Espectrorradiometría de campo para estudiar la fitosanidad: Caso de estudio efectos de vaneamiento en el Cultivo de Arroz.

Autores: Freddy Flores A, Ramiro Salcedo G, Glenis Valencia G, Maritza Silva C.  Centro de Procesamiento Digital de Imágenes (CPDI).FIIIDT. 

 

Es necesario mencionar que el trabajo original producto de esta investigación fue presentado en el 1^er Congreso Nacional de Geomática 2015, bajo la autoría de Gustavo Aguerrevere y Susuki López, ambos profesionales activos para la fecha de la Fundación Instituto de Ingeniería (FIIIDT), adscritos al Centro de Procesamiento Digital de Imágenes y a la Dirección de Tecnología.

INTRODUCCIÓN

   La espectrorradiometría puede entenderse, como la medición de energía de luz a longitudes de ondas individuales dentro del espectro electromagnético, medida sobre todo el espectro o en una banda específica de longitud de onda (Konica Minolta, S.f). También puede definirse, como la medida de la reflectividad espectral (relación entre el flujo incidente y el reflejado por un elemento) de cualquier superficie en su entorno natural (Milton et al, 1995). Normalmente es una técnica pasiva, porque depende de una energía o foco externo, que por lo general es la radiación solar.

Por su parte, la espectrorradiometría de campo permite la medición de la firma espectral de las superficies o materiales terrestres con alta resolución espectral y un amplio abanico en la selección de la geometría de observación y de iluminación. Estas firmas espectrales facilitan el conocimiento de la relación entre los procesos biofísicos y bioquímicos, y su respuesta espectral, para apoyar la calibración, análisis y validación de las imágenes de teledetección o sensores remotos, sean estas de plataformas espaciales o aéreas (Instituto Nacional de Tecnología Aeroespacial, Gobierno de España, S.f))

En este sentido la espectrorradiometría de campo es una poderosa, eficaz y útil herramienta para el procesamiento digital de imágenes de satélites, al servir de soporte a las técnicas como clasificaciones, segmentaciones y/o índices de verdor para la obtención de información de grandes espacios. Entre sus aplicaciones está el diagnóstico de las propiedades y condiciones de los ecosistemas vegetales, y por ende el estudio de los cultivos, donde la evaluación fitosanitaria de estos no escapa, con ubicación local de distintas variables de interés para el manejo eficiente de los cultivos.

En Venezuela, desde el año 2010, se reportó un síndrome de causas desconocidas que ha afectado sensiblemente el cultivo de arroz, en cuanto a sus rendimientos y calidad de los granos, con disminuciones de importancia en algunas unidades de producción agrícola. Este síndrome es conocido como “vaneamiento”, enfermedad que no permite que las espigas se llenen de granos además de afectar su calidad. Entre los principales síntomas fueron señalados, entre otros, la disminución del macollamiento; amarillamiento uniforme, aparentemente independiente de la variedad, el cual se manifestaba aproximadamente a partir del día 60 después de la siembra, y la presencia de granos vanos o vacíos. Para identificar y controlar las causas se manejaron algunas hipótesis, a saber: agotamiento de los suelos por variedades de alto rendimiento sin actualización del manejo agronómico, patología microbiana, elementos climáticos, y combinaciones de estos. Por sus características y violento de la aparición, el síndrome o enfermedad ha sido denominado Vaneamiento Repentino del Arroz (VRA), (Pieters, A., 2012 citado por Aguerrevere y López, 2015).Ante esta amenaza surgió el interés en conocer la distribución del síndrome para hacer estimaciones y pronósticos sobre las pérdidas que éste pudiera ocasionar, por lo que se evaluó la factibilidad de hacer uso de la percepción remota. Como fase inicial, se evaluaron las influencias del síndrome sobre la respuesta espectral, encontrándose una clara diferencia entre plantas sanas y enfermas. Adicionalmente se evaluaron los efectos de variedades de arroz y condiciones de medición sobre los espectros.

Las curvas espectrales de los organismos vegetales varían según distintos factores micro, macroscópicos y funcionales, así  como su constitución bioquímica, condición nutricional, estructura física de los tejidos, factores fenológicos y fitosanitarios, anatomía, morfología, taxonomía y fisiología, además de la geometría y condiciones bajo las cuales se hagan las mediciones. La reflectancia de las plantas en la región del visible (azul, verde y rojo) de 400 a 700 nm, depende fundamentalmente de la cantidad y concentración de pigmentos como clorofilas a y b, xantofilas, antocianinas y carotenos. En la región del infrarrojo, (de 800 a 1.200 nm) es la estructura interna de la hoja, conformada fundamentalmente por el tamaño y distribución de espacios aéreos y la abundancia de interfaces acuosas dentro de las capas del mesófilo, la que gobierna la reflectancia.

Entre las principales virtudes de la teledetección está la gran resolución espacial, en contraposición a una limitada resolución espectral. Por el contrario la espectrorradiometría ofrece gran resolución espectral para muestras puntuales. En la Figura 1 se comparan las curvas espectrales del sensor ASTER y de espectrorradiometría de campo. A partir de estas es posible determinar tipologías ópticas y grupos funcionales según la estructura de la vegetación, la bioquímica, la fisiología y la fenología (Ustin et. al., 2010), a lo que se puede agregar (por su influencia sobre la calidad y cantidad de pigmentos) la fitopatología.

Como objetivo a alcanzar en la investigación se planteó: “Estudiar el VRA en el Edo. Portuguesa, determinando su solución e implementación de los correctivos”, y en específico, “Identificar las principales zonas donde se presenta el VRA”, para lo cual se tomó la acción de la Evaluación de la Tecnología Satelital para la estimación de lotes afectados por VRA.

Metodología.

   Para lograr el objetivo propuesto, la Figura 2, resume todo el procesamiento digital de las imágenes y sus fases posteriores.

El trabajo de campo fue limitado a mediciones espectrales en parcelas experimentales y comerciales, identificadas por Asoportuguesa sobre las que el Centro de Ecología del Instituto Venezolano de Investigaciones Científicas (IVIC) extrajo muestras de tejido y suelo para caracterizaciones físicas, químicas y biológicas de laboratorio.

En septiembre de 2013 se realizaron las mediciones espectrales sobre:

• Dos lotes contiguos sembrados con la variedad Payara-1, uno con y otro sin manifestación del VRA, en una misma Unidad de Producción Agropecuaria (UPA), con la misma fecha de siembra.
• Una parcela experimental (con fecha de siembra posterior), sobre suelo homogéneo, sembrada en bloques con distintas variedades de arroz, distribuidos según criterios establecidos. En estas, contra lo esperado, no se manifestó el VRA aunque fueron analizadas para evaluar el efecto de las variedades.

La Figura 3 representa: (A) esquema general de las mediciones, (B) variables: manifestación o no del síndrome, (C) si la muestra es puntual o transecta y (D) ángulo de observación.

En la Tabla 1 se presentan, los datos obtenidos en campo. La columna ESPECTRO es el archivo generado de cada muestra espectral, y una vez procesadas se generan las curvas. VARIEDAD es el material genético. SUELO se refiere a la humedad, que en todos los casos resulto húmedo no saturado. ETAPA DE DESARROLLO se refiere a la madurez de cada lote. FITOSANITARIO refleja la manifestación o no del VRA. TIPO DE MUESTRA es la metodología de captura de espectros: transectas donde el espectro es el promedio de diez mediciones de distintos puntos, y puntual el espectro se forma por el promedio de la observación respectiva del mismo punto, y ANGULO DE OBSERVACION se refiere a variaciones en el ángulo (de observación) con variaciones de 0°, 45°Este y 45°Oeste con respecto a la perpendicular de la superficie.

Fuente: Aguerrevere y López, 2015

• De esta recolección de datos se evaluaron estadísticamente con contraste de diferencia de medias, el efecto de las variables (VRA Vs. SANAS) sobre la reflectancia.
• La evaluación de las diferencias del ángulo de observación y transecta Vs. Puntual, se hizo por análisis visual de las curvas.

Resultados y discusión

Las figuras representan las curvas espectrales generadas. Los ejes de ABSCISAS (X) y de ORDENADAS (Y) representan longitud de onda de 400 a 1.350 (nm) y reflectancia de 0 a 1, respectivamente.

La Figura 4 corresponde a las curvas espectrales de las 15 muestras. Se aprecia claramente la existencia de dos tendencias en el visible, que para la región del infrarrojo, aunque se mantienen, se tornan menos claras, se dispersan y se confunden. Los valores altos, sobre todo para el verde, corresponden a plantas de mayor edad y sanas mientras que los de menor valor son de plantas menores y/o afectadas por el síndrome.

Para dar robustez al análisis se hicieron contrastes estadísticos de diferencias de medias en muestras independientes. Se dice que estas son independientes porque se seleccionaron individuos (plantas) distintos para hacer observaciones con VRA y SANAS. Se evaluaron tres contrastes de hipótesis: plantas SANAS y con VRA con ángulo de observación de 0°, SANAS y con VRA a 15°Este, y SANAS y con VRA a 45°Oeste, todas con observación tipo transecta sobre variedad Payara-1.

Para facilitar el análisis, las curvas fueron divididas en grupos. Ejemplo de esto y para efectos de esta nota se muestra uno de estos grupos.

En la Figura 5, se comparan las curvas de los espectros 0001 Vs 0006. Las diferencias entre las dos curvas se deben a la manifestación o no del síndrome. En cada grupo se mantienen fijas las condiciones de variedad, transecta y el ángulo de observación, variando este en las distintas combinaciones.

Al hacer el contraste de diferencia de medias sobre los datos que dan origen a la Figura 5 se obtuvieron los siguientes resultados (donde X corresponde a las plantas sanas y Y a las enfermas):

Aplicando la ecuación para calcular el estadístico Z, se obtiene que Z = 63,35 > ZX = 1,96 para α = 0,05. Se afirma que hay indicios suficientes como para descartar la hipótesis nula. Por lo tanto parece sensato pensar que en plantas de arroz Payara1, medidas en transeptos, con ángulo de observación de 0°, la reflectancia de plantas SANAS es mayor que la de plantas con VRA. Este resultado es totalmente coherente con la interpretación visual de las curvas, en las que se observa una gran diferencia para todo el espectro, más marcada en el verde y región del infrarrojo que para azul y el rojo.

Conclusiones

Se evidenció, tanto visualmente en campo como en las curvas espectrales y en la prueba de diferencia de medias, una clara distancia espectral entre plantas sanas y plantas con manifestación del Vaneamiento Repentino del Arroz.

La tangible expresión de la diferencia a lo largo de todo el espectro ante la manifestación del síndrome hace pensar que el fenómeno puede ser evaluado a partir de imágenes satelitales.

La Espectrorradiometría de Campo constituye un apoyo para el reconocimiento tardío de individuos afectados, cuando los daños se manifiestan visualmente.

Las diferencias espectrales encontradas entre plantas con y sin síndrome constituyen una condición necesaria, pero no suficiente, para la identificación de este a través de imágenes satelitales. La gran diversidad que se puede encontrar en campo para un mismo rubro de producción agrícola es debido a: siembra de diversas variedades, diversidad en el manejo de paquetes agronómicos, variaciones fenológicas y afectación por otras patologías, lo que puede ser fuente de variabilidad en la respuesta espectral.

Las diferencias espectrales encontradas para la región del visible, especialmente del verde y del infrarrojo cercano, están altamente relacionadas con los reportes de cambio de color y descripción del daño en campo, y con las pérdidas de rendimiento del cultivo.

La mayor diferencia entre las curvas de plantas sanas y enfermas en el infrarrojo cercano con respecto al verde hacen pensar que, aunque la afectación de los tejidos vegetales es generalizada, es mas grave para la estructura celular que para los pigmentos.

Referencias Bibliográficas.

1. Aguerrevere, G. (2009). Sistema de Información para el monitoreo y estimación de cosechas. Informe Final. Centro de Procesamiento Digital de Imágenes, FIIIDT.
2. Aguerrevere, G. y López, S. (2015). Medición del efecto Vaneamiento y consideraciones sobre condiciones de observación en espectroradiometría del arroz. Memorias del 1er Congreso Nacional de Geomática. Caracas.
3. Milton, E. J., et al. (1995). Advances in field spectroscopy. Advances in Environmental Remote Sensing. F. M. Danson y S. E. Plummer. Chichester, John Wiley: 9-32.
4. ilton, E. J., Schaepman, M. E., Anderson, K., Kneubühler, M., & Fox, N. (2009). Progress in field
5. Pieters, A. (2012). Centro de Ecología, IVIC. Comunicación oral.
6. Ustin, S. & Gamon, J. (2010). Remote sensing of plant functional types. New Phytologist. 186: 795- 816.
7. Instituto Nacional de Tecnología Aeroespacial. Gobierno de España (s.f). [Página Web en línea]. Disponible: https://www.inta.es/INTA/en/servicios/Tecnologia_SGCOPLA-9/ . [Consulta: 2020, septiembre 24].
8. Konica Minolta (s.f). [Página Web en línea]. Disponible: https://sensing.konicaminolta.us/mx/learning-center/light-measurement/radiometry-spectroradiometry-photometry/. [Consulta: 2020, septiembre 24].

 

Contactos: freddyfloresa@gmail.com; ramiros0649@gmail.com; glenisvalencia38@gmail.com; maritcie@gmail.com