SatTech2.0

Objetivo del producto

¿Cómo realizar un seguimiento eficiente de los cultivos?

El objetivo del producto SatTech2.0 es:

  • Monitorear la globalidad de una explotación sin problemas de nubes.

  • Detectar semanalmente las parcelas con problemas.

  • Análisis de los motivos de estos problemas.

  • Seguimiento de las necesidades hídricas del cultivo.

  • Realización de acciones y registro de las mismas para analizar el impacto.

  • (Generación de ficheros)[../agricultural-tools] de reporte y ficheros GIS de aplicación para aplicación variable.

  • Visualización de las evoluciones de biomasa.

  • Aplicación para visualización de información y toma de muestras.

Fuentes de información

El producto SatTech 2.0 obtiene información del satélite Sentinel-2 para la información multiespectral, Sentinel-1 para la información radar y de una red mundial de estaciones climáticas para la información meteorológica.

Periodicidad

El satélite Sentinel-2 tiene una periodicidad de revisita de cinco días. El satélite Sentinel-1 tiene una periodicidad aproximada entre seis y doce días según la zona del mundo. El satélite Landsat-9 tiene una periodicidad aproximada entre diez y quince días según la zona del mundo. El satélite Planet tiene una periodicidad aproximada entre uno y dos días según la zona del mundo. La información meteoroloógica recoge información horaria.

Capas

A continuación se muestran las principales capas y sus informaciones derivadas.

RGB

La capa RGB es la capa que se genera con la combinación de bandas Rojo (Red), Verde (Green) y Azul (Blue) y que permite ver el campo con luz visible. Esta capa es interesante para poder tener una visión aérea del estado del cultivo. No se calculan estadísticas basadas en esta capa.

Vigor Vegetativo (NDVI, LUVI)

Vigor Vegetativo (NDVI)

El NDVI (índice de vegetación de diferencia normalizada) nos aporta información sobre la cantidad de fotosíntesis que están produciendo las plantas. Se calcula mediante imágenes multiespectrales que captan cómo las plantas reflejan y absorben ondas de luz de distinta longitud. Este índice nos aporta información del comportamiento radiométrico de la vegetación, relacionado con la actividad fotosintética y la estructura foliar de las plantas, permitiendo determinar la vigorosidad de la planta.

Un valor de NDVI superior a 0,65 en mitad de temporada es bueno en la mayoría de cultivos, pero valores en ese rango al inicio puede indicar zonas con malas hierbas (o problemas de digitalización); de la misma manera este valor a final de ciclo puede indicar que la planta no está todavía preparada para la cosecha. Por contra, un valor de NDVI de 0,3 o inferior es positivo tanto a principios de temprada como a finales de ésta. Clicando en la ‘i’ verás la leyenda de rangos de NDVI.

Esta capa está disponible para LANDSAT y PLANET

NDVI_MULTITEMPORAL_INDEX

Verás que para valores inferiores a 0,25 LAYERS identifica como ‘Suelo’ y colorea de marrón. También existe un filtro de nubes que hace colorear de blanco aquellas zonas de la parcela que puedan estar afectadas por nubes. Este filtro no es infalible, por lo que recomendamos revisar la capa RGB.

NDVI_MULTITEMPORAL

Maximo vigor de NDVI

Las capas de Maximo de NDVI nos dan una idea de cómo el NDVI ha evolucionado durante todo el ciclo y permiten estudiar cuándo una zona problemática lo es de manera estructural o cuándo puede haber un problema específico de esta campaña y donde se puede incidir (enfermedades, plagas, problemas de riego, etc.).

CROP_PRODUCTIVITY_

Las encontraremos en dos formatos: Máximo vigor en 1 año y Máximo vigor dos meses.

CROP_PRODUCTIVITY

Variabilidad del NDVI

En el Dashboard encontrarás estadísticas de Variabilidad del NDVI, este parámetro, que matemáticamente es la desviación estándar del NDVI de la parcela, nos es un valor de heterogeneidad intraparcelaria. Un valor bajo de variabilidad indica una parcela homogénea mientras que un valor alto de variabilidad puede indicar problemas de malas hierbas, enfermedades, problemas de riego, etc.

Nuestra recomendación es que revises cada semana la evolución analítica del NDVI medio y de la Variabilidad media a nivel analítico en todas tus parcelas en el Dashboard para luego gracias al mapa determinar cuáles son las zonas que más necesitan tu atención esa semana.

Esta evolución puedes verla a nivel espacial arrastrando una de las ‘bolitas’ de satélite con la fecha que quieres comparar encima de la fecha con la que quieres comparar.

Una vez en campo, te animamos a que utilices la Aplicación LAYERS en el móvil para tomar una fotografía georreferenciada.

Tienes a tu disposición cada aproximadamente 5 días una nueva imagen satelital.

Vigor Vegetativo (LUVI)

El LUVI (Layers Unifed Vegetation Index) es una capa en el que unificamos el NDVI y Variabilidad de diferentes sensores con el fin de simplificar los resultados en uno solo.

El LUVI se crea unificando los sensores Sentinel 2, Lansdat 9 y Planet (este último para los usuarios que lo tengan activo). Consiguiendo un único flujo de datos.

El LUVI de variabilidad se muestra como capa inicial al abrir LAYERS, asignando un color a cada parcela en función de variabilidad que presenta el cultivo. Por tanto, esta capa nos ayuda a identificar parcelas donde algún problema puede estar sucediendo (falta de plantas, problemas de desarrollo, plagas, enfermedades, etc)

LUVI

Para identificar estas parcelas con mayor facilidad, se adjunta una leyenda con 4 rangos de variabilidad y uno extra para indicar la falta de datos (indica que en los últimos 30 días no ha habiado ninguna escena de ningún satélite sin nubes).

LUVI

Humedad Vegetativa (NDMI)

El NDMI es un índice multiespectral similar al NDVI pero que cuenta con información del SWIR (infrarrojo de onda corta), una banda que permite capturar información de la humedad de la hoja.

NDMI_MULTITEMPORAL

El NDMI es sensible a los valores de humedad en hoja, se suele utilizar para encontrar problemas de riego.

Esta capa está disponible para LANDSAT y PLANET

Nitrógeno-Clorofila (NDRE)

El NDRE es un índice multiespectral similar al NDVI aunque más sensible a los cultivos de mayor vigorosidad y a las clorofilas. En muchas ocasiones la cantidad de clorofilas está relacionada con el nitrógeno en hoja y de ahí el nombre de la capa.

NDRE_MULTITEMPORAL

En ocasiones se utiliza como ‘índice de salud’ de la planta, se utiliza para encontrar problemas en el cultivo. Valores bajos pueden ser reflejos de largos períodos de estrés hídrico por exceso o defecto.

Textura del suelo

La capa de Textura del suelo indica, en condiciones de suelo desnudo, la distribución de los diferentes tipos de suelo que aparecen en nuestra parcela, clasificados de manera genérica (muy arenosos, arenosos, francos y arcillosos), definiendo la capacidad del suelo para retener el agua y los nutrientes, así como su puesta a disposición para las plantas, su temperatura (suelos fríos o cálidos), la actividad biológica de los microrganismos presentes en el terreno, y la posible susceptibilidad de éste a presentar enfermedades criptogámicas (alternariosis, antracnosis, botritis, nematodos…) Esta capa está basada en información proveniente del satélite Sentinel-2 y su relación con una base de datos propia, que ha demostrado ser ampliamente válida para análisis de alto nivel como se recoge tanto en la bibliografía disponible como las mejoras aplicadas por el equipo de HEMAV. Para conocer con exactitud la distribución de texturas en el suelo es necesario realizar un muestreo, recomendamos a las personas interesadas consultar el apartado SoilTech

¿Cómo funciona la capa de textura?

La capa de textura analiza mediante imagen de satélite la variabilidad de la humedad sobre suelo desprovisto de vegetación, y aplica un proceso de conversión para transformar estos valores en contenidos porcentuales de arcilla, que posteriormente califica en niveles bajos, medios o altos. Para emitir un valor numérico de porcentaje de arcilla real presente en el suelo, la imagen debería estar tomada en condiciones ideales (suelo oreado después de lluvia o riego). Como no siempre es posible obtener una imagen en condiciones ideales, y para evitar confusiones, se recurre a una clasificación cualitativa, que sigue definiendo y clasificando de manera adecuada la diversidad de suelos. En el siguiente ejemplo se muestra esta circunstancia, viendo la evolución de la capa en un momento ideal (izquierda), donde los valores porcentuales de arcilla que utiliza el modelo estadístico serían muy similares a los que podríamos alcanzar con un análisis de laboratorio, y a la derecha la misma parcela días después, cuando la capa sigue definiendo los diferentes tipos de suelos, pero con valores numéricos más alejados de los que arrojaría un análisis de laboratorio:

¿Cuándo la puedo utilizar esta capa?:

Sobre suelo desnudo (sin vegetación), en condiciones de tempero (con el suelo oreado tras una lluvía o riego) sería lo ideal, pero también con suelos secos.
Para localizar la imagen adecuada puedo recurrir a una de las fases de inicio de un cultivo, justo después de aplicar las labores previas a la siembra/plantación, pudiendo recurrirse al dashboard de Layers a efecto de localizar la mejor fecha, como se indica en la imagen siguiente. También es conveniente aplicar la capa de NDVI de Layers sobre la parcela, ya que colorea en marrón la superficie que carece de vegetación, permitiéndonos verificar que la imagen es adecuada:

Evitar utilizar una imagen con el suelo muy húmedo o encharcados. Si hay una parte de la parcela que se ha arado y otra no, esta circunstancia se verá reflejada, pues el contenido en humedad del suelo afecta a la capa, y al arar esa humedad sube a la superficie percibiéndolo el satélite. Este mismo caso ocurriría si la imagen se toma cuando un pívot está regando, al estar más húmeda la zona recién regada, afectaría a la eficiencia de la capa, mostrando una heterogeneidad que realmente no existe:

¿Para qué puedo utilizar esta capa?:

• Para realizar muestreos dirigidos de suelo en nutrientes de manera mucho más representativa.

• Para localizar zonas de ensayo adecuadas, donde la variabilidad del suelo no influya en las conclusiones.

• Para ubicar variedades. En el caso de cultivos como tomate o maíz se suele evitar implantar variedades de ciclo largo en suelos arcillosos, y si suele estar indicado establecerlas en zonas arenosas. Incluso hay cultivos como el espárrago o la fresa que precisan de suelos muy arenosos para desarrollarse.

• Para apoyarme en fertilizaciones de fondo, especialmente si dispongo de equipos de dosificación variable.

• Para variar la densidad de siembra en función del potencial productivo de mi parcela (apoyado en conocimiento del técnico/agricultor, mapas de rendimiento, datos de laboratorio…)

• Para realizar diseños de riego adecuados a las características del suelo y mejorar la eficiencia de este, ahorrando agua, energía y mejorando el desarrollo y salud del cultivo.

Modelo Digital de Elevaciones 2010-2015

Un Modelo Digital de Elevaciones es una representación tridimensional de la superficie de la tierra. La capa DEM 2010-2015 es una recopilación estática que no varía con la fecha. Corresponde al set de datos del DEM GLO-30 generada por diferentes satéites de la constelación COPERNICUS en el período 2010-2015. Esta información puede resultar muy interesante para ciertos análisis, sin embargo, es importante tener en cuenta que los datos de esta capa son fijos no permiten, por ejemplo, evaluar un trabajo de nivelación de superficie.

Crecimiento del cultivo

La capa de Crecimiento del cultivo, basado en la información RADAR permite realizar el seguimiento del cultivo independientemente de la existencia de nubes. Para calcularla utilizamos sólo las órbitas adecuadas para garantizar el condicionamiento adecuado de la información radar en su polarización VH.

La Variabilidad del Crecimiento Vegetativo es muestra la homogeneidad del cultivo de una manera similar a la Variabilidad del NDVI pero basado esta vez en la Variabilidad de la información radar.

Potencial productivo histórico (NDVI)

Potencial productivo histórico (NDVI) es una capa desarrollada por Hemav que permite analizar la variabilidad en el potencial vegetativo de cada píxel que compone la parcela, mediante el análisis de su comportamiento en años anteriores.

VRA_1

Se basa en el análisis de la parcela tras analizar el comportamiento del NDVI en los tres años anteriores a la fecha en la que se ejecuta la capa. La capa evalúa donde se ha desarrollado en mayor o menor medida el NDVI y le asigna un potencial vegetativo. Este potencial se basa en la capacidad que tuvo la parcela píxel a píxel para generar biomasa, dada la gran relación existente entre la biomasa y el índice NDVI.

VRA puede utilizarse para adaptar el nivel de siembra o fertilización a cada zona diferencial mediante el uso de maquinaria de aplicación variable, mejorar el diseño de los sistemas de riego adaptándolos a la variabilidad detectada, evaluar la mejor estrategia de manejo agronómico global en base a la mayor representatividad, o adaptar las variedades más idóneas a cada zona entre otros ejemplos. También es útil para suprimir la variabilidad espacial a la hora de diseñar ensayos de campo, o de evaluar la calidad general de la parcela.

Esta capa está especialmente indicada para parcelas que tienen un manejo homogéneo, es decir, que tradicionalmente han sido ocupadas por un mismo cultivo con fechas de siembra o plantación muy cercanas en el tiempo. Si la parcela tuvo fechas de siembra muy diferentes, fue ocupada por diferentes cultivos, o se dejó una parte de la parcela sin cultivar, se mostrarán estas circunstancias sobre la capa, generalmente aparecerán formas geométricas muy bien delimitadas que no suelen darse de manera natural, como se muestra en el siguiente ejemplo, donde una parcela fue ocupada por dos cultivos diferentes y además mantuvo una zona sin cultivo:

VRA_2

También es importante tener presente que la influencia de una plaga o enfermedad sobre el cultivo en uno de los años analizados por la capa tendrá repercusión, pudiendo disminuir el potencial productivo en la zona que estuvo afectada. Si actualmente la parcela no tiene un manejo homogéneo, pero lo tuvo con anterioridad, podemos activar la capa en esa fecha para analizar la variabilidad de ese momento.

Estrés hídrico (LWS)

Estrés hídrico (LWS) es un índice desarrollado por Hemav para analizar el estado hídrico del cultivo, permitiendo detectar estados deficitarios en diversos grados.

LWS_1

Realiza una comparativa del índice NDVI para evaluar el tamaño del cultivo y del índice NDMI para analizar su grado de humedad. Tradicionalmente el índice NDMI ha servido para evaluar el estado hídrico del cultivo, pero los valores que arroja este índice son adecuados o deficitarios en función del grado de desarrollo del cultivo (Un índice NDMI bajo puede ser deficitario si el cultivo tiene un gran tamaño, pero ser adecuado si tiene un tamaño pequeño). Al determinar el tamaño del cultivo mediante el valor de NDVI podemos determinar de manera sencilla si el valor de NDMI es o no adecuado.

Ayuda a detectar deficiencias en el cultivo producidas por fallos en los sistemas de riego o en los cálculos del agua a aportar, pero también nos permite evaluar las restricciones en los aportes hídricos necesarias en las etapas finales del cultivo, destinadas a desecar a la planta para prepararla para su cosecha. El uso de riegos deficitarios intencionados en las fases finales de la caña o la remolacha para alcanzar un nivel adecuado de azúcar, o desecar el grano en el caso de cereales en regadío, se pude evaluar de manera adecuada mediante el uso de este índice.

LWS_2

En la imagen anterior podemos observar el efecto de emisores sucios o defectuosos sobre pívot de riego.

Estados hídricos deficitarios producen sobre el cultivo efectos fisiológicos similares al ataque de plagas o enfermedades cuando realizamos el análisis a través de índices satelitales, por tanto, situaciones detectadas mediante LWS pueden deberse al ataque de un patógeno y no a un nivel de irrigación deficitario.

En las primeras semanas del cultivo la influencia del suelo sobre el cultivo incipiente podría arrojar estados deficitarios sin ser estos reales, por lo que es aconsejable evaluar el estado hídrico del cultivo con LWS cuando este tiene un tamaño suficiente para ser evaluado mediante imagen satelital.

Uso combinado de capas de Layers para selección de puntos de muestreo

A continuación, presentamos un ejemplo del uso de Layers para llevar a cabo un análisis de parcela. Su utilidad radica en la capacidad para comprender la variabilidad del terreno, tanto desde la perspectiva del suelo como de la interacción entre el suelo y el cultivo. Este tipo de análisis puede ser útil para localizar muestras (suelo, producción, etc.) y hacerlas más representativas, diseñar planes de riego más efectivos (adaptando los sectores de riego al tipo de suelo) o implementar aplicaciones variables, entre otros ejemplos.

En la primera imagen, podemos observar diferentes tipos de suelo (1), los cuales parecen tener un impacto en el potencial productivo (2). Los suelos con tonalidades verde oscuro, teóricamente con menor contenido de arcilla, parecen disminuir la producción potencial. Al analizar el desarrollo completo de la cubierta vegetal de la parcela (3), se observa una disminución en la humedad en estas áreas más arenosas, probablemente debido a una retención de agua menos efectiva. Hemos aplicado el Índice de Vegetación Diferencial Normalizada (NDVI) a las primeras etapas del desarrollo del cultivo, y se evidencia un crecimiento más rápido en áreas con teóricamente mayor contenido de arcilla, probablemente debido al efecto termorregulador de estos tipos de suelos en la germinación de las semillas, íntimamente relacionado con su capacidad de retener agua.

Reporte automático de alertas

Layers emite alertas para llamar la atención del usuario sobre posibles problemas en sus parcelas.

Reporte automático de alertas de variabilidad

Este tipo de alertas surgen de analizar la variabilidad existente en el cultivo presente en la parcela, siendo dichas alertas de tres tipos:

Alerta ACUM-LAS, o de alta variabilidad en el cultivo

Layers analiza la variabilidad de una imagen para emitir una alerta si es suficientemente alta para provocar un valor de NDVI bajo (NDVI<0.4).

La alerta llega con este mensaje y formato:

ALERTA_ACUM-LAS

Esta alerta identifica parcelas muy heterogéneas para analizar con mayor detenimiento, pues plagas, enfermedades, deficiencias nutricionales u otras circunstancias podrían estar afectando a la planta. Las siguientes imágenes muestran algunos ejemplos del tipo de variabilidad sobre la que alerta Layers.

EJEMP_ACUM-LAS

Alertas SUPER-LAS, o de evolución de cultivo en fases desarrolladas

Layers analizará la variabilidad de la última escena disponible siempre que el cultivo esté desarrollado (NDVI>0.4), y la comparará con la escena anterior. Si dicha variabilidad aumenta Layers emitirá una alerta.

La alerta llega con este mensaje y formato:

ALERTA_SUPER-LAS

Esta alerta nos permite identificar posibles:

• Parcelas que se están cosechando.

• Aumentos bruscos de la variabilidad en el cultivo por plagas, enfermedades, daños por heladas, etc.

En los ejemplos que se muestran a continuación podemos observar algunas casuísticas a este respecto. A la izquierda una alerta que indicaría que la parcela varía porque empieza a ser cosechada, mientras que a la derecha se mostraría como un cultivo sufre una alteración que disminuye su NDVI. Aunque en este último caso en concreto se debe a que el cultivo está entrando en senescencia, también podría haber indicado un déficit nutricional, una plaga o enfermedad, etc.

EJEMP_SUPER-LAS

Alertas INFER-LAS, o de evolución de cultivo en fases iniciales

Layers analizará la variabilidad de la última escena disponible siempre que el cultivo esté en fases iniciales de crecimiento (NDVI<0.4), y la comparará con la escena anterior. Si dicha variabilidad aumenta Layers emitirá una alerta.

La alerta llega con este mensaje y formato:

ALERTA_INFER-LAS

Esta alerta nos permite identificar posibles:

• Presencias de malas hierbas o cultivo indeseado.

• Inicio irregular del crecimiento y desarrollo del cultivo.

La imagen muestra un ejemplo de este tipo de alertas, donde la imagen actual (arriba) muestra un aumento en la variabilidad con la escena anterior (abajo). Esta situación podría reflejar la presencia incipiente de malas hierbas, o un desarrollo irregular en el cultivo debido a un suelo heterogéneo, fallos en la siembra/plantación, desarrollo de un cultivo residual, etc.

EJEMP_INFER-LAS