REVISTA BIMESTRAL
FEBRERO - MARZO 2018 I NUMERO 154
BALANCE Y CAPACITACIONES 2017
SEMBRANDO PARA 2018
» Comisiones
» Capacitaciones

 

Utilización de la
información Satelital
para el seguimento y la toma de decisiones en el sector agropecuario


 
.
   

Dr. Carlos Di Bella
M.N. 15054 * 01 * 01
Director del Instituto de Clima y Agua – INTA Castelar. Investigador Independiente CONICET y Profesor Adjunto FAUBA.

 
   


La información satelital es en la actualidad una herramienta de uso común en la Agricultura. La libre disponibilidad de imágenes satelitales, la accesibilidad de programas de código abierto cada vez más simples e intuitivos, y los sistemas de información geográfica sobre plataformas web han producido un giro significativo en los últimos años en la utilización de esta información para la toma de decisiones a distintas escalas espaciales y temporales que hacen al día a día de la producción agropecuaria.
El basamento fundamental sobre el que se apoyan las innumerables aplicaciones satelitales es la estrecha relación existente entre el comportamiento espectral de las distintas coberturas de la superficie terrestre y la posibilidad de estimar una serie de variables biofísicas que hacen a la caracterización estructural y funcional de los agroecosistemas.
Entre dichas variables es posible destacar la estimación de la Productividad Primaria Neta Aérea, la Evapotranspiración o el índice de área foliar. De esta manera, a partir de los valores digitales provistos por los sensores remotos a bordo de distintas plataformas satelitales es posible transformar la información espectral proveniente de la superficie terrestre en una serie de índices y variables sintéticas que permiten estimar dichos atributos funcionales que hacen a la caracterización del funcionamiento ecosistémico (por ejemplo Guerschman et al. 2003; Eva et al. 2004; Fritz et al. 2013; King et al. 2017).

En la actualidad cualquier usuario puede acceder a imágenes satelitales del mundo entero a través del servidor del Servicio Geológico de los Estados Unidos (USGS), por ejemplo. Utilizando su Plataforma Glovis (Global Visualization Viewer - https://glovis.usgs.gov/), disponible desde 2001 y a través de una nueva actualización en 2017, es posible visualizar y descargar fácilmente millones de imágenes satelitales provenientes de distintas plataformas satelitales de distinta resolución temporal, espectral y espacial (Figura 1).

 
   

De la misma manera, un productor pude acceder a información espectral o cartografías temáticas sintéticas (Productividad Primaria, por ejemplo) diarias desde el año 2000 a una resolución espacial de 6 ha aproximadamente libre y gratuitamente (Figura 2) y obtener series temporales de las mismas para múltiples aplicaciones asociadas al seguimiento del estado de los cultivos o la evaluación del impacto del clima sobre la producción agropecuaria.

 
   

Asimismo, esta información hoy también está disponible a través de los dispositivos móviles. Información que puede servirnos para el seguimiento de los cuerpos nubosos (Imágenes del satélite GOES), de las lluvias (imágenes de los Radares Meteorológicos INTA), de los índices de vegetación (NDVI, por ejemplo) y de los datos meteorológicos (Estaciones meteorológicas de INTA). Todos ellos en tiempo real y para la ubicación geográfica donde se ejecuta el dispositivo (Figura 3). Estamos, entonces, frente a un nuevo escenario donde la información asociada al sector está disponible en grandes volúmenes, de manera gratuita en muchos casos y donde los usuarios los demandan cada vez con mayor frecuencia y calidad.

 
   


El desafío en los próximos años estará entonces en cómo "combinamos datos e información de múltiples fuentes para tomar mejores decisiones". Esta última es justamente para mí una de las mejores definiciones de Big Data y que a mi modo de entender los nos demandan cada vez con mayor frecuencia nuestros productores.

Referencias Eva, H., Belward, A., De miranda, E., Di Bella, C., Gond, V., Huber, O., Jones, S., Sgrenzaroli, M., and Fritz, S. (2004). A land cover map of South America. Global Change Biology 10: 731-744. Fritz,S, M. van der Velde, L. See, R. Nalepa, C. Perger, C. Schill, I. McCallum, M.l Obersteiner, X. Cai, X. Zhang, S. Ortner, R. Hazarika, A. Cipriani, C. Di Bella, A. H. Rabia, A. Garcia, M. Vakolyuk, K. Singha, M. Beget, S. Erasmi and F. Albrecht. Downgrading Recent Estimates of Land Available for Biofuel Production (2013). Environmental Science & Technology 47(3): 1688-1694 Guerschman, JP; Paruelo, JM; Di Bella, CM; Giallorenzi, MC and Pacin, F (2003): Land Cover Classification in Argentine Pampas using multitemporal landsat TM data. International Journal of Remote Sensing 24 (17): 3381-3402. LeeAnn King, Matthew C. Hansen, Peter V. Potapov, Alexander Krylov, Carlos Di Bella, Xiao-Peng Song, Stephen Stehman , Bernard Adusei (2017). A multi-resolution approach to national-scale cultivated area estimation of soybean. Remote Sensing of Environment 195: 13-29