ESTIMACIÓN DEL RENDIMIENTO DE CEBADA A PARTIR DE LA INTEGRACIÓN DE DATOS ESPECTRALES Y EDÁFICOS

Abstract

En la producción de granos, la disponibilidad de herramientas capaces de cuantificar la variabilidad espacial de un cultivo ha crecido de manera sostenida durante las últimas décadas. Para ello, entre las tecnologías más difundidas, se encuentran los sensores remotos multiespectrales, los mapas de rendimiento, los modelos de topografía digital, los sensores de conductividad eléctrica, y los relevamientos edáficos dirigidos, los cuales permiten caracterizar tanto la condición del suelo como la dinámica del cultivo a lo largo del ciclo. El presente trabajo tuvo como objetivo desarrollar y evaluar modelos de estimación del rendimiento de cebada mediante la integración de información espectral y edáfica, analizando el efecto de distintas resoluciones espaciales sobre su desempeño predictivo. El estudio se realizó en un lote agrícola de 105 ha ubicado en el partido de General La Madrid, provincia de Buenos Aires. Se utilizaron datos de rendimiento provenientes de un monitor de cosecha, imágenes multiespectrales Sentinel 2 para el cálculo del Índice de Vegetación Normalizado (IVN) y mediciones de profundidad de tosca obtenidas mediante muestreo directo. A partir de estos datos se generaron tres variables predictoras: IVN Máximo en antesis, IVN promedio del ciclo (IVN Ciclo) y profundidad de la tosca. Los datos se homogeneizaron mediante cuadriculas de hexágonos regulares a tres resoluciones espaciales diferentes (10 m, 50 m y 100 m). Se construyeron modelos de regresión lineal múltiple para cada resolución y su desempeño fue evaluado mediante el coeficiente de determinación (R²), la eficiencia de Nash Sutcliffe (NSE), el error cuadrático medio (MSE) y su raíz (RMSE). Los resultados mostraron que el IVN Máximo fue la variable con mayor frecuencia de significancia estadística en todas las resoluciones. Las resoluciones más agregadas (50 m y 100 m) exhibieron mayor estabilidad y robustez en los modelos, en contraste con la resolución de 10 m que mostró menor consistencia estadística. El modelo con mejor desempeño se obtuvo de la resolución de 50 m con un RMSE de aproximadamente 0,28 t ha⁻¹. En conclusión, la integración de información espectral y edáfica permitió explicar de manera confiable el rendimiento de cebada a escala de lote en el partido de General La Madrid.