Herramientas de análisis espacio-temporal de datos climáticos y espectrales como base para la caracterización y modelación climática y estimación indirecta de parámetros productivos en aguacate cv. Hass
Cargando...
Archivos
Autores
Sánchez Vivas, Diego Fernando
Tipo de contenido
Document language:
Español
Fecha
Título de la revista
ISSN de la revista
Título del volumen
Resumen
El aguacate cv. Hass ha experimentado un crecimiento en la demanda a nivel mundial, lo que ha generado un aumento en los últimos años de las áreas cultivadas. Este frutal proveniente de Colombia cuenta con admisibilidad en 18 países del mundo, por lo que el área cosechada se ha incrementado en los últimos años. Sin embargo, fenómenos como la escasez de agua, la variabilidad y el cambio climático y la presencia y dispersión de plagas han planteado desafíos para el establecimiento de una agroindustria del aguacate sostenible en nuestro país. En este contexto, el objetivo principal de este trabajo de investigación fue implementar herramientas de análisis de datos espaciotemporales para la caracterización climática y espectral de las áreas productoras de aguacate cv. Hass. El estudio se dividió en dos etapas: en la primera, se realizó la caracterización y modelación climática bajo escenarios de variabilidad y cambio climático a nivel espacial en las regiones con aptitud para el cultivo de aguacate en Colombia. Por su parte, en la segunda etapa, utilizando imágenes multiespectrales obtenidas de sensores remotos y proximales, y bases de datos de clima de libre acceso se validaron índices de vegetación y variables de clima para determinar su capacidad para discriminar entre plantas visualmente afectadas por distintas fuentes de estrés (bióticos y abióticos) y plantas sanas, así como su potencial uso para predecir componentes de rendimiento del cultivo. De acuerdo con nuestros resultados, las zonas productoras de aguacate cv. Hass en Colombia se agrupan en cinco zonas climáticas homogéneas. Las herramientas de predicción climática, a partir de redes neuronales (ConvLSTM y Bi-LSTM), así como el modelo Sarima representaron adecuadamente los patrones de temperatura y precipitación para cada uno de los cinco clústeres establecidos. Además, el modelo Maxent implementado, permitió estimar el riesgo asociado al cambio climático, en términos de modificación de áreas idóneas para la producción en dos escenarios de cambio climático y tres períodos de tiempo. Así mismo, se presentan resultados sobre la validación de herramientas de teledetección para la identificación de afectaciones y la estimación de productividad en parcelas comerciales de aguacate cv. Hass, en uno de los principales municipios productores de Colombia (Texto tomado de la fuente).
Abstract
The Hass avocado cv. has experienced a worldwide growth in demand, which has generated an increase in cultivated areas in recent years. This fruit tree from Colombia has admissibility in 18 countries of the world, so the harvested area has increased in recent years. However, phenomena such as water scarcity, variability and climate change, and the presence and dispersion of pests have posed challenges to the establishment of a sustainable avocado agroindustry in our country. In this context, the main objective of this research work was to implement spatio-temporal data analysis tools for the climatic and spectral characterization of Hass avocado producing areas. The study was divided into two stages: in the first, the climatic characterization and modeling under scenarios of variability and climate change at the spatial level in the regions with aptitude for avocado cultivation in Colombia was carried out. For its part, in the second stage, using multispectral images obtained from remote and proximal sensors, and open access climate databases, vegetation indices and climate variables were validated to determine their capacity to discriminate between plants visually affected by different sources of stress (biotic and abiotic) and healthy plants, as well as their potential use to predict crop yield components. According to our results, the Hass avocado producing areas in Colombia are grouped into five homogeneous climatic zones. Climate prediction tools, based on neural networks (ConvLSTM and Bi-LSTM), as well as the Sarima model, adequately represented the temperature and precipitation patterns for each of the five established clusters. In addition, the implemented Maxent model allowed estimating the risk associated with climate change, in terms of modification of suitable areas for production in two climate change scenarios and three time periods. Likewise, results are presented on the validation of remote sensing tools for the identification of affectations and the estimation of productivity in commercial Hass avocado plots, in one of the main producing municipalities in Colombia.
Descripción
ilustraciones, diagramas, fotografías, mapas, tablas