El uso de un índice de estrés hídrico satelital mejora la estimación de la productividad primaria neta aérea de una pastura

DRUILLE M.; GARBULSKY M. F.

Córdoba

Congreso; 40° Congreso Argentino de Producción Animal; 2017

Asociación Argentina de Producción Animal

Los datos derivados de sensores remotos son de gran utilidad para la estimación de la productividad primaria neta aérea (PPNA) de distintos ecosistemas. El índice de vegetación de diferencia normalizada (NDVI) presenta una relación positiva con la fracción de la radiación fotosintéticamente activa absorbida por el canopeo (fRFAA), y por lo tanto con la PPNA. Sin embargo, esta relación se debilita bajo estrés hídrico, cuando la fotosíntesis se reduce en mayor proporción que la fRFAA. El índice de reflectancia fotoquímica (PRI), en cambio, es sensible al estrés hídrico. Por ende, su utilización podría mejorar el ajuste entre la PPNA observada y estimada a través de sensores remotos. Los objetivos de este trabajo son: 1) analizar la correlación entre el PRI y variables hídricas y 2) evaluar la mejora en la estimación de la PPNA de una pastura a partir de la inclusión del PRI derivado de sensores remotos. Se utilizaron datos de cortes de biomasa provistos por AACREA-LART (FAUBA) de una pastura compuesta por Lolium arundinaceum y Lotus corniculatus ubicada en la Pampa Deprimida. Se analizó la PPNA obtenida por 49 cortes a intervalos de 28 días durante cuatro años. Para cada intervalo entre cortes, se promediaron, por un lado, los valores de fRFAA estimados a partir de NDVI MODIS Terra y PRI a partir de la banda MODIS11 y como referencia la banda MODIS13. Por otro lado, se promediaron los valores diarios de RFA y de variables hídricas como el déficit de presión de vapor (DPV), la diferencia entre temperatura de superficie y del aire (Ts-Ta) y se sumaron las precipitaciones diarias. En primer lugar, se realizaron análisis de correlación entre el PRI y las variables hídricas. Posteriormente, se calibraron distintos modelos a través de regresiones simples y múltiples no lineales. Se utilizó la fRFAA, la RFA, la RFAA, el PRI y la combinación de RFAA y PRI (RFAA+PRI) como variables predictoras. El PRI se correlacionó significativamente con todas las variables hídricas estudiadas. Los modelos que incluyeron la fRFAA, la RFA o la RFAA no lograron una estimación confiable de la PPNA. La inclusión del PRI permitió incrementar de manera significativa la capacidad de estimar la PPNA, ya sea como única variable predictora en el modelo, o en combinación con la RFAA. Si bien en ambos modelos los errores de predicción son similares, el que considera sólo el PRI no logra estimar satisfactoriamente las tasas de crecimiento elevadas. La incorporación del PRI evitó la sobre y sub-estimación de la PPNA obtenida al utilizar sólo la RFAA en momentos de baja (asteriscos) y de alta (triángulos) disponibilidad hídrica, respectivamente. PRI es un indicador apropiado del estrés hídrico, y permitió mejorar la capacidad de estimación de la PPNA de una pastura templada a partir de sensores remotos.