Determinación de la correlación entre datos de biomasa obtenidos a campo y ndvi obtenidos por sensores remotos a lo largo del arroyo Chucul (Pcia. Córdoba)

  • V. Santa Universidad Nacional de Rio Cuarto, Cátedra de Ecología Vegetal, Fac. de Agronomía y Veterinaria.
  • M. J. Rosa Universidad Nacional de Rio Cuarto, Cátedra de Ecología Vegetal, Fac. de Agronomía y Veterinaria.
  • N. Mónaco Universidad Nacional de Rio Cuarto, Cátedra de Ecología Vegetal, Fac. de Agronomía y Veterinaria.
  • A. Heguiabehere Universidad Nacional de Rio Cuarto, Cátedra de Ecología Vegetal, Fac. de Agronomía y Veterinaria.

Palabras clave:

Sensores remotos, Biomasa verde, Pastizales naturales, Correspondencia

Resumen

Los valores de biomasa aérea verde (Bv) medidos en el pastizal se relacionaron con los valores de índices de vegetación de diferencia normalizada (NDVI) provenientes de datos satelitales en tres relictos de pastizales naturales en las riveras del arroyo Chucul, desde su nacimiento: sitio 1 (32° 49´21,0``S y 64° 24` 07,0`` W), hasta su desaparición en zona de llanura: sitio 3 (33° 06`25,5``S y 63° 32`49,1``W). Bajo la hipótesis de correspondencia de Bv y datos obtenidos por imágenes, se planteó como objetivo de este trabajo determinar la relación entre datos medidos a campo y datos satelitales en pastizales naturales. Estacionalmente durante el ciclo 2009-2011 se realizó un muestreo al azar con 10 réplicas de 0,25 m2 registrando lista florística. Para determinar Bv se cortó biomasa en cada parcela separando en compartimentos verde y seco y se llevó a estufa hasta peso constante. Para el análisis digital se utilizaron las bandas 3 y 4 de una imagen Landsat 5 TM (Path 228 Row 083), por cada sitio próxima a la fecha de muestreo. Los mayores valores de Biomasa verde se determinaron para el sitio 3, en diciembre de 2011: 189,6 g/m2 y en marzo para los sitios 1 y 2: 105,74 y 115,22 g/m2. Entre todos los valores observados de biomasa y estimados por el NDVI el coeficiente de correlación más alto correspondió al sitio 3 (R=0.50). Los resultados del trabajo para el sitio 3 corroboran en parte la hipótesis planteada, indicando escasamente, en este caso, la aptitud de las imágenes digitales para realizar estudios de seguimiento del estado y de cambios en la vegetación.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Asrar G., M. Fuchus, E.T. Kanemasu & J.L. hatfield. 1984. Estimation absorbed photosynthetic radiation and leaf area index from spectral reflectance in wheat. Agron. J. 76: 300-306.

Baret F. & G. Guyot. 1989. Potentials and limits of vegetation indices for LAI and APAR assessment. Remote Sens. Environ. 35: 161-173.

Boyd W. 1986. Correlation of rangelands brush canopy cover with Landsat MSS data. J. Range Manage. 39: 268- 271.

Chen J. 1995. Integrating AVHRR derived NDVI with Ecological Modelling. Middle States Goegrapher. Vol. 28.

Chuvieco E. 1996. Fundamentos de Teledetección Espacial. Eds RIALP.S.A. Madrid, España.

Curran P.J. 1983. Multispectral remote sensing for the estimation of green leaf area index. Philosophical Transactions of the Royal Society of London A. 309: 257-270.

Gerberman A.J., J.A. Cuellar & H.W. Gausman, 1984. Relationship of sorghum canopy variables to reflected infrared radiation for 2 wavelengths and 2 wavebands. Photogramm. Eng. Rem.S. 50: 209-214.

Mársico L. & A. Altesor. 2011. Relación entre la riqueza de especies vegetales y la productividad en pastizales naturales. Ecol. Austral 21: 101-109.

Paruelo J.M., H.E. Epstein, W.K Lauenroth & I.C. Burke. 1997. A NPP estimates from NDVI for the Central Grassland Region of the US. Ecology 78: 953-958.

Prince S.D. 1991. A model of regional primary production for use with coarse resolution satellite data. Int. J.Remote S. 12: 1313-1330.

Pucheta E., E. Ferrero, L. Heil & C. Schneide. 2004. Modelos de regresión para la estimación de la biomasa aérea en un pastizal de montaña de Pampa de Achala (Córdoba, Argentina). Agriscientia 21(1): 23-30.

Pueyo J.M., L. Lacopini, Y. Bonini, J. Fonseca, R. Ludi & R. Grancell. 2003. Productividad del campo natural. Publicaciones. EEA INTA Paraná, Entre Ríos.

Pueyo J.M., L. Lacopini, Y. Bonini, J. Fonseca R. Ludi & R. Grancell. 2005. Productividad del Pastizal Natural. EEA Concepción del Uruguay.

Sánchez Rodríguez E, M.á. Torres Crespo, A. Fernández Palacios Carmona, M. Aguilar Alba, I. Pino Serrato & L. Granado Ruiz. 2000. Comparación del NDVI con el PVI y el SAVI como Indicadores para la Asignación de Modelos de Combustible para la Estimación del Riesgo de Incendios en Andalucía. Tecnologías Geográficas para el Desarrollo Sostenible. Departamento de Geografía. Universidad de Alcalá. pp. 164-174.

Sellers P.J. 1985. Canopy reflectance, photosynthesis, and transpiration. Int. J. Remote S. 6: 1335-1372.

Rueter B. & M. Bertolani 2005. Evaluación de la Productividad, Degradación y Ritmos Bioclimáticos en Ecosistemas áridos del Distrito Central, Mediante la Utilización de Percepción Remota. Nat. Patagón.1: 66-72.

Tucker C.J. 1977. Resolution of grass canopy biomass classes. Photogramm. Eng. Rem. S. 43: 1059-1067.

Descargas

Publicado

2020-03-21

Cómo citar

Santa, V., Rosa, M. J., Mónaco, N., & Heguiabehere, A. (2020). Determinación de la correlación entre datos de biomasa obtenidos a campo y ndvi obtenidos por sensores remotos a lo largo del arroyo Chucul (Pcia. Córdoba). Semiárida, 22, 157–162. Recuperado a partir de https://cerac.unlpam.edu.ar/ojs/index.php/semiarida/article/view/4474

Número

Sección

Artículos Científicos y Técnicos