprender el estado de crecimiento y el nivel de salud de la vegetación.

El índice de relación rojo-verde (índice R-Verde) presenta ventajas debido a su simplicidad, facilidad de cálculo y capacidad para obtener rápidamente información sobre el crecimiento de la vegetación. Sin embargo, su limitación radica en su sensibilidad relativamente baja a la estructura del dosel y a los factores ambientales, lo que podría impedir que refleje con precisión el estrés de la vegetación y otra información detallada. Si bien el índice R-Verde es un índice de teledetección práctico que permite obtener rápidamente información sobre el crecimiento de la vegetación, puede que no refleje con exactitud el estrés de la vegetación ni otros datos detallados. En aplicaciones prácticas, es necesario combinarlo con otros índices de teledetección y datos de estudios de campo para comprender de forma integral el estado de crecimiento y el nivel de salud de la vegetación.

△Figura 5. Salud de los cultivos

Al observar la distribución del estado de salud de los cultivos en la Figura 5, se constató que la salud de algunas zonas era generalmente superior a la de las zonas circundantes. Estas zonas se ubicaban principalmente en áreas relativamente alejadas de la ciudad y cercanas al río Nilo y sus afluentes, lo que también confirmaba el modelo de agricultura de regadío en la región, que se veía limitada por los recursos hídricos.

△Figura 6. Salud de los cultivos en zonas cálidas y frías.

El mapa del índice de vegetación de la Figura 2-5 refleja la distribución del crecimiento y la salud de los cultivos y ofrece una buena visualización. Sin embargo, para índices con diferencias excesivamente grandes o pequeñas entre sus límites superior e inferior, la visualización se ve afectada. Por lo tanto, muestreamos los datos ráster del índice de salud de los cultivos en datos puntuales según la cuadrícula.

A continuación, se calculan las estadísticas Gi* de Getis-Ord para cada característica del conjunto de datos de puntos. Estas estadísticas se derivan de la puntuación z y el valor p obtenidos. Para puntuaciones z positivas estadísticamente significativas, cuanto mayor sea la puntuación z, más compacta será la agrupación de valores altos (puntos calientes). Para puntuaciones z negativas estadísticamente significativas, cuanto menor sea la puntuación z, más compacta será la agrupación de valores bajos (puntos fríos), y el valor p se utiliza para determinar el nivel de confianza del resultado.

Mediante los cálculos anteriores, podemos obtener las ubicaciones donde se agrupan en el espacio los elementos de alto o bajo valor, e identificar zonas frías y cálidas donde la salud de los cultivos es significativamente menor o mayor que la de las áreas circundantes, mostrando así la salud agrícola de la región de una manera más intuitiva.

Además, será posible vectorizar las zonas cálidas y frías, y analizar con mayor detalle la forma de las regiones, las distancias entre ellas y la relación entre las regiones, los ríos y las ciudades, basándose en los límites vectoriales de las zonas cálidas y frías, para así explorar en profundidad el modelo de desarrollo agrícola local.