Professional Documents
Culture Documents
Resumen
Durante la campaa 1999/2000 el Instituto Nacional Francs de Agronoma (INRA) inici
un proyecto de Agricultura de Precisin destinado a evaluar nuevas estrategias para la
fertilizacin del trigo basadas en una caracterizacin de la variabilidad intraparcelaria en
trminos de suelo y de cultivo. As pues, el objetivo especfico de este trabajo fue estudiar la
viabilidad de dicha determinacin a travs de tcnicas de teledeteccin. Para ello, se dispuso
de imgenes tomadas con dos sensores pticos de caractersticas bien diferentes: Xybion, una
cmara aeroportada con 6 bandas y SPOT HRV-IR, un sensor satelital de 3-4 bandas anchas.
Las caractersticas de la cmara Xybion, usada por primera vez en este estudio,
permitieron la determinacin de la heterogeneidad intraparcelaria en trminos de ndice de
rea foliar (LAI), contenido cloroflico de la hoja (Cab), y de la cubierta (LAI*Cab). Dicha
determinacin se llev a cabo mediante ndices de vegetacin (IV) y trabajando directamente
con los conteos numricos proporcionados por la cmara, debido a algunos problemas de
1
calibracin. Numerosos IV fueron evaluados en este trabajo (clsicos, resistentes a los efectos
del suelo y de la atmsfera, etc), adems de las 6 bandas de la cmara y de un nuevo ndice
propuesto en este trabajo y llamado ANDVI. En general, los Resultados fueron muy
satisfactorios para el LAI y el LAI*Cab: valores de R2 de hasta 0.9 y RMSE alrededor de 0.4;
sin embargo, la determinacin del contenido cloroflico de las hojas no fue tan fructuosa. El
ndice ANDVI fue el mejor de todos los resistentes a los efectos atmosfricos.
La utilidad de las imgenes satelitales SPOT HRV-IR para la determinacin de la
variabilidad intraparcelaria en trminos de LAI fue estudiada mediante la inversin del
modelo PROSPECT+SAIL. Diferentes funciones de coste fueron evaluadas a travs de
tcnicas de minimizacin iterativas, en las que el uso de informacin a priori fue utilizado
para reducir la ambigedad en la determinacin de dicha variable. Este mtodo proporciono
valores de RMSE similares a los anteriores (i.e. 0.4). Sin embargo, estos valores eran
altamente dependiente de las caractersticas de la funcin de coste, el valor inicial del
algoritmo para comenzar la minimizacin, y de la precisin de la informacin a priori.
En resumen, ambos mtodos son adecuados para la determinacin de la variabilidad
intraparcelaria, e ilustran la gran importancia de su conocimiento para la propuesta, o mejora,
de nuevas tcnicas de cultivo.
Palabras clave: agricultura de precisin, trigo, teledeteccin, heterogeneidad intraparcelaria,
LAI, Cab, ndices de vegetacin, inversin de modelos.
1
1.1
Introduccin
Teledeteccin y agricultura de precisin
El proyecto Chambry
A lo largo de las diferentes campaas agrcolas sucedidas desde 1999, ambas parcelas han
sido monitorizadas con diferentes sensores. As, 2 cmaras aeroportadas (Xybion y Casi) han
sido usadas, junto a la adquisicin de imgenes satelitales (SPOT/HRV-IR). Estas imgenes
poseen diferentes niveles de calidad debido a las diferentes condiciones de adquisicin y,
sobre todo, a las diferencias existentes entre los sensores utilizados, cuya nica caracterstica
comn es que todos operan en el dominio ptico.
Finalmente, y para poder realizar una validacin de los valores predichos mediante
teledeteccin, se tomaron mediciones de campo de los valores de LAI y Cab.
1.3
Objetivos
ndices de vegetacin
2.2
Inversin de modelos
Este mtodo surge como una alternativa al uso de modelos empricos para la estimacin
de variables biofsicas. La inversin de modelos consiste en ajustar los valores de las
variables biofsicas usadas como inputs de los modelos de transferencia radiativa, de tal
manera que la reflectancia simulada con ellos se aproxime lo ms posible a la medida por el
sensor.
Estos modelos de transferencia radiativa simulan, por tanto, la llamada funcin de
reflectancia bidireccional (conocida como BDRF, por sus siglas en ingls), la cual permite el
clculo de la reflectancia de una superficie en funcin de los ngulos de observacin e
iluminacin, as como de una descripcin de las caractersticas biofsicas y radiativas de la
misma.
La determinacin de la reflectancia a travs de la BDRF se conoce como problema
directo, y ha sido tradicionalmente aplicado para validar los modelos de transferencia
radiativa. Sin embargo, en los aos 80 Goel y sus colegas (Goel y Strebel, 1983; Goel y
Thompson, 1984) propusieron el concepto de problema inverso o inversin de modelos
para la determinacin de variables biofsicas a partir de medidas de reflectancia.
Desde estos primeros trabajos, la inversin de modelos se ha convertido en un mtodo
muy prometedor, puesto que es teorticamente ms objetiva, ms generalizable, y ms precisa
que las tcnicas empricas (Verstraete et al., 1996; Qiu et al., 1998; Kimes et al., 2000; Gao y
Lesht, 1997; Gemmel et al., 2002; Bicheron y Leroy, 1999).
Otra ventaja de la inversin fsica de modelos es el hecho de poder usar todas las
informacin radiomtrica aportada por el sensor; contrariamente a los ndices de vegetacin
que fundamentalmente usan dos bandas (rojo e infrarrojo cercano). La informacin contenida
en las diferentes bandas de un sensor nunca esta completamente correlada y, por tanto, su uso
siempre aporta informacin adicional (Kuusk, 1998). No obstante, la regla de cuantas ms
bandas mejor, no es siempre vlida ya que algunos estudios demuestran que existe un nmero
ptimo de bandas (dependiente del tipo y numero de variables estimadas y del sensor y
mtodo de inversin empleado; Weiss, 2000) para cada estimacin. Finalmente, pero no
menos importante, esta mtodo permite trabajar con la informacin direccional proporcionada
por la mayora de los nuevos sensores como POLDER/ADEOS, MISR/TERRA,
VEGETATION/SPOT4 (Bacour, 2001).
Este capitulo describe todos los pasos realizados para la estimacin del LAI y del Cab a
partir de imgenes tomadas con la cmara multiespectral Xybion. Esta cmara fue usada por
primera vez durante la campaa 2002/2003, pensando que sus caractersticas tanto
radiomtricas como geomtricas podran conducir a una buena estimacin de estas variables
biofsicas. Este estudio es, por tanto, un test sobre las futuras aplicaciones de esta cmara para
la agricultura de precisin.
3.1
Materiales y mtodos
El experimento se llevo a cabo sobre la parcela P1 Chambry, que durante esta campaa
estaba sembrada de trigo. Cinco vuelos fueron efectuados a lo largo del ciclo del cultivo con
la cmara multiespectral Xybion (6 bandas en el dominio ptico, 0.41 0.90 m, y un tamao
de pxel de 1m).
Con el objetivo de validar las estimaciones realizadas, los valores de LAI y de Cab fueron
medidos en campo sobre una malla de 80 puntos equidistribuidos sobre la parcela. Asimismo,
y para estudiar la influencia relativa del suelo y las condiciones de fertilizacin sobre la
heterogeneidad presente en la zona de estudio, la parcela fue dividida en 9 zonas sobre las que
se aplicaron 3 tratamientos nitrogenados diferentes (260, 200 y 140 Kg/N por Ha
respectivamente).
La figura 3-1 resume la metodologa empleada en este captulo
2
vegetation index
Adjusted
a(RNIR -aRR -b)
transformed soilATSAVI =
ATSAVI1
aRNIR + RR -ab+ X (1+a2 )
adjusted
vegetation index
Environmental
2.5(RNIR - RR)
EVI =
EVI
1+ RNIR +6RR -7.5RB
vegetation index
Green normalised
NDVIgreen= RNIR - R550
NDVIverde difference
RNIR + R550
vegetation index
Acrnimo
R750/R550 R750/R550
R750
R550
R850/R550 R850/R550
R850
R550
Referencia
(Pearson y
Miller, 1972)
(Rouse et al.,
1974)
(Clevers,
1988)
(Huete, 1988)
(Major et al.,
1990)
(Qi et al.,
1994)
(Baret y
Guyot, 1991)
(Boegh et al.,
2002)
(Gitelson et
al., 1996)
(Gitelson y
Merzlyak,
1997)
(Schepers,
1996)
8
TVI
Triangular
vegetation index
Red/green
Red/green
R650
R550
Simple Ratio
pigment index
Normalised
pigment
chlorophyll index
Atmospherically
resistant index
SRPI = R430
R680
(Broge y
Leblanc,
2001)
(Gamon y
Surfus, 1999)
(Peuelas et
al., 1995)
(Fidella et al.,
1995)
global
environment
monitoring index
(Kaufman y
Tanr, 1992)
(Pinty y
Verstraete,
1992)
SPRI
NPCI
ARVI
GEMI
RRB = RR -g (RB - RR )
Amplified
(RNIR + RB)-(RG + RR)
normalised
ANDVI =
ANDVI
(RNIR + RB)+(RG + RR)
difference
vegetation index
R: reflectancia; a y b son los coeficientes de la lnea del suelo
1
(Este trabajo)
El ndice ANDVI fue propuesto por primera vez en este estudio como uno de los
resistentes a efectos atmosfricos puesto que combina 2 bandas muy sensibles a los efectos de
los aerosoles (azul y verde) y 2 otras directamente relacionadas con las propiedades de la
cubierta (NIR y rojo). Este ndice es similar al ARVI cuando se asume g = 1 y se substituye
el factor RB:
ARVI =
(R
(R
NIR
NIR
)
)
+ RB - ( RR + R R )
- RB + ( RR + R R )
Ntese que la nica diferencia entre estos 2 ndices es que hemos cambiado una de las
bandas rojas por una verde al objeto de incrementar su sensibilidad a las propiedades de la
vegetacin (como el NDVIverde y el NDVI) y el hecho de que la banda azul no se substrae en
el denominador sino que se suma para darle la misma estructura que el NDVI pero ampliada,
de ah su nombre: ANDVI.
Gracias a los datos recogidos en campo fue posible desarrollar relaciones empricas para
cada una de las variables a estimar (LAI, Cab y LAI*Cab) y cada uno de los ndices
9
estudiados. Estas relaciones (para las cuales slo el 70% de la informacin de campo fue
utilizada) fueron ajustadas a 8 tipos de funciones (logartmica, potencial, exponencial, 1logartmica, 1-potencial, 1-exponencial, logartmica II y lineal) de entre las cuales se escogi
la de mejor coeficiente de regresin R2.
Posteriormente, y mediante el uso del 30% restante de la informacin recogida en campo,
se calculo el error medio cuadrtico de la estimacin, conocido como RMSE (Root Mean
Square Error).
3.2
Resultados
La figura 3-2 ilustra los valores de RMSE obtenidos para los cinco mejores ndices de
cada variable. Ntese que el RMSE se mide en las mimas unidades que la variable, las cuales
oscilaban entre 0.5 y 6 m2/m2 para el LAI, entre 0.3 y 0.9 g/cm2 para el contenido foliar en
Clorofila.
10
3.3
Conclusin
La estimacin del LAI, Cab y del LAI*Cab fue realizada a travs de ndices de vegetacin
como consecuencia de numerosos problemas durante el proceso de calibracin de las
imgenes que impidieron una determinacin efectiva de los valores de reflectancia.
El ratio NIR/Red result ser el mejor ndice en trminos de R2, mientras que los ndices de
la familia SAVI proporcionaron buenos valores de RMSE.
La pobre determinacin del contenido foliar en clorofila podra deberse a que las
caractersticas espectrales de Xybion, o su ancho de banda, no permiten mejores resultados,
aunque se recomienda una mayor experimentacin con esta cmara antes de descartar la
estimacin de esta variable.
Todos estos resultados corresponden a relaciones empricas desarrolladas para el conjunto
de las cinco imgenes Xybion, puesto que la variabilidad intraparcelaria no permiti la
elaboracin de relaciones empricas especficas para cada fecha.
11
Materiales y mtodos
Cuatro escenas SPOT repartidas desde enero hasta julio fueron usadas para estimar la
heterogeneidad del ndice de rea foliar (LAI). Adems de estas imgenes, y al igual que en el
caso anterior, el LAI fue medido en campo para validar los resultados (Figura 4-1).
Numerosas funciones de coste fueron empleadas en este trabajo (Tabla 4-1), partiendo de
aquellas que slo contienen informacin radiomtrica, para llegar hasta funciones de coste
ms sofisticadas en las que adems de la informacin a priori se tuvo en cuenta el valor
inicial del algoritmo para la bsqueda del mnimo de la funcin.. En este caso, se empleo un
algoritmo de minimizacin de tipo Quasi-Newton.
Observaciones
R mod el - R obs
f 0 = i mod el i
ei
R mod el - R obs
f 1 = i mod el i
ei
f 1B
V j - V jprior
+ var iable
e
R mod el - R obs
= i mod el i
ei
a j V j - V jprior
+
iable
e var
j
R mod el - R obs
f 2 = i mod el i
ei
a j V j - V jprior
+
iable
e var
j
R mod el - R obs
f 3 = i mod el i
ei
a V j - V jprior
+ j var
e j iable
R
-R
f 4 =
e
mod el
obs
i
i
mod el
i
V -Vj
+ j var iable
e
1 R mod el - Riobs
f 5 = i
m
Riobs
prior
V jprior V j1g
prior
1 V -Vj
+ j var iable
n e j
13
Resultados
14
LAI
LAI
0.34
3.6
0.335
5
3.4
0.33
10
0.325
10
3.2
0.32
15
15
0.315
0.31
20
2.8
20
2.6
0.305
25
25
2.4
0.3
2.2
0.295
5
LAI
10
15
20
LAI
10
15
20
3.4
5
5
1.1
3.2
10
3
2.8
15
10
1.05
15
1
2.6
20
20
0.95
2.4
25
2.2
10
15
25
20
0.9
10
15
20
15
IBS
IBS
0.45
5
5
0.4
0.4
10
10
0.35
0.3
15
0.35
15
0.3
0.25
20
20
0.2
25
0.25
25
0.15
0.2
5
IBS
10
15
20
IBS
10
15
20
0.4
5
5
0.45
0.35
10
10
0.4
0.3
15
15
0.35
0.25
20
20
0.3
0.2
25
25
0.15
5
10
15
20
0.25
5
10
15
20
16
0.024
0.06
10
0.022
10
0.02
15
0.018
15
0.055
20
0.05
0.016
20
0.014
0.012
25
25
0.045
0.01
5
10
15
20
10
15
20
0.05
0.05
10
0.045
10
0.045
0.04
0.035
15
0.04
15
20
0.035
20
0.03
0.025
0.02
0.03
25
25
0.015
0.01
0.025
5
10
15
20
10
15
20
Figure 4-4. Mapas de RMSE (reflectancia) para todas las fechas SPOT.
17
4.3
Conclusin
La inversin de modelos ha sido aplicada con xito en este captulo para estimar el LAI a
partir de imgenes SPOT. El modelo PROSPECT y SAIL fueron combinados para simular la
reflectancia calibrada de SPOT.
Tras evaluar diferentes funciones de coste, los mejores resultados fueron obtenidos
cuando se separaron las limitaciones puramente matemticas de las biolgicas, cuando se
empleo informacin a priori, y cuando se introdujo un valor especializado de IBS.
Los mapas de variabilidad espacial de LAI muestran unos resultados muy aproximados a
aquellos obtenidos durante los trabajos de campo (RMSE de 0.39). Finalmente, estos mapas
se encuentran a una escala adecuada para su uso dentro de la agricultura de precisin.
18
Conclusiones Generales
Este captulo resume las conclusiones principales de los dos precedentes, i.e. la inversin
emprica de las imgenes areas Xybion y la inversin fsica de las imgenes satelitales
SPOT.
La cmara Xybion permiti la estimacin de todas las variables de inters, si bien es cierto
que la determinacin del contenido foliar en clorofila no fue totalmente exitosa. Dichas
determinaciones fueron realizadas mediante la aplicacin de relaciones empricas o ndices de
vegetacin. De entre todos los ndices, el ratio NIR/Red result ser el mejor en trminos de R2,
mientras que los aquellos derivados de la familia SAVI (resistentes a los efectos del suelo)
proporcionaron buenos valores de RMSE.
En cambio, las imgenes SPOT slo permitieron la determinacin del LAI;
principalmente debido a las caractersticas radiomtricas del sensor (3-4 bandas anchas). En
este caso el mtodo de estimacin fue la inversin del modelo PROSPECT+SAIL, la cual
proporcion valiosos mapas de variabilidad espacial del LAI y del brillo del suelo.
As pues, este trabajo ha demostrado la utilidad de la teledeteccin para la evaluacin y
cuantificacin de la heterogeneidad intraparcelaria del cultivo. Esta informacin resulta muy
valiosa para la agricultura de precisin, especialmente para el manejo de sistemas de
fertilizacin, pues permite un ajuste de los inputs a las necesidades puntuales del cultivo.
19
Referencias Bibliogrficas
20
Houls, V., Nicoullaud, B., Beaudoin, N., y Mary, B. (2002). Sensitivity of a crop model to
pedotransfer functions at the field scale. In: Proceedings of the 7th congress of the
European Society of Agronomy, edited by F.J. Villalobos & L. Testi, Junta de
Andaluca, Spain. pp. 631-632.
Jackson, R.D. y Huete, A.R., (1991). Interpreting vegetation indices. Prev. Vet. Med. 11:185200.
Kimes, D.S., Knyazikhin, Y., Privette, J.L., Abuelgasim, A.A. y Gao, F. (2000). Inversion
Methods for Physically-Based Models. Remote Sens. Reviews. 18:381-439.
Kuusk A. (1995). A fast, invertible canopy reflectance model. Remote Sens. Environ. 51:342350.
Kuusk, A. (1998). Monitoring of vegetation parameters on large areas by the inversion of a
canopy reflectance model. Int. J. Remote Sensing. 19: 2893-2905.
Qi, J. Kerr, Y.H., Moran, M.S., Weltz, M.,Huete, A.R., Sorooshian ,S. y Bryant, R. (2000).
Leaf area index estimates using remotely sensed data and BRDF models in a semiarid
region. Remote Sens. Environ. 73:18-30.
Qiu, J. Gao, W, y Lesht, B.M. (1998). Inverting optical reflectance to estimate surface
properties of vegetation canopies. Int. J. Remote Sensing. 19: 641-656.
Pinstrup-Andersen, P., Pandya-Lorch,R., y Rosegrant, M.W. (1999). World food prospects:
criticail issues for the early twenty-first century. International Food Policy Research
Institute, Washington, D.C. October. 30p.
Robert, P.C. (1999). Precision agriculture: Research needs and status in the USA.In:
Precision Agriculture'99 (Ed. J.V.Stafford). Society of Chemical Industry, London.
1:19-33.
Srinivasan, A. (1999). Relevance of Precision Farming Technologies to Sustainable
Agriculture in Asia and the Pacific. In: Sustainable Agriculture: Possibility and
Direction (Edited by Sumalee Suthipradit, Chumpon Kuntha, Supachai Lorlowhakarn
and Jaturaporn Rakngan). In Proceedings of the Second Asia-Pacific Conference on
Sustainable Agriculture, 18-20 October. Phitsanulok, Thailand. ISBN974-7579-31-6.
http://www.vtt.co.jp/eng/pub/thaipaper.htm P.325-338.
Verstraete, M.M., Pinty, B. y Myneni, R. (1996). Potential and limitations of information
extraction on the terrestrial biosphere from satellite remote sensing. Remote Sens.
Environ. 58: 201-214.
Weiss, M., Baret, F., Myneni, R.B., Pragnre, A. y Knyazikhin, Y. (2000). Investigation of a
model inversion technique to estimate canopy biophysical variables from spectral and
directional reflectance data. Agronomie. 20: 3-22.
21