La relación entre el NDVI (Índice de Vegetación de Diferencia Normalizada) y el rendimiento del cultivo de arroz ha sido ampliamente documentada, tanto mediante su valor puntual en momentos críticos del ciclo del cultivo (Liu et al., 2017), como a través de su acumulado, que refleja el potencial de intercepción de radiación (Li et al., 2024). En este contexto, este año en Oryzativa incorporamos una nueva herramienta para facilitar el monitoreo e interpretación de los datos obtenidos por la plataforma.
¿Cómo generamos las curvas de referencia?
Las curvas de referencia de NDVI fueron desarrolladas a partir de un análisis sobre más de 3.000 chacras de arroz en Uruguay, recolectadas entre las zafras 2020 y 2023. Este análisis se basó en imágenes satelitales de alta frecuencia temporal y resolución espacial provenientes de la constelación PlanetScope. Cada registro corresponde a un polígono sembrado con arroz, con cultivar identificado, fechas de siembra (y en muchos casos, de emergencia) conocidas.
Para cada polígono:
- Se calcularon los días desde la emergencia (DPE) y días desde la siembra DPS y se filtraron los datos donde lo datos de NDVI no se ajustaban a un modelo sigmoide.
- Se ajustó una curva doble logística, que modela la evolución típica del cultivo desde la emergencia hasta la madurez/senecencia del cultivo utilizando parámetros que tienen interpretación agronómica directa, como el NDVI máximo, la duración de la fase de crecimiento, el momento de máxima Tc y el inicio de la senescencia. A diferencia de modelos puramente matemáticos, estos parámetros reflejan procesos fisiológicos clave del cultivo.
$$ NDVI(t) = a + \frac{b}{1 + \exp(-k_1 (t – m_1))} – \frac{c}{1 + \exp(-k_2 (t – m_2))} $$
Donde:
- t: tiempo (e.g., días desde siembra)
- a: valor base del NDVI
- b: amplitud del crecimiento vegetativo
- c: amplitud de la senescencia
- k₁: tasa de crecimiento
- k₂: tasa de senescencia
- m₁: punto de inflexión del crecimiento
- m₂: punto de inflexión de la senescencia
Ejemplo para la variedad MERIN:
Este enfoque permitió generar curvas de referencia para 13 cultivares utilizados en las regiones Norte y Este del país que en la zafra 2024/2025 permitieron:
- Detectar anomalías en el crecimiento del cultivo.
- Comparar la evolución con lo esperado para el cultivar.
- Proyectar escenarios a futuro.
- Comparar el estado actual con zafras anteriores.
Referencias:
Son, N. T., Chen, C. F., Chen, C. R., Minh, V. Q., & Trung, N. H. (2014). A comparative analysis of multitemporal MODIS EVI and NDVI data for large-scale rice yield estimation. Agricultural and forest meteorology, 197, 52-64.
Liu, X., Ferguson, R. B., Zheng, H., Cao, Q., Tian, Y., Cao, W., & Zhu, Y. (2017). Using an Active-Optical Sensor to Develop an Optimal NDVI Dynamic Model for High-Yield Rice Production (Yangtze, China). Sensors, 17(4), 672. https://doi.org/10.3390/s17040672
Li, J., Wang, W., Sheng, Y., Anwar, S., Su, X., Nian, Y., Yue, H., Ma, Q., Liu, J., & Li, X. (2024). Rice Yield Estimation Based on Cumulative Time Series Vegetation Indices of UAV MS and RGB Images. Agronomy, 14(12), 2956. https://doi.org/10.3390/agronomy14122956