ALTERNATIVA PROBABILÍSTICA BAYESIANA PARA UNA ESTIMACIÓN MEJOR DEL COEFICIENTE DE CULTIVO BASADO EN ÍNDICES DE VEGETACIÓN

Autores/as

  • Víctor Manuel Salas Aguilar
  • María Elena Torres Olave
  • Hugo Luis Rojas Villalobos
  • Luis Carlos Alatorre Cejudo
  • Luis Carlos Bravo Peña

DOI:

https://doi.org/10.47163/agrociencia.v55i2.2390

Palabras clave:

modelación probabilística, índice de vegetación de diferencia normalizada NDVI, optimización de agua en cultivos, coeficiente de cultivo, sensores remotos.

Resumen

La estimación robusta y operativa de los requerimientos hídricos en los cultivos, es una premisa que tienen que cumplir los especialistas en el manejo del agua. El objetivo de este estudio fue implementar el enfoque bayesiano (EB) para estimar el coeficiente de cultivo (Kc) a partir del índice de vegetación de diferencia normalizada (NDVI), y comparar con los enfoques frecuentistas, ecuaciones generales y específicas para un cultivo. El modelo bayesiano se desarrolló con base en distribuciones de probabilidad de parámetros (a y b) a priori, recopilados de 18 investigaciones, que estimaron la relación lineal (Kc-NDVI). En una primera etapa se compararon los enfoques en siete tamaños de muestra (TM) (5, 10, 30, 60, 90, 120 y 150), en ellas se realizaron 1000 repeticiones sin remplazo. Para validar el ajuste de los enfoques en cada TM se utilizaron 156 datos experimentales de Kc-NDVI. En la segunda etapa se evaluó el EB respecto a ecuaciones ajustadas a cultivos específicos, se añadió el primer y segundo cuartil de los datos para hacer la validación. Los resultados mostraron en primera instancia que el EB superó en todos los TM a los métodos frecuentistas y ecuaciones generales. El EB demostró obtener incertidumbres bajas con solo cinco TM, a diferencia de los otros métodos que necesitaron más de 30 registros para obtener resultados similares. La comparación entre EB y ecuaciones específicas corroboró que cinco datos aleatorios recopilados en el primer cuartil de los registros fueron suficientes para obtener incertidumbres bajas. La metodología propuesta es operativa y los datos de Kc se pueden estimar desde las primeras fases fenológicas con certidumbre alta y con pocos datos del NDVI.

Publicado

2021-03-26