Índice de Humedad Diferencial Normalizado

El número de Índices de vegetación respaldados por GeoPard está en continuo crecimiento. El equipo de GeoPard presenta el Índice de Humedad de Diferencia Normalizada (NDMI). El índice determina el contenido de agua de la vegetación y el índice de agua de diferencia normalizada (NDWI). Es útil para encontrar los lugares con existentes estrés hídrico en las plantas.

Los valores bajos de NDMI indican las zonas donde las plantas están sufriendo estrés por falta de humedad.
Por otro lado, los valores más bajos del índice de diferencia normalizada del agua después del pico de vegetación resaltan los puntos que se están volviendo listo para la cosecha primero.

La diferencia en el contenido relativo de agua de la vegetación entre dos imágenes satelitales (constelación Sentinel-2 en este caso).

La diferencia en el contenido relativo de agua de la vegetación entre dos imágenes satelitales (constelación Sentinel-2 en este caso).

En las siguientes capturas de pantalla, podrá encontrar las zonas NDMI generadas a partir de las imágenes satelitales del 19 de junio (pico de vegetación) y del 6 de julio, así como el mapa de ecuaciones que representa la diferencia NDMI.

Índice de humedad de diferencia normalizada calculado sobre una imagen de Planet / Sentinel-2 / LandsatNDMI calculado sobre una imagen de Planet / Sentinel-2 / Landsat

¿Qué es el índice de humedad?

Es una medida o cálculo que se utiliza para evaluar el contenido o la disponibilidad de humedad en un área o región específica. Generalmente se deriva de diversos factores ambientales como la precipitación, la evapotranspiración, las propiedades del suelo y la cubierta vegetal.

Proporciona una indicación relativa de la humedad o sequedad de una zona, lo que ayuda a identificar posibles condiciones de estrés hídrico o sequía.

Es una herramienta valiosa para el seguimiento y la gestión de los recursos hídricos, la planificación agrícola y la comprensión de las condiciones ecológicas de una región determinada.

¿Qué es el Índice de Humedad de Diferencia Normalizada?

El Índice de Humedad de Diferencia Normalizada (NDMI, por sus siglas en inglés) es un índice de vegetación derivado de datos de teledetección para evaluar y monitorear el contenido de humedad de la vegetación. Al igual que otros índices de vegetación, se calcula utilizando valores de reflectancia espectral obtenidos a partir de imágenes satelitales o aéreas.

Resulta especialmente útil para controlar el estrés hídrico de las plantas, evaluar las condiciones de sequía, estimar el riesgo de incendios y estudiar los impactos del cambio climático en la vegetación.

Se calcula utilizando las bandas del infrarrojo cercano (NIR) y del infrarrojo de onda corta (SWIR), que son sensibles al contenido de humedad en la vegetación. La fórmula para el NDMI es:

NDMI = (NIR – SWIR) / (NIR + SWIR)

Los valores de NDWI suelen oscilar entre -1 y 1, donde los valores más altos indican mayor humedad en la vegetación y los valores más bajos indican menor humedad o estrés hídrico. Los valores negativos de NDWI pueden asociarse con áreas sin vegetación o con muy baja humedad.

¿Qué es NDWI?

El NDWI, o Índice de Diferencia Normalizada del Agua, es un índice de teledetección que se utiliza para cuantificar y evaluar el contenido de agua o las características relacionadas con el agua en la vegetación o los paisajes.

Se calcula analizando la reflectancia de las bandas de luz infrarroja cercana y verde obtenidas mediante imágenes satelitales o aéreas. Resulta especialmente útil para identificar masas de agua, monitorear cambios en la disponibilidad de agua y evaluar la salud de la vegetación.

Al comparar la absorción y la reflexión de diferentes longitudes de onda, proporciona información valiosa para aplicaciones como el monitoreo de la sequía, el análisis hidrológico y la gestión de ecosistemas.

Visualización del NDMI para determinar el índice de diferencia normalizada del agua

La visualización del NDMI implica procesar imágenes satelitales o aéreas, calcular los valores del NDMI y luego mostrar los resultados como un mapa o imagen codificada por colores. Estos son los pasos generales para visualizar el NDMI:

  • Adquiera imágenes satelitales o aéreas: Obtenga imágenes multiespectrales de una plataforma satelital o aérea, como Landsat, Sentinel o MODIS. Asegúrese de que las imágenes incluyan las bandas necesarias: infrarrojo cercano (NIR) e infrarrojo de onda corta (SWIR).
  • Preprocese las imágenes: Según la fuente de datos, es posible que deba preprocesar las imágenes para corregir las distorsiones atmosféricas, geométricas y radiométricas. Convierta los valores digitales (DN) de la imagen a valores de reflectancia espectral.
  • Calcular NDMI: Para cada píxel de la imagen, utilice los valores de reflectancia NIR y SWIR para calcular el NDMI utilizando la fórmula: NDMI = (NIR – SWIR) / (NIR + SWIR).
  • Mapeo de colores: Asigne una paleta de colores a los valores NDMI. Generalmente, se utiliza una escala de color continua, que va desde un color (por ejemplo, rojo) para valores NDMI bajos (que indican baja humedad) hasta otro color (por ejemplo, verde) para valores NDMI altos (que indican alta humedad). Puede utilizar software como QGIS, ArcGIS o bibliotecas de programación como Rasterio y Matplotlib de Python para crear un mapa de colores.
  • Visualiza el mapa NDMI: Visualice el mapa o la imagen del NDMI utilizando un software SIG, una biblioteca de programación o una plataforma en línea. Esto le permitirá analizar la distribución espacial del contenido de humedad de la vegetación e identificar áreas con estrés hídrico o alta humedad.
  • Interpretación y análisis: Utilice la visualización del NDWI para evaluar la salud de la vegetación, monitorear las condiciones de sequía o evaluar el riesgo de incendios. También puede comparar mapas del índice de diferencia normalizada del agua (NDWI) de diferentes períodos para analizar los cambios en el contenido de humedad de la vegetación a lo largo del tiempo.

Recuerde que las distintas herramientas de software o bibliotecas de programación pueden tener flujos de trabajo ligeramente diferentes, pero el proceso general será similar. Además, puede superponer otras capas de datos, como el uso del suelo, la elevación o los límites administrativos, para mejorar su análisis y comprender mejor la relación entre el contenido de humedad de la vegetación y otros factores. 

Estadísticas avanzadas para zonas de gestión en agricultura de precisión.

En cálculo preciso de estadísticas Es un pilar fundamental del análisis de datos en la agricultura de precisión. GeoPard ha incorporado cálculos estadísticos de precisión más detallados a las zonas agrícolas creadas en la plataforma para garantizar que sus mapas y las conclusiones analíticas que extraiga de ellos sean precisos y fiables. 

Se calculan estadísticas avanzadas por zona, que contiene los atributos: mínimo y máximo valores del índice de vegetación (u otros atributos), medianapromediodesviación estándar, y el suma de todos los valores en la zona.

La mediana es el valor central de un conjunto de datos ordenado numéricamente, a diferencia del promedio. Esto se relaciona con la desviación estándar, que refleja cómo se distribuyen los datos alrededor del valor promedio.

Una desviación estándar baja sugiere que los datos de una zona determinada se agrupan estrechamente alrededor del promedio, mientras que una desviación estándar alta indica que los datos de la zona están más dispersos alrededor del promedio.

El atributo suma es simplemente la suma total de todos los valores de píxeles en esa zona. Antes de calcular cualquier estadística para sus zonas, se eliminan todos los valores atípicos o puntos de datos anómalos para evitar la creación de estadísticas engañosas que no reflejen con precisión los datos de sus zonas. 

Después de las modificaciones manuales de las zonas agrícolas a través de la herramienta Fusionar/Dividir, Las estadísticas de zona se recalculan en función de las nuevas geometrías de zona.. Esto permite una comprensión precisa y detallada de la distribución de datos dentro y entre las zonas.

Estadísticas de zonas de gestión en GeoPard
Estadísticas de zonas de gestión en GeoPard

Como siempre, GeoPard valora la transparencia En todos los aspectos de la plataforma. Durante la agregación de datos clasificados en zonas agrícolas, todos los detalles se suavizan y ocultan sin métricas que muestren lo sucedido, por lo que los resultados de la agregación de datos se proporcionan a través de estadísticas de precisión.

También es posible retroceder y extraer los valores originales de tus zonas para revisarlos o utilizarlos en tus propios modelos. Nunca tendrás que preocuparte por perder tus datos originales en GeoPard.

Las estadísticas son de gran valor para determinar la precisión de los mapas y se calculan para las zonas agrícolas en función de cualquier capa de datos que se elija, incluyendo rendimiento, sensores terrestres, satélite, topografía y multicapa. 

GeoPard presenta las estadísticas de las zonas de una manera muy legible y sencilla, como se puede apreciar en las imágenes de ejemplo que aparecen a continuación.

En GeoPard queremos facilitarle la toma de decisiones sobre sus campos, brindándole la información necesaria. El mejor y más completo acceso a cálculos de precisión estadística. podemos.

¿Qué son las estadísticas avanzadas?

La estadística avanzada es una rama del análisis estadístico que utiliza técnicas más complejas y sofisticadas que los métodos estadísticos básicos. Abarca una variedad de modelos y técnicas estadísticas empleadas para analizar e interpretar conjuntos de datos complejos.

Entre los métodos estadísticos avanzados se incluyen el análisis de regresión, el análisis multivariante, el análisis de series temporales y el diseño experimental, entre otros. Estas técnicas permiten a investigadores y analistas obtener información más profunda, identificar patrones y relaciones, y realizar predicciones más precisas o tomar decisiones fundamentadas a partir de los datos.

Analizar datos de Geoprospectors / TopsoilMapper

GeoPard es capaz de procesar y analizar varios tipos de datos espaciales agrícolas. Este es un ejemplo de cómo trabajar con conjuntos de datos de sensores de alta densidad con una gran variabilidad espacial proporcionada por Geoprospectors GmbH

Después de importar los datos capturados por Mapeador de suelos superiores, puedes ver 

  • un contenido relativo de agua
  • una profundidad para interactuar con información sobre compactación
  • conductividad eléctrica en 4 profundidades acumuladas
Un contenido relativo de agua, puntos brutos
Un contenido relativo de agua, puntos brutos

Geopard permite visualizar puntos con valores brutos y superficie continua; comparar diferentes capas de datos; delimitar zonas de suelo para el muestreo zonal de suelos y VRA; y combinar datos de TopsoilMapper con datos disponibles en GeoPard, como vegetación histórica y actual, y elevación, en un único mapa de zonas. 

Comparar capas: vegetación (WDRVI), mapa de zonas (EC+Elevación), EC, compactación
Comparar capas: vegetación (WDRVI), mapa de zonas (EC+Elevación), EC, compactación


¿Tienes curiosidad por saber qué representan los valores bajos de CE en el mapa como una curva? Se trata del lecho de un antiguo río, enterrado bajo tierra.

Comparación de capas de datos para tomar decisiones sobre cultivos

Para visualizar datos de campo y tomar decisiones informadas, a menudo es necesario comparar capas en vistas sincronizadas múltiples.

En GeoPard, puedes comparar visualmente hasta cuatro capas de datos en una sola pantalla. Todas las capas funcionan de forma síncrona al acercar/alejar o mover el mapa para tu conveniencia.

Selecciona un campo y haz clic en el icono de comparación de capas en la esquina superior derecha de la pantalla. Luego, selecciona las instantáneas, áreas de control de campos u otras capas que desees ver en la misma pantalla al mismo tiempo. Haz clic en Comparar capas. 

La función de comparación de capas sincroniza mapas, cursores y niveles de zoom. También tienes la capacidad de añadir/eliminar capas. Actualmente soportamos hasta 4 capas de datos.

¿Qué son las capas de datos en la agricultura de precisión?

En la agricultura de precisión, las capas de datos se refieren a los diferentes tipos de datos que se recopilan y analizan para tomar decisiones informadas sobre el manejo de cultivos. Estas capas pueden incluir:

  • Datos del suelo: Información sobre las características del suelo, como los niveles de nutrientes, el pH y la textura, que pueden orientar las decisiones sobre fertilización y otras prácticas de manejo del suelo.
  • Datos meteorológicos: Los datos sobre los patrones climáticos actuales e históricos, incluida la temperatura, la precipitación y el viento, pueden ayudar a los agricultores a tomar decisiones sobre la siembra, el riego y otras prácticas.
  • Datos de cultivos.Los datos sobre el crecimiento y la salud de los cultivos, incluida la altura de las plantas, el área foliar y los niveles de clorofila, pueden informar las decisiones sobre fertilización, riego y manejo de plagas.
  • Datos de rendimientoLa información sobre el rendimiento y la calidad de los cultivos puede ayudar a los agricultores a tomar decisiones sobre la cosecha y comercialización de sus productos.
  • Datos topográficosLa información sobre la forma y la elevación del terreno puede informar decisiones sobre siembra y riego, y puede ayudar a identificar áreas que pueden ser propensas a la erosión u otros problemas ambientales.
  • Datos de teledetección: Los datos recopilados de satélites, drones u otros sensores remotos pueden proporcionar información sobre la salud de los cultivos, la humedad del suelo y otros factores que pueden informar las decisiones sobre la gestión de cultivos.

Al analizar e integrar estas diferentes capas de datos, los agricultores pueden tomar decisiones más informadas sobre la gestión de cultivos, lo que lleva a prácticas agrícolas más eficientes y sostenibles.

Operaciones en zonas agrícolas para la toma de decisiones basada en datos

OPERACIONES POR ZONAS EN DIFERENTES CAPAS

En la agricultura de precisión, la recopilación de datos de campo y la toma de decisiones basada en datos son absolutamente esenciales. Como siguiente paso en el desarrollo de análisis multicapa y la identificación de dependencias entre capas, presentamos el nuevo módulo Operaciones de Zonas. 

Allí se pueden buscar dependencias entre diferentes mapas de zonas agrícolas, como vegetación histórica, topografía (incluidas sus derivadas), datos de monitores de rendimiento, datos de suelo, escáneres, mapas de estabilidad, etc. Esto representa un avance en la definición de las áreas más influenciadas y en la comprensión de las razones de la heterogeneidad del campo. 

¿Cómo se pueden identificar las áreas? 

En primer lugar, seleccione los mapas de campo que desea comparar. Una vista de comparación de capas es una buena manera de definir zonas agrícolas específicas para su análisis.

Es posible que desee comparar el bajo potencial de rendimiento y las áreas de terreno pantanoso, las zonas más inestables y la escasa vegetación, la baja conductividad eléctrica y el rendimiento, el mapa de fertilización aplicada y la vegetación actual, entre otros.

En segundo lugar, marque las zonas agrícolas específicas en cada mapa que desee comparar en el módulo de Operaciones de Zonas. Finalmente, seleccione la zona de interés. Tenga en cuenta que es posible utilizar más de dos mapas en los análisis. 

¿Cómo puedes aplicar este conocimiento? 

Además de encontrar relaciones que puedan ayudar a explicar el rendimiento, es posible establecer objetivos de rendimiento para zonas agrícolas definidas; explorar áreas interesantes; reducir las inversiones en dichas zonas localizadas o elaborar un plan para mitigar los factores limitantes y mejorar las áreas de bajo rendimiento conociendo las causas subyacentes; y elaborar un plan agronómico utilizando prácticas VRA. 

En las capturas de pantalla se muestran varios ejemplos de información sobre campos. Tenga en cuenta que cada campo es único y que los casos que se mencionan a continuación no garantizan el mismo resultado para su campo, pero son un buen punto de partida para la investigación. 

Le invitamos a compartir sus prácticas agronómicas comentando esta publicación o contactando directamente con el equipo de GeoPard Agriculture. Agradecemos sus comentarios, ya que desarrollamos la solución para que usted comprenda mejor la variabilidad del campo y la gestione adecuadamente.

Zonas Calidad

Casi todos Las zonas de gestión se ajustan antes de convertirse en un mapa de aplicación de tasa variable. Esto puede implicar la fusión de algunas zonas, correcciones manuales en puntos conocidos, la adición de zonas de amortiguación adicionales, compatibilidad con equipos agrícolas, etc.

En el equipo de GeoPard, entendemos que contar con zonas de gestión natural precisas y con polígonos válidos ahorrará mucho tiempo durante los procesos de verificación y corrección de zonas.

El motor GeoPard hace lo siguiente:

  • elimina automáticamente el ruido,
  • fusiona automáticamente los polígonos pequeños en la zona más grande más cercana,
  • conserva solo la cantidad mínima necesaria de puntos en cada polígono de zona,
  • Hace que los mapas VRA sean compatibles con cualquier equipo y maquinaria agrícola.

Además de la corrección automática, la herramienta para fusionar y dividir zonas Está disponible para ajustar el mapa según sus propios conocimientos de campo y prácticas agronómicas. 

En el mercado existen muchos mapas diferentes de diversos proveedores, pero sin duda reconocerás los mapas de GeoPard.

Fusionar y dividir zonas para la gestión en agricultura

Nadie conoce mejor su campo que un agricultor o agrónomo que lleva muchos años trabajando en él. Por eso, cualquier análisis basado en algoritmos suele necesitar ser validado y ajustado por un profesional que utilice su profundo conocimiento del sector.

La función de fusión y división de zonas permite a un profesional realizar algunas acciones importantes: 

  • Polígonos divididos
  • Fusionar polígonos
  • Asignar un polígono o una zona completa a otra clase.

Estos ajustes se pueden aplicar a cualquier capa de datos y es una función muy útil para preparar sus zonas perfectas para operaciones de agricultura de precisión como la siembra, la fertilización o la pulverización con realidad virtual.

¿Qué son las divisiones en la agricultura?

En agricultura, las divisiones se refieren a la división o subdivisión de un campo en diferentes secciones para diversas prácticas de manejo.

Esta división permite a los agricultores aplicar diferentes tratamientos o técnicas a cada sección en función de las necesidades específicas.

Por ejemplo, los agricultores pueden dividir un campo para aplicar diferentes fertilizantes, herbicidas o métodos de riego según las condiciones del suelo o las necesidades del cultivo.

La división de los cultivos permite una aplicación precisa y eficiente de los recursos, optimizando el crecimiento de los cultivos y minimizando los costes, al tiempo que se abordan los retos específicos de las diferentes zonas del campo.

Control de cultivos con análisis de estabilidad y rendimiento

 

Detectar los cambios que se hayan producido en el campo durante las últimas 1-2 semanas, 1-2 meses o incluso un par de años ayuda a obtener información sobre el desarrollo de los cultivos.

Puede utilizarse para:

  • localizar lugares con un rendimiento similar a lo largo de los 5-10-20 años y ubicar los ensayos en áreas con condiciones similares para reducir la probabilidad de errores,
  • realizar un seguimiento de los cambios durante la temporada y evaluar el rendimiento de los cultivos durante su crecimiento,
  • reconocer las áreas dañadas después de un desastre meteorológico o una enfermedad o ataque de plagas y calcular las áreas dañadas,
  • Detectar la diferencia entre las dos últimas imágenes y controlar el rendimiento del recorte.
Zonas de estabilidad del campo

Y todos estos casos, e incluso más, están cubiertos por las Zonas de Estabilidad de Campo de GeoPard. En particular, proporcionará información más detallada en combinación con las zonas de gestión históricas y de temporada.

Simplemente seleccione su campo e imágenes satelitales para realizar un seguimiento de los cambios en el mismo, controlar los cultivos y obtener información sobre cada punto de su campo.

selección de zonas de estabilidad de campo

Comparación de capas

No es ningún secreto que mejoramos constantemente la solución GeoPard Agriculture y aumentamos su valor para los usuarios. Basta con echar un vistazo a la sección "Próximamente" de nuestro sitio web. https://geopard.tech para hacerse una idea de algunas de las funciones que están por venir.

Su priorización puede ser un desafío. Aquí, los comentarios y las demostraciones de productos vienen al rescate. Por lo tanto, presentar nuestra solución a muchos asistentes de la Tecnología agrícola mundial En la cumbre de Londres, pudimos ajustar el plan de entrega y lanzar una nueva función de comparación de capas en tan solo unos días.

¿De qué se trata? Permite comparar visualmente los análisis de campo en una vista dividida. Es posible seleccionar cualquier tipo de capa para la comparación: imágenes con colores naturales o infrarrojos, imágenes con vistas de vegetación, zonas de gestión actuales o históricas. Las dos capas se sincronizan al acercar/alejar o mover el mapa para mayor comodidad.

¿Cómo acceder al modo de vista dividida? Seleccione su campo y haga clic en el icono de comparación de capas en el menú superior. En la pantalla de vista dividida, seleccione la capa de análisis mediante la lista desplegable con función de búsqueda ubicada en la parte superior.

entrar en el modo de vista dividida
selección de analistas de campo
comparación de analistas de campo

Zonas plurianuales

¿Qué significa? Las zonas de gestión históricas (de varios años) se elaboran a partir de un archivo de imágenes satelitales de más de 30 años.

Las imágenes con vegetación en su punto máximo durante cada estación se seleccionan automáticamente como datos de entrada para el análisis. De lo contrario, cada imagen representa un archivo de rendimiento potencial para el año correspondiente.

 

Las zonas de gestión históricas (de varios años) proporcionan información sobre cada punto del terreno.

¿Cómo puedes usarlo? El patrón de desarrollo de los cultivos ayuda a conocer mejor la zona agrícola y a tomar las decisiones correctas con las dosis de insumos adecuadas en los lugares correctos.

Las zonas de gestión históricas podrían utilizarse como modelo para los archivos de prescripción (Rx) para la siembra, la fertilización y el muestreo de suelos basado en zonas.

Brindamos soporte a todas las regiones que lo soliciten.

¿Qué son las zonas plurianuales?

En la agricultura de precisión, las zonas multianuales se refieren a áreas específicas dentro de un campo que presentan patrones consistentes y distinguibles de crecimiento y rendimiento de los cultivos a lo largo de varias temporadas de cultivo.

Estas zonas se identifican mediante diversas tecnologías, como la teledetección, la cartografía GPS y el muestreo de suelos.

Mediante el análisis de los datos recopilados con estas tecnologías, los agricultores y agrónomos pueden identificar patrones de variabilidad dentro de un campo y crear mapas que distingan las áreas de alta productividad de aquellas con rendimientos más bajos.

Esta información puede utilizarse posteriormente para optimizar las prácticas de manejo de cultivos, como variar la densidad de siembra, ajustar las tasas de riego y fertilización, e incluso implementar técnicas de cosecha de precisión.

Constituyen una herramienta valiosa para la agricultura de precisión, ya que permiten a los agricultores tomar decisiones informadas sobre la asignación de recursos y la gestión de los cultivos, lo que se traduce en una mayor eficiencia, una reducción de costes y un aumento de los rendimientos.

Al comprender la variabilidad dentro de un campo y adaptar las prácticas de manejo a cada zona específica, los agricultores pueden maximizar el potencial de su tierra y sus recursos.

 

wpChatIcon
wpChatIcon

    Solicita una demostración / consulta gratuita de GeoPard








    Al hacer clic en el botón aceptas nuestra Política de privacidad. Lo necesitamos para responder a tu solicitud.

      Suscríbase a


      Al hacer clic en el botón aceptas nuestra Política de privacidad

        Envíenos información


        Al hacer clic en el botón aceptas nuestra Política de privacidad