Evaluación de cultivos mediante índices NDVI y NDRE obtenidos a partir de imágenes multiespectrales captadas con drones

Federico Garland Schiefer

Introducción
Los índices multiespectrales son herramientas útiles para el análisis de variabilidad espacial de cultivos, ya que permiten obtener información sobre el estado del cultivo en cada punto del terreno. Algunos índices utilizados en agricultura son NDVI, NDRE, GNDVI, SAVI, entre otros. Los valores de estos índices están correlacionados con el rendimiento de los cultivos, por lo que conocerlos es contribuye a la toma de decisiones de manejo agronómico (Kharuf et al., 2018; Revelo et al., 2020). 

Antecedentes

Existen múltiples antecedentes del uso de índices multiespectrales como NDVI y NDRE para la evaluación de cultivos. 

Por ejemplo, Rahman et al. (2004) utilizó el índice NDVI para clasificar un cultivo de caña de azúcar en zonas de condición Pobre, Moderada, Buena y Muy Buena.

Asimismo, Boiarskii y Hasegawa (2019) aplicaron y compararon los índices NDVI y NDRE para identificar zonas de desarrollo deficiente de vegetación en parcelas experimentales de policultivos. Se obtuvieron resultados más precisos respecto a la cantidad de clorofila con el índice NDRE que con el NDVI. 

Descripción del Área de Estudio

1. Universidad Nacional Agraria La Molina – Lima, Perú. 

La Universidad Nacional Agraria La Molina es una institución pública de educación superior ubicada en el distrito de La Molina, en Lima, Perú. Presenta precipitaciones escasas, clima templado y alta humedad relativa (UNALM, 2022). 

Figura 1. Vista de la Universidad Nacional Agraria La Molina 

2. Alozaina, España

Alozaina es un pueblo español ubicado en la provincia de Málaga. Cuenta con una población aproximada de 2000 habitantes y una superficie de 34 km2. Se encuentra cerca al Área Protegida conocida como Parque de la Sierra de las Nieves. Más de 1800 hectareas de terreno en Alozaina son destinadas a la agricultura, siendo el tomate y el naranjo los cultivos principales (IECA, 2019).

Figura 2. Vista de Alozaina, España. 

Objetivos

• Determinar los valores de los índices NDVI y NDRE en las áreas de estudio 
• Identificar los distintos grados de desarrollo del cultivo 
• Cuantificar la superficie ocupada por cada grado de desarrollo del cultivo
• Generar mapas finales de NDVI y NDRE para las áreas de estudio 

Metodología

1. Planificación de Vuelo 

En primer lugar, se planificó un vuelo de dron o VANT para cada área de estudio haciendo uso de la aplicación 3D Survey Pilot. Los parámetros escogidos para ambas áreas fueron un traslape de 80-80, ángulo de cámara de 90°, velocidad máxima de 5 m/s, altura de vuelo de 60 m y GSD o Distancia de Muestreo del Suelo de 1.63 cm/px. 

Figura 3. Planificación de vuelo para terreno de UNALM

Figura 4. Planificación de vuelo para terreno de Alozaina

          2. Procesamiento de imágenes en Pix4Dfields

Posteriormente, las imágenes multiespectrales obtenidas con el VANT fueron cargadas al software Pix4Dfields, las bandas espectrales fueron sometidas a un proceso de calibración radiométrica y fueron finalmente agrupadas para formar los ortomosaicos base. 

Figura 5. Procesamiento de imágenes de la UNALM en Pix4dfields

Figura 6. Ortomosaico de la UNALM 

Figura 7. Procesamiento de imágenes de Alozaina en Pix4dfields

Figura 8. Ortomosaico de Alozaina 

       3. Generación de índices  

Una vez obtenidos los ortomosaicos, se calcularon los valores de los índices NDVI y NDRE para cada terreno en el software Pix4Dfields. El índice NDVI fue generado para el área ubicada en la UNALM, mientras que el NDRE se aplicó al área de Alozaina, España. 

Las formulas utilizadas para la obtención de los índices son las siguientes: 

Donde: 

NIR: Banda de infrarrojo cercano 

RED: Banda roja 

Donde: 

NIR: Banda de infrarrojo cercano 

REDGE: Banda de rojo cercano 

    4. Cálculo de Áreas 

Los terrenos fueron clasificados en 4 zonas en función a sus valores de NDVI y NDRE respectivamente. Para ello se usó la herramienta Reclasificar. Se establecieron clases con puntos de corte en los valores 0, 0.2, 0.6 y 1. Luego, realizó el conteo de pixeles por cada área y se multiplicó por el área de cada pixel en m2 para obtener la superficie ocupada por cada clase. 

    5. Diseño de mapas finales 

Finalmente, se configuraron las opciones necesarias para agregar a los mapas elementos de representación cartográfica como leyenda, escala, título, grilla de coordenadas, etc. Por último, se procedió a exportar los mapas finales a formato JPG y PDF para su presentación. 

Figura 9. Flujograma del proceso de obtención de los mapas de índices multiespectrales 

Resultados

Figura 10. Mapa final de NDVI en lote de la UNALM

Se observa heterogeneidad en los valores de NDVI en el terreno de la UNALM con un rango de -0.17 a 0.92, lo que implica la presencia de zonas con Vegetación Densa y otras con Vegetación Dispersa.  El histograma muestra una moda cercana a 0.11, lo que indica que la Vegetación Escasa es la característica observada con mayor frecuencia en el terreno. Esto se constata al cuantificar que un 62.2% del área presenta Vegetación Escasa, mientras que solo el 20.3% presenta Vegetación Densa. A primera vista, parece que solo 2 parcelas tuvieran cultivos en desarrollo, una con alta vigorosidad y la otra con vegetación dispersa. Esto podría constatarse con una evaluación física en campo. Por otro lado, en la parcela con Vegetación Densa sería conveniente aplicar el índice NDRE para identificar zonas con deficiencia de clorofila que el NDVI es incapaz de captar en estados de desarrollo avanzados del cultivo.

Figura 11. Mapa final de NDRE en cultivo de Alozaina

Se observa heterogeneidad en los valores del índice NDRE con un rango de -0.37 a 0.72, lo que indica la presencia de zonas con media y baja concentración de clorofila. El histograma presenta una moda cercana a 0.10, por lo que se puede afirmar que una concentración baja de clorofila es la característica más frecuentemente observada en el terreno. Esto se constata al haberse cuantificado que un 60% de la superficie presenta un nivel de clorofila bajo, y un 22% del área presenta un nivel de clorofila medio. No se encontró ninguna zona con valores altos de clorofila. Se observa claramente la diferencia en los valores de NDRE entre las copas de los árboles y el suelo. Para este caso, podría aplicarse complementariamente un índice como SAVI para controlar el efecto del suelo descubierto sobre los indicadores del estado del cultivo. 

Tabla 1. Comparación de características de índices NDVI y NDRE 

Conclusiones

• Los índices vegetativos multiespectrales son herramientas útiles para el análisis espacial, diagnóstico productivo y toma de decisiones en cultivos agrícolas. 
• Los índices NDVI y NDRE permiten diferenciar efectivamente entre zonas de alta y baja productividad potencial midiendo atributos como la vigorosidad vegetal y concentración de clorofila. 

Recomendaciones

• Realizar evaluaciones físicas en campo para constatar la exactitud de los resultados obtenidos con los índices de vegetación.
• Aplicar de forma complementaria el cálculo del índice NDRE en el terreno de Vegetación Densa de la UNALM para identificar zonas con déficit de clorofila que el NDVI es incapaz de captar en estados de desarrollo avanzado del cultivo.
• Aplicar de forma complementaria el cálculo del índice SAVI (Soil Adjusted Vegetation Index) en el terreno de Alozaina para obtener una descripción del estado del cultivo que no se vea influenciada por la presencia de suelo descubierto.

Referencias

Boiarskii, B., Hasegawa, H. (2019). Comparison of NDVI and NDRE Indices to Detect Differences in Vegetation and Chlorophyll Content. https://www.researchgate.net/publication/337193427_Comparison_of_NDVI_and_NDRE_Indices_to_Detect_Differences_in_Vegetation_and_Chlorophyll_Content#:~:text=NDVI%20showed%20visible%20green%20color,index%20for%20monitoring%20chlorophyll%20content.

IECA, Instituto de Estadística y Cartografía de Andalucia. (2019). Alozaina. https://www.juntadeandalucia.es/institutodeestadisticaycartografia/sima/ficha.htm?mun=29013

Kharuf-Gutierrez, S., Orozco-Morale, R., Aday, O., & Pineda, E. (2018). Multispectral aerial image processing system for precision agriculture. Sistemas & Telemática, 16(47), 45-58. doi:10.18046/syt.v16i47.3221 

Rahman, R., Hedayutul, A., Rahman, A. (2004). NDVI Derived Sugarcane Area Identification and  Crop Condition Assessment. https://www.researchgate.net/publication/283630310_NDVI_derived_sugarcane_area_identification_and_crop_condition_assessment 

Revelo, D., Mejía, J., Montoya, B., Hoyos, J. (2020). Análisis de los índices de vegetación NDVI, GNDVI y NDRE para la caracterización del cultivo de café (Coffea arabica). http://www.scielo.org.co/pdf/inde/v38n2/2145-9371-inde-38-02-298.pdf

UNALM. (2022). Universidad Nacional Agraria La Molina. http://www.lamolina.edu.pe/