Agricultura Cultivos y Semillas Estados Unidos Tecnología Agrícola

El nuevo algoritmo basado en satélites identifica el uso del agua de cultivo


por la Universidad de Illinois en Urbana-Champaign


La creciente amenaza de sequía y el aumento de la demanda de agua han hecho pronósticos precisos del uso del agua de los cultivos críticos para el manejo y la sostenibilidad del agua de las tierras agrícolas.


Pero las limitaciones en los modelos existentes y los datos satelitales plantean desafíos para las estimaciones precisas de la evapotranspiración, una combinación de evaporación del suelo y transpiración de las plantas. El proceso es complejo y difícil de modelar, y los datos de teledetección existentes no pueden proporcionar información precisa y de alta resolución a diario.

Un nuevo marco de mapeo de alta resolución llamado BESS-STAIR promete hacer precisamente eso en todo el mundo. BESS-STAIR se compone de un modelo biofísico basado en satélites que integra los ciclos de agua, carbono y energía de las plantas, el Simulador del Sistema de Respiración de la Tierra (BESS), con un algoritmo de fusión genérico y completamente automático llamado STAIR (SaTellite dAta IntegRation).

El marco, desarrollado por investigadores del Centro de Innovación Avanzada de Bioenergía y Bioproductos (CABBI) del Departamento de Energía de EE. UU. (CABBI) en la Universidad de Illinois en Urbana-Champaign, se probó en 12 sitios en todo el cinturón de maíz de EE. UU., Y sus estimaciones han alcanzado el más alto desempeño reportado en cualquier estudio académico hasta el momento.

El estudio, publicado en Hydrology and Earth System Sciences , fue dirigido por el Asociado de Investigación Postdoctoral Chongya Jiang, del tema de sostenibilidad de CABBI, y el líder del proyecto Kaiyu Guan, Profesor Asistente en el Departamento de Recursos Naturales y Ciencias Ambientales (NRES) y un Profesor de Blue Waters en el Centro Nacional de Aplicaciones de Supercomputación (NCSA).

«BESS-STAIR tiene un gran potencial para ser una herramienta confiable para la gestión de recursos hídricos y aplicaciones agrícolas de precisión para el Cinturón de maíz de los Estados Unidos e incluso en todo el mundo, dada la cobertura global de sus datos de entrada», dijo Jiang.

Los métodos tradicionales de detección remota para estimar la evapotranspiración dependen en gran medida de los datos de radiación térmica, que miden la temperatura de la cubierta vegetal y el suelo a medida que se enfrían a través de la evaporación. Pero esos métodos tienen dos inconvenientes: los satélites no pueden recopilar datos sobre las temperaturas de la superficie en días nublados; y los datos de temperatura no son muy precisos, lo que a su vez afecta la precisión de las estimaciones de evapotranspiración, dijo Jiang.

En cambio, el equipo de CABBI se centró en los ciclos de carbono-agua-energía de la planta. Las plantas transpiran agua a la atmósfera a través de agujeros en sus hojas llamados estomas. A medida que sale el agua, entra dióxido de carbono, lo que permite que la planta realice la fotosíntesis y forme biomasa.

El modelo BESS-STAIR primero estima la fotosíntesis, luego la cantidad de carbono y agua que entra y sale. Los métodos anteriores de teledetección no consideraban el componente de carbono como una restricción, dijo Jiang. «Ese es el avance de este modelo».

Otra ventaja: los métodos basados ​​en la temperatura de la superficie solo pueden recopilar datos bajo cielos despejados, por lo que tienen que interpolar la evapotranspiración para los días nublados, creando lagunas en los datos, dijo. El modelo BESS-STAIR para todo clima utiliza reflectancia de superficie, que es similar en días despejados y nublados, eliminando cualquier espacio.

El algoritmo STAIR fusionó datos de dos sistemas satelitales complementarios, Landsat y MODIS, para proporcionar datos de alta resolución a diario, proporcionando una alta resolución espacial y temporal. Landsat recopila información detallada sobre la tierra de la Tierra cada ocho a 16 días; MODIS proporciona una imagen completa del globo todos los días para capturar cambios más rápidos en la superficie terrestre.

Esta no es la primera vez que los investigadores combinan datos de los dos sensores satelitales, pero los métodos anteriores solo funcionaron en una región pequeña durante un corto período de tiempo, dijo Guan. Los algoritmos anteriores eran difíciles de escalar y no eran completamente automáticos, requerían un aporte humano significativo, y no podían aplicarse en áreas amplias durante un período de tiempo más largo.

Por el contrario, el marco del equipo de CABBI se evaluó en diferentes regiones del cinturón de maíz de EE. UU. Durante dos décadas, dijo Jiang. Los investigadores construyeron una tubería en la supercomputadora de NCSA para estimar automáticamente la reflectancia de la superficie y la evapotranspiración a gran escala durante períodos prolongados. Utilizando datos de 2000 a 2017, el equipo aplicó BESS-STAIR en 12 sitios en todo el Corn Belt, validando exhaustivamente sus estimaciones de evapotranspiración con mediciones de torre de flujo en cada sitio. Midieron la precisión general, así como las variaciones espaciales, estacionales e interanuales.

«Podemos proporcionar evapotranspiración diaria de 30m de resolución en cualquier momento y en cualquier lugar del cinturón de maíz de Estados Unidos en horas, lo que no tiene precedentes», dijo Guan.

El avance tendrá beneficios prácticos en tiempo real para los agricultores estadounidenses que se enfrentan a la creciente gravedad de las sequías, como se documenta en una serie de estudios recientes.

«La agricultura de precisión es uno de nuestros principales objetivos. La evapotranspiración es muy importante para el riego y también muy importante para la gestión del agua «, dijo Guan. «Esta es una solución que va más allá de las parcelas experimentales e impacta el mundo real, para millones de campos en todas partes».


Leer más


Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *