Predicción de zonas de poductividad de maíz mediante índice de verdor de cultivos anteriores

La productividad de los cultivos dentro de los lotes es heterogénea, y responde a factores de variación en patrones por manejo del cultivo y cultivos anteriores, tipos de suelos, procesos edáficos y atributos biológicos, e incidencia de plagas (Hatfield et al. 2000).

Si bien el conocimiento de la variabilidad de rendimientos y la caracterización de los factores que los originan dentro de áreas delimitadas por su uniformidad relativa permiten la planificación de estrategias de manejo del cultivo, las metodologías para la delimitación de estas zonas de productividad aparente no son consistentes. Algunas metodologías se enfocan para la delimitación de zonas en las propiedades de los suelos (muestreos y mapas de suelo, reconocimiento de prácticas previas de manejo), mientras que otras en las propiedades de los cultivos (fotointerpretación de imágenes satelitales y mapas de rendimientos).

Las metodologías para la delimitación de zonas dentro de lotes de producción difieren según sus objetivos de aplicación, tales como estudiar la variabilidad en la oferta de nutrientes según tipos de suelos (Chang et al. 2003), minimizar la variabilidad de producción según resultados de cultivos anteriores (Taylor et al. 2007) y minimizar los errores (o variabilidad) en la formulación de recomendaciones de fertilización (Fleming et al. 2000. Scharf et al. 2005). Por lo tanto, las diferencias en las delimitaciones de zonas de productividad aparente podrían afectar los parámetros considerados para el diagnóstico y recomendación de, por ejemplo, necesidades de fertilización con N y la respuesta de los cultivos a esta práctica.

 

El objetivo de este trabajo fue cuantificar el grado de superposición de sectores de productividad aparente (alta, media y baja) delimitados según diez metodologías que integran información de cultivos anteriores y la zonificación según productividad de los rendimientos de maíz (Zea mayz L.).

 

El estudio se realizó en cuatro lotes de producción de maíz ubicados en la localidad de Pasteur, partido de Lincoln (Buenos Aires, Argentina) con predominio de Hapludoles Típicos. En cada uno se delimitaron zonas de productividad aparente, en base a la integración de información de índice de verdor (NDVI) de cultivos anteriores según la siguiente ecuación:

 

 

donde NDVI es el índice verde, R_NIR es la reflectancia en infrarrojo cercano, y R_R es la reflectancia en rojo visible.

Las imágenes satelitales utilizadas corresponden a los satélites LandSat 5 TM y LandSat 7 ETM+. La zona de estudio seleccionada está cubierta por imágenes LandSat path 227 row 82. Para poder ser utilizadas y comparadas fue necesario realizarles un serie de procesos, a saber: conversión del valor digital de las imágenes en valor de reflectancia aparente de modo tal que todas las imágenes expresen una misma unidad física, georeferenciación al sistema de referencia WGS 84 proyección Gauss Krugger, calculo de NDVI, recorte de los lotes de interés, compilación o armado efectivo de cada tratamiento mediante la generación de archivos multicapas (layers stack) y clasificación de dichos archivos en tres clases, equivalentes cada una a zonas de alta, media y baja producción.

Los cultivos anteriores utilizados en cada metodología dependen del tratamiento (Tabla 1) y las imágenes se detallan en las tablas 2 y 3. Los tratamientos se diferenciaron en los cultivos integrados al análisis y en el nivel de producción (Tabla 1). La integración de los NDVI se realizó mediante análisis de conglomerados no jerárquicos aplicando el procedimiento de agrupación difuso no supervisado utilizando el programa Management zone analyst (Fridgen et al. 2004). Los resultados obtenidos se agruparon en zonas de alta, media y baja según productividad aparente.

Para comparar las delimitaciones con los resultados de los rendimientos de maíz se utilizó la información proveniente de mapas de rendimiento (capas vectoriales de puntos) de la campaña 2009/10 con manejo representativo del área bajo estudio (antecesor soja, fecha de siembra de octubre, fertilización con N, P y S, control de malezas y plagas). Las zonas de productividad se agruparon en tres utilizando SMS Basic 1.01 y cortes naturales (Jenks) sobre los datos de rendimiento (kg ha^-1 ). En los mapas de rendimientos la eliminación de errores se realizó utilizando la propuesta por Dobermann et al. (2004).

Para la comparación de los métodos de delimitación se realizó para cada lote una cuadricula de 10 m de lado con interpolación de cada capa de información utilizando la distancia inversa ponderada, distancia máxima de 20 m y razón de distancia de 0,4. En cada cuadrícula de esa grilla se estudió si existió similitud de zona de productividad aparente y lo observado en la delimitación de productividad de maíz. Se calculó para cada comparación de métodos el porcentaje de coincidencias sobre el total de puntos de la grilla.

 

Tabla 1. Cultivos integrados en el análisis según los tratamientos.

 

La información de rendimientos históricos se obtuvo del establecimiento en donde se encuentran ubicados los lotes en cuestión. En el caso del cultivo de trigo se utilizó un umbral de 3500 kg ha^-1 solo para armar los tratamientos que integran a todos los cultivos de alto rendimiento y a todos los cultivos de bajo rendimiento.

 

Tabla 2. Fecha de imágenes utilizadas en cada lote (lotes 1, 2, 3, y 4) para calcular NDVI según las diferentes metodologías de delimitación de zonas de productividad aparente. 1= Lote 1. 2 = Lote 2. 3 = Lote 3. 4 = Lote 4. Mz: maíz; Mz AR: maíz de rendimientos altos; MZ BR: maíz de rendimientos bajos; So: Soja; So RA: soja con rendimientos altos; So BR: soja con rendimientos bajos; Tr: trigo; AR: cultivos con rendimientos altos; BR: cultivos con rendimientos bajos; To: todos los cultivos.

 

Tabla 3. Fecha de imágenes utilizadas en cada lote (lotes 1, 2, 3, y 4) para calcular

 

Para el manejo de toda la información se utilizaron los programas ERDAS Imagine 9.1, ArcGis 9.3, GVSIG 1.9 y Excel 2003.

El análisis estadístico consideró un modelo con 4 repeticiones (lotes) y un factor principal (métodos de delimitación) y se utilizó ANVA protegido (p<0,10) y pruebas de diferencias de medias de Fisher (Infostat 2003). Los datos se transformaron utilizando arcoseno de la raíz cuadrada del porcentaje de coincidencia para cumplir los supuestos del análisis de la varianza.

 

La similitud entre las zonas de productividad aparente de los métodos de delimitación y las zonas de producción de maíz varió entre 25 y 60 %, con coincidencias promedio de 35, 41, 45, y 50 % para los lotes 1, 2, 3 y 4, respectivamente.

La información disponible no fue suficiente para detectar diferencias entre métodos de delimitación de productividad aparente y la producción de maíz (Tabla 4).

 

Tabla 4. Grado de similitud (%) entre las metodologías de delimitación utilizadas, y entre éstas y la información de rendimientos de maíz 2009/10. Letras diferentes muestran diferencias (LSD Fisher, p<0,10) entre comparaciones de similitud de métodos. Mz: maíz; Mz AR: maíz de rendimientos altos; MZ BR: maíz de rendimientos bajos; So: Soja; So RA: soja con rendimientos altos; So BR: soja con rendimientos bajos; Tr: trigo; AR: cultivos con rendimientos altos; BR: cultivos con rendimientos bajos; To: todos los cultivos.

 

En las condiciones de este estudio se observó que las 10 metodologías que integraron información de cultivos anteriores estimaron las zonas de producción de maíz con coincidencias promedio inferiores al 50%. La información disponible fue insuficiente para agrupar los patrones de rendimiento de maíz en la campaña bajo estudio. Existen pocos trabajos donde se compare similitud entre metodologías de delimitación y un testigo. El bajo nivel de coincidencias hace reflexionar sobre si la integración de información de cultivos anteriores (NDVIs) es una herramienta útil a la hora de delimitar zonas de manejo.