Areas cultivables de la Republica Mexicana

Jesús Soria-Ruiz1, Y. Fernández-Ordóñez2, M. Escalona2 y M. Pérez2

1 Instituto Nacional de Investigaciones Forestales y Agropecuarias (INIFAP).
Toluca, Estado de México. mailto:jsoriar@yahoo.com
2 Colegio de Postgraduados, Montecillo, Estado de México.

RESUMEN

El estado de México cuenta con una superficie total de 2,249,995 hectáreas, de las cuales 885,886 ha, se dedican a las actividades agrícolas; de esta superficie, el 80% se siembra bajo condiciones de temporal y el 20% se cultiva bajo riego. El maíz destaca como uno de los cultivos más importantes en el estado de México, ya que se ubica como entre los primeros productores de maíz a nivel nacional, tanto por la superficie sembrada como por el volumen de producción obtenido, así lo indican algunas estadísticas. Por ejemplo, en 1998 la superficie cosechada de granos básicos fue de 680,721 ha, de las cuales 521,242 ha (77%), correspondían al cultivo de maíz. El rendimiento promedio estatal reportado por el Centro de Estadística Agropecuaria indica fluctuaciones de 2.5 a 4.2 ton.ha-1; sin embargo es posible obtener rendimientos mayores de 7 ton.ha-1 en parcelas de productores en zonas de alto potencial de producción y paquetes tecnológicos apropiados.

El problema principal que enfrentan las dependencias federales y estatales del sector agrícola en el Estado de México, es la carencia de información sobre la superficie real sembrada de maíz y sobre el volumen de producción de grano que se cosecha. Lo anterior origina falta de planeación con base en el volumen de producción, y como consecuencia se dictan políticas de mercado que perjudican dramáticamente al campesino y al productor de maíz de la entidad. Por ello, los objetivos del presente estudio fueron: a) determinar y cuantificar la distribución espacial de siembra de maíz a través de imágenes de satélites de alta resolución espacial y espectral, b) predecir el rendimiento de grano y el volumen de producción, con previa anticipación a la cosecha.

INTRODUCCION

En los países desarrollados, la percepción remota ha tenido diversas aplicaciones, entre las que destacan el manejo de los sistemas agrícolas, inventarios de áreas de cultivo, levantamiento de suelos, diseño y operación de proyectos de riego y evaluación de siniestros naturales. Además, se han desarrollado modelos de crecimiento de cultivos usando información proveniente de satélites y complementando con datos de campo. Entre algunos de los trabajos relativos al tema están la ubicación de sitios de cultivo, predicción de rendimientos y evaluación de sistemas de irrigación, la integración de datos topográficos con herramientas de percepción remota para la clasificación de uso del suelo, clasificación de cultivos, monitoreo de la dinámica de terrenos, estudios de la vegetación costera, clasificación de uso del suelo y vegetación y estudio de ocurrencia y predicción de rendimientos de maíz.

El presente estudio aporta experiencias adicionales en los aspectos de identificación de superficies de cultivo, así como estimaciones de rendimientos de maíz. Estas experiencias pueden coadyuvar a ampliar este tipo de estudios a otros cultivos. La información derivada es indispensable como una herramienta de orientación en la planificación de la producción agrícola así como en el manejo de las políticas de mercado para hacer frente con mayor certidumbre a las condiciones de comercio internacional.

De las diferentes fuentes de datos aplicadas a los Sistemas de Información Geográfica (SIG), una de las más importantes es indudablemente aquella provista por la percepción remota. Mediante el uso de satélites, se tiene un continuo programa de adquisición de datos del mundo entero en tiempos que varían desde semanas hasta algunas horas. El acceso a las imágenes adquiridas a través de los sensores remotos en forma digital, permite una rápida integración de los resultados de su análisis directamente a los GIS (Bosque, 1994) .

La percepción remota podemos entenderla como la ciencia y arte de obtener información de un objeto analizando los datos adquiridos mediante algún dispositivo que no está en contacto físico con dicho objeto. La forma más común es en donde la radiación solar incide sobre una superficie, la cual refleja la misma en proporciones que son determinadas por las características físicas y estructurales de la superficie y que es captada por un sensor (Diéz, 1993).

Una de las formas en que se desarrolla la percepción remota y que cobra mayor importancia es aquella donde se utilizan sensores remotos para capturar la información correspondiente a la interacción entre el flujo energético proveniente del sol y la superficie de la tierra que lo recibe. Dichos sensores se encuentra montados en satélites espaciales. Características de suma importancia en los sensores son su resolución. La información que captan estos sensores es enviada del satélite a estaciones de recepción en la tierra, la cual es guardada en un formato específico en diferentes medios de almacenamiento (Soria et al ., 1998).

El procesamiento digital de imágenes de satélite está ampliamente relacionado con la Corrección geométrica, realces, clasificación y transformación. Por otro lado, el análisis espacial, espectral, temporal y radiométrico de una firma espectral pueden ser empleados para ubicar sitios de ocurrencia de un cultivo, cuantificar la superficie y predecir la producción agrícola (Soria, 1999). Los objetivos del presente estudio son los que se indican a continuación:

1. Determinar y cuantificar la distribución espacial de siembra de maíz a través de imágenes de satélites de alta resolución espacial y espectral.

2. Predecir el volumen de producción de maíz con previa anticipación a la cosecha en el Distrito de Desarrollo Rural de Atlacomulco, Estado de México.

MATERIALES Y METODOS

Area de Estudio. El presente trabajo de investigación se realizó en el ciclo agrícola Primavera-Verano del 2000, en el área de influencia del Distrito de Desarrollo Rural (DDR) 05 de Atlacomulco, Estado de México. Comprende los municipios de Acambay, Atlacomulco, El Oro, Ixtlahuaca, Jiquipilco, Jocotitlán, La Trinidad, Morelos, San Felipe del Progreso y Temascalcingo.

  

Figura 1. Escenas que muestran las zonas maiceras del DDR 05. Izquierda, Valle de los espejos, municipio de Acambay; derecha, Valle de Atlacomulco, Estado de México.

Ubicación de sitios de muestreo en Polígonos. Con el apoyo del Sistema de Geoposicionamiento Global (GPS), las parcelas muestreadas fueron ubicadas geográficamente en cada uno de los polígonos que cubren las zonas maiceras representativas del DDR 05.

Indices de Area Foliar. Se determinaron los índices de Área foliar (IAF) en cada una de las parcelas piloto ubicadas en los polígonos correspondientes, con el apoyo de equipos de alta tecnología denominado ACUPAR®. Los muestreos de IAF fueron realizados en intervalos de 15 días, iniciando en la etapa de desarrollo vegetativo y culminando en madurez fisiológica del cultivo.

Imágenes de satélite utilizadas y elección de bandas. Se utilizaron dos escenas completas de imágenes del satélite LANDSAT-TM claves son TM27/46 correspondientes a la zona noroeste del Estado de México. Fueron procesadas dos escenas que corresponden las fechas del 26 de julio y 12 de septiembre del 2000. Se emplearon las bandas 2, 3 y 4. Con respecto a la resolución radiométrica, Landsat-TM cuenta con resoluciones de 8 bits lo cual provee de un rango de 256 distintos valores y que se consideraron suficientes para fines de discriminación.

Procesamiento Digital de las imágenes. El procesamiento digital de las imágenes se realizó en el software IDRISI® versión 4.1 y Erdas Imagine® versión 8.4. Se obtuvieron los recortes del área de estudio con la sobreposición de una mascara digital en formato vectorial.

Determinación de áreas de siembra de maíz. Previo a la determinación de las áreas de siembra de maíz, fueron caracterizadas las parcelas piloto, para ello se utilizaron dos métodos: Por Indice de Vegetación (NDVI) y por Firma Espectral. En el primer caso se obtuvieron imágenes compuestas de NDVI, mediante la sobreposición de las bandas roja e infrarroja cercana. Para caracterizar al maíz por firma espectral, se utilizaron las bandas 2, 3 y 4, y posteriormente se determinaron los rangos de reflectancia de maíz para cada una de dichas bandas. Posteriormente se realizó el proceso de clasificación para determinar y cuantificar las áreas correspondientes al cultivo del maíz en la región de estudio.

Generación de modelos y predicción de rendimientos. Con los datos de IAF y NDVI de las parcelas, se obtuvieron las relaciones de estas dos variables. así mismo, con los datos de IAF obtenido en las parcelas piloto, se alimentó el modelo de predicción de rendimiento de maíz generado en la misma zona en el ciclo agrícola anterior (Soria, 1999).

RESULTADOS Y DISCUSIÓN

Indices de Area Foliar. En el Cuadro 1, se reportan los Indices de Area foliar en cada una de las parcelas piloto ubicadas en los polígonos correspondientes.

Cuadro 1. Valores de IAF y NDVI en las etapas fenológicas de floración y madurez fisiológica.

Polígono

Parcela

IAF

(floración)

NDVI

(floración)

IAF (madurez

fisiológica)

NDVI (madurez

fisiológica)

1

1
2
3
4
Promedio:

4.40
2.80
4.26
2.10
3.39

0.54
0.509
0.44
0.46
0.48

1.45
1.89
1.91
1.8
1.76

0.6
0.35
0.61
0.6
0.54

2

1
2
3
4
Promedio:

3.43
3.07
3.72
2.43
3.16

*0.54
*0.51
*0.54
*0.56
0.53

2.34
2.03
2.16
1.53
2.01

0.57
0.62
0.58
0.59
0.59

3

1
2
3
Promedio:

2.20
3.10
3.59
2.96

0.51
0.49
0.66
0.55

2.06
3.11
3.64
2.93

0.57
0.54
0.2
0.43

4

1
2
3
4
Promedio:

2.28
1.89
1.82
1.81
1.95

0.34
*0.53
0.39
0.37
0.4

2.17
2.42
1.93
2.5
2.25

0.55
0.55
0.48
0.54
0.53

Promedio general:

 

2.86

0.49

2.19

0.53

*Valores de pixeles vecinos

Determinación de áreas de siembra de maíz. Para determinar y cuantificar la distribución espacial de siembra, fueron utilizados dos métodos: NDVI y Firma espectral. Por el método de NDVI, se obtuvo una superficie cultivada estimada de maíz de 186, 007 hectáreas.

Por el método de las reflectancias de las bandas visible e infrarrojo cercano, conocido también como firma espectral, se obtuvo una superficie estimada de 65,759 hectáreas. La distribución de las áreas cultivadas por este método, se indican en la Figura 2.

Maíz

Otras coberturas

Figura 2. Distribución de las áreas de siembra de maíz obtenido por firma espectral.

Modelos predicción de rendimientos. Con los datos de IAF y NDVI de las parcelas piloto en la región de estudio, se obtuvieron las relaciones de estas variables, así mismo, con los datos de IAF obtenido en las parcelas piloto, se alimentó el modelo de predicción de rendimiento de maíz generado en la misma zona en el ciclo P-V 1999 (Soria, 1999). Con esta información , fue realizada la predicción de rendimiento de maíz del ciclo P-V del 2000, con las siguientes variantes:

a) Rendimiento en función del índice de Área Foliar (IAF). Aplicando el modelo Rendimiento = f(IAF floración) obtenido en el ciclo P-V 1999 (Figura 3), y sustituyendo el valor promedio de IAF = 2.86 correspondiente a la etapa de floración en el modelo mencionado,

Figura 3. Modelo de predicción de rendimiento de maíz en función del IAF en la etapa de floración, generado en el ciclo P-V 1999. DDR 05, Atlacomulco, Estado de México.

se obtiene lo siguiente:

Y = 0.3178 (X)2 - 0.7796 (X) + 4.0662

Donde:

X = IAF promedio correspondiente a la etapa de floración del ciclo P-V 2000.
Y = Rendimiento (ton*ha-1).
Si IAF = 2.86, entonces:
Y = 0.3178 (2.86)2 - 0.7796(2.86) + 4.0662
Y =2.599-2.229+4.0662
Por lo tanto:
Y = 4.44 ton*ha-1

b) Rendimiento en función del índice Normalizado de la Vegetación (NDVI).

Aplicando el modelo Rendimiento = f (NDVI floración) obtenido en el ciclo P-V 1999 y sustituyendo el valor promedio de NDVI = 0.49 en el modelo de predicción, se obtienen los siguientes resultados:

Y = -13.098 (X)2 + 23.302 (X) - 2.3006

Donde:

X = NDVI promedio correspondiente a la etapa de floración del ciclo P-V 2000.

Y = Rendimiento (ton*ha-1).

Si NDVI =0.49, entonces:

Y = -13.098 (0.49)2 + 23.302 (0.49) - 2.3006

Y = -3.1448 +11.1849 - 2.3006

Por lo tanto:

Y = 5.74 ton*ha-1

Pronóstico del volumen de producción de grano. En el Cuadro 2 se indican los volúmenes de producción promedio de grano, según la superficie cosechada de maíz por los métodos utilizados (NDVI y firma espectral) y la predicción del rendimiento en el área de estudio.

Cuadro 2. Predicciones de rendimiento y del volumen de producción de grano realizados en la etapa de floración del maíz.

Modelo de           Superficie     Rendimiento Producción

predicción           Cosechada (ha)   (ton·ha-1)   (ton)

NDVI y Y = f(IAF flor)       186,007      4.44     825,871

NDVI y Y = f(NDVI flor)       186,007     5.74   1,067,680

Efectividad de las predicciones. Con el propósito de conocer la efectividad de las predicciones de rendimiento realizadas en la etapa de floración del cultivo, se procedió a realizar un muestreo de rendimiento en la etapa de madurez fisiológica. Este procedimiento fue hecho en cada una de las parcelas piloto. El rendimiento real obtenido, promedio de las parcelas piloto distribuidas en el DDR, fue de 6.25 ton*ha-1.

El valor de 6.25 ton*ha-1 que equivale al rendimiento real reportado en campo, al ser contrastado con las predicciones realizadas al momento de floración del maíz, se obtuvieron los porcentajes de subestimación o sobrestimación según el caso (Cuadro 3).

Cuadro 3. Porcentajes de efectividad de las predicciones de rendimiento realizados en la etapa de floración con respecto al valor real obtenido en campo en la etapa de madurez fisiológica.

------------------------------------------------------------------------------------------------------------

MODELO DE     RENDIMIENTO       EFECTIVIDAD

PREDICCION       (ton*ha-1)         (%)

----------------------------------------------------------------------------------------------------------

Y = f(IAF flor)       4.44           71

Y = f(NDVI flor)       5.74           92

---------------------------------------------------------------------------------------------------------

CONCLUSIONES

1. La superficie estimada de siembra por el método de NDVI de imagen del satélite Landsat-TM en el DDR 05, fue de 186,007 hectáreas. Este valor al ser comparado con el histórico reportado por el CEA de la SAGAR de 164,400, indica que hubo una sobrestimación de 13%.

2. Con lo referente a la predicción del rendimiento en la etapa de floración, con el modelo Y = f (NDVI) se obtuvo un rendimiento de 5.74 ton*ha-1. Este valor equivale al 92% con respecto al rendimiento real obtenido en campo. Con volúmenes de producción pronosticado de 1,067,680 toneladas en el DDR de Atlacomulco en el ciclo P-V 2000.

LITERATURA CITADA

Bosque, J. S., F. J. Escobar M.., E. García H. y M. J. Salado G. 1994. Sistemas de Información Geógráfica: Prácticas con PC ARC/INFO e IDRISI. Editorial RA-MA. 480 p.
Diéz, J. A. P. 1993. Introducción a la percepción remota. Primera Edición. Universidad Autónoma del Estado de México. México. 144 p.
Janssen, L. L. F. y H. Middelkoop. 1990. Knowledge-based crop classification of a Landsat Thematic Mapper image. International Journal of remote sensing, 13; 15:2827-2837.
Pando M. 1998. Relaciones entre los valores de reflectividad de LANDSAT y la composición florística de pastizales de chenopodiaceas en australia. Reporte científico especial No. 17. Facultad de Ciencias Forestales. Universidad Autónoma de Nuevo León. México. 13 p.
Ponce C. J. 1998. Clasificación de uso del suelo y vegetación en un área del estado de Tabasco Mediante imágenes de satélite. Colegio de Postgraduados. Tesis de maestría. Montecillo, México.148 p.
Ritter R. y E. L. Lanzer. 1997. Remote sensing of nearshore vegetation in Washington State´s Puget Sound. Proccedings of 1997. Geospatial Conference, Seattle, WA, 3:527-536.
Soria R. J., C. A. Ortíz S., F. Islas G. y V. Volke H. 1998. Sensores remotos, Principios y aplicaciones en la evaluación de los recursos naturales, Experiencias en México. Primera Edición. Publicación especial 7. Sociedad Mexicana de la Ciencia del Suelo (S.M.C.S.). Chapingo, México. 93 p.