Separabilidad espectral de cultivos agrícolas con Imágenes Landsat TM

Spectral separation of agricultural crops with Landsat TM Images

Palabras clave: números digitales, Landsat TM, firma espectral

Resumen

Los sensores remotos de diversas plataformas satelitales representan una herramienta para apoyar la toma de decisiones; la necesidad de contar con información ordenada y confiable sobre fenómenos de producción, establecimiento y manejo de áreas agrícolas motivó la ejecución de esta investigación que tuvo como objetivo analizar la separabilidad espectral de cultivos agrícolas del módulo 9 en el municipio de Meoqui, Chihuahua. Se utilizó el plano digital vectorizado del Distrito de Riego 005 y se georreferenció a través de puntos de control terrestre localizados mediante sistemas de posicionamiento global. Los puntos de control terrestre fueron ubicados en las imágenes compuestas de Landsat TM y en las cartas topográficas escala 1:50,000. En las parcelas bajo muestreo se realizó el análisis de separabilidad espectral de los cultivos de chile, nogal, cebolla, sandía y alfalfa, utilizando ventanas de 3x3 pixeles para colectar valores de reflectancia para cada banda de Landsat TM. Estadísticas descriptivas apoyaron la discriminación espectral. Se obtuvo un plano cartográfico digital del Módulo 9 del Distrito de Riego 005, orientado y georreferenciado con buen nivel de precisión. El análisis espectral de los cinco cultivos evaluados concentra la mayor parte de la información en un rango de 45 ND’s (números digitales), con valores mínimos de 80 ND’s y máximos de 125 ND’s en las bandas visibles del espectro. La banda 3 mostró mayor capacidad para separar las firmas espectrales en comparación al resto de las bandas. Para el análisis simultáneo de los cinco cultivos y la generación de mapas a partir de clasificaciones exitosas, se sugiere utilizar las bandas 1, 2, 3 y 7, debido a que ofrecen mayor información, ya que ubican en forma precisa y sin confusión las distintas fir-mas espectrales de los cultivos.

DOI: https://doi.org/10.54167/tecnociencia.v1i2.51

Citas

Comisión Nacional del Agua. 2002. Reporte mensual de almacenamiento de presas. CONAGUA-Gerencia Estatal Chihuahua. Subgerencia Técnica.

Curran, P. J. 2005. Principles of Remote Sensing. Fifth Edition. John Wiley & Sons, Inc.

Demattê, J.A.M., D. Moreti, A.C. Feitosa & A. Marques. 2005. Satellite images on the discrimination of soils developed from basalt and sandstone of Paraguaçu Paulista region. Pesq. Agropec. Bras. 40(7):135-142. https://doi.org/10.1590/S0100-204X2005000700011

Eastman, J.R. 1992. IDRISI Version 4.0: User´s guide. Clark University Graduate School of Geography.

Greenlee, C.J. 1993. Spatial characteristics of montane forest communities in the Organ Mountains, New Mexico, using remote sensing and GIS technology (Tesis, New Mexico State University).

Henríquez, C., R. Killorn, F. Bertsch & F. Sancho. 2005. La geoestadística en el estudio de la variación espacial de la fertilidad del suelo mediante el uso del interpolador Kriging. Agronomía Costarricense: Revista de ciencias agrícolas 29(2):73-81. https://dialnet.unirioja.es/servlet/articulo?codigo=6314479

Homlstrom, K. E., M. G. Hughes, W. L. Kline, S. D. Walker, & J. Ingerson-Mahar. 2001. Spatial Mapping of Adult Corn Earworn and European Corn Borer Populations in New Jersey. Horl Technology. 11(1):103-109. https://doi.org/10.21273/HORTTECH.11.1.103

Instituto Nacional de Estadística, Geografía e Informática. 1999. Anuario de estadísticos por entidad federativa. INEGI. https://www.inegi.org.mx/app/biblioteca/ficha.html?upc=702825156695

Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias. 2003. Análisis del sector Agropecuario en la Región Centro-Sur del Estado de Chihuahua. Publicación especial No. 10. INIFAP.

Johnson, D. L. 1989. Spatial Autocorrelation, Spatial Modeling, and Improvements in Grasshopper Survey Methodology. The Canadian Entomologist 121(7): 579-588. https://doi.org/10.4039/Ent121579-7

Mac-Rae, I. V. 1998. MIP Específico para el Sitio. Norwest Experiment Station & Agricultural Management Division. Universidad de Minnesota, Crookston.

Moran, M. S., D. C. Hymer, J. Qi & Y. Kerr. 2002. Comparation of ERS-2 SAR AND Landsat TM imagery for Monitoring Agricultural Crop and Soil Conditions. Remote Sensing of Environment 79(2-3):243-252. https://doi.org/10.1016/S0034-4257(01)00276-0

Nieuwenhuis, G. J. A. & C. A. Mucher. 1998. Satellite Remote Sensing and Crop Growth Monitoring. En Future trends in Remote Sensing (pp. 251-261). CRC Press. ISBN 9054109335, 9789054109334.

Paz, F., E. Palacios, E. Mejía, M. Martinez & L. A. Palacios. 2005. Análisis de los Espacios Espectrales de la Reflectividad del Follaje de los Cultivos. Agrociencia 39(3):293-301. https://www.redalyc.org/articulo.oa?id=30239306

Pinedo, A. C., F. J. R. Mendoza, M. A. Pérez, G.H. González, M.R.M. Quintana & C.J.A. Jiménez. 1998. Evaluación de imágenes Landsat-TM para inventariar y clasificar clases de condición forestal en bosques de Chihuahua. En Jornadas para la Convención Internacional de la Lucha contra la Desertificación y Simposium Sobre Recursos Forestales no Maderables. 11-13 junio. Ensenada, Baja California, México.

Raupenstrauch, J. D. & T. M. Selige. 1998. Detection of Crop Rotation Using Satellite Remote Sensing for Nutrient Balance Models and Risk Assessment. En Future trends in Remote Sensing (pp. 139-143). CRC Press. ISBN 9054109335, 9789054109334.

Senay, G. B., J. G. Lyon, A. D. Wuard & S. E. Nokes. 2000. Using High Spatial Resolution Multispectral Data to Classify Corn and Soybean Crops. Photogrammetric Engineering & Remote Sensing. 66(3):319-327. https://scholars.uky.edu/en/publications/using-high-spatial-resolution-multispectral-data-to-classify-corn

Setter, D. R., W. B. Cohen, M. Berterretche, T. H. Maiersperger & R. E. Kennedy. 2000. Land Cover Mapping in Agricultural Setting Using Multiseasonal Thematic Mapper Data. Remote Sensing of Environment 76(2):139-155. https://doi.org/10.1016/S0034-4257(00)00202-9

Sun, J. 2000. Dynamic Monitoring and Yield Estimation of Crops by Mainly Using the Remote Sensing Technique in China. Photogrammetric Engineering & Remote Sensing 66(5):645-650.

Publicado
2018-11-13
Cómo citar
Manjarrez-Domínguez, C. B., Pinedo Álvarez, C., Vélez-Sánchez Verín, C. E., & Pinedo Álvarez, A. (2018). Separabilidad espectral de cultivos agrícolas con Imágenes Landsat TM: Spectral separation of agricultural crops with Landsat TM Images. TECNOCIENCIA Chihuahua, 1(2), 48-56. https://doi.org/10.54167/tch.v1i2.51
Sección
Medio Ambiente y Desarrollo Sustentable