DEFINICIÓN DE ZONAS HOMOGÉNEAS DE DAÑO CAUSADO POR GRANIZO EN CULTIVOS AGRÍCOLAS UTILIZANDO DATOS DE SENSORES REMOTOS

Abstract

La frecuencia e intensidad de los eventos meteorológicos extremos, a nivel mundial, se han incrementado en las últimasdécadas, provocando enormes pérdidas económicas. En Argentina, en la campaña agrícola 2017-2018, se destinaronmás de 200 millones de dólares para proteger los cultivos soja, maíz y trigo contra granizo. Luego de una tormenta, unperito visita el campo para estimar las mermas de rendimiento causadas por granizo, sin información previa de las regionesafectadas ni su intensidad. La precisión en la estimación del daño depende en gran medida de la identificación de ZonasHomogéneas de Daños (ZHD) dentro de la parcela para ponderar el daño total. Actualmente, las ZHD se delimitan acampo con técnicas visuales. Se propone desarrollar un algoritmo para definir las ZHD aplicando técnicas MachineLearning a índices de vegetación calculados con datos Sentinel 1 y 2. Se procesaron y compararon 5 índices demicroondas (DPDD, IDPDD, VDDPI, MPDI y DPSVI) y 5 espectrales (NDVI, EVI, SAVI, AVI y NPCRI) y se seleccionó elmás sensible a los cambios para cada tipo de señal; además, se incorporaron como variable de entrada al modelo lasderivadas de ambos índices. Para definir las clases se empleó K-Means (k = 3). Para validar el algoritmo se analizaron38 tormentas ocurridas entre los años 2017 y 2020 en 91 parcelas de soja, trigo y maíz ubicadas en la llanura pampeanaargentina. Se aplicó a cada parcela el modelo One-Way ANOVA (p <0.05). Los índices seleccionados fueron DPSVI yNPCRI. Se detectaron correctamente ZHD en un 66,67%, 78,13% y 72,70% de los casos analizados, para los cultivos demaíz, trigo y soja, respectivamente. Se concluye que el algoritmo permite definir en forma eficiente ZHD causados porgranizo dando transparencia y precisión a la labor del perito y disminuyendo el tiempo de sus tareas a campo.