UN METODO ROBUSTO MULTISENSOR PARA LA PREDICCION DE SEQUIAS AGRICOLAS EN ARGENTINA

MAAS, MARTIN D.; SALVIA, M.; PABLO C. SPENNEMANN; FERNANDEZ-LONG, M.

Congreso; CONGREMET XIV; 2022

La sequa se encuentra entre los desastres naturales mas costosos y menos entendidos, quetambien puede generar un efecto economico en cascada en otros sectores [2]. Por lo tanto, es degran importancia mejorar continuamente las capacidades de monitoreo y prediccion de la sequaagrcola.Se han propuesto una gran variedad de ndices de sequa a lo largo del tiempo. En particular,en regiones con poca cobertura de pluviometros y donde los cultivos se desarrollan principalmentebajo condiciones de secano, la teledeteccion es una herramienta fundamental para monitorearla sequa agrcola. Sin embargo, es bien sabido que ningun producto de teledeteccion por s solopuede capturar la variacion espacial de a~no a a~no de las reducciones de rendimiento asociadascon las condiciones de sequa [1], lo que motiva el desarrollo de ndices de sequa combinados uotras metodologas nuevas.En la literatura se han propuesto diferentes tecnicas estadsticas para integrar varias fuentesde datos para la prediccion de rindes agrcolas. Por ejemplo, [4] estudio la combinacion dedatos climaticos con indicadores de sensores remotos y comparo varias tecnicas para mejorar laspredicciones de rendimiento de trigo en Australia. En particular, se encontro que de los metodospropuestos, el mas robusto bajo eventos de sequa extrema es la regresion de Lasso [4, Figura8].El metodo propuesto en el presente trabajo, se basa en una regresion de Lasso [7] aplicada alos valores ordinales de datos de sensores remotos de precipitacion, humedad del suelo, temperatura de la supercie y verdor de la vegetacion. Cabe se~nalar que la escala departamental es el nivel administrativo mas relevante en el que se toman una serie de decisiones relacionadas con la respuesta a emergencias, como la emergencia agropecuaria [6]. Ademas, buscamos predeciranomalas de rendimiento relativas (es decir, perdidas porcentuales), una metrica que es muyadecuada para grandes areas que muestran una alta heterogeneidad espacial en los rendimientos.Las perdidas porcentuales tambien forman la base de la ley de emergencia agropecuaria enArgentina. Ademas del Lasso, tambien se emplearon modelos de regresion Random Forest [3]con nes comparativos.