Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Resumen
1
Summary
Operative Methodology to Obtain the Crop Coefficient from Satellite Images from
dry forest and crop ecosystems
Crop evapotranspiration is usually calculated using the crop coefficient (Kc) x reference
evapotranspiration (ETo) methodology, Kc x ETo, recommended by FAO. In the
present work Kc have been estimated from the Normalized by Difference Vegetation
Index, NDVI, derived from the vegetation canopy spectral reflectance in the red and
infrared bands. We present an operative methodology to obtain crop coefficient values
maps from high spatial resolution satellite imagery. Using a temporal imagery
sequence we can obtain Kc temporal evolution monitoring of each plot. The described
procedure enable us to obtain the denominated Kc,NDVI, and it´s based in the well
known lineal relationship between the NDVI and the basal crop coefficient. This
methodology have been validated with the results of the 2000, 2006 and 2007
campaigns in the pilot Chira river catchment (Piura) developed into monitoring dry
forest and artificial crop ecosystems project. The results show the described
methodology applicability in those crops that reach high effective full cover, but
underestimate the crop coefficient in those crops that reach low effective full cover in
the maximum growing stage.
2
I. Introducción
La escasez de agua es un problema del que cada vez es más consciente toda la
sociedad, incluso fuera de los sectores productivos. Existe por esta razón, una
preocupación por el uso del agua, tanto como recurso productivo estratégico en
distintos e importantes sectores, como en su vertiente medioambiental puesto que en
algunos casos ocasiona la fragmentación y la pérdida del hábitat, más importantes en
la actualidad (Saunders et al., 1991; Caughley, 1994; Groom et a.. 2005) y constituyen
dos de las principales causas de modificación y pérdida de la biodiversidad a nivel
global, regional y local (Lindenmayer et al., 1999; Chapin III et al., 2000; Sala et al.,
2000).
En este sentido, al considerar la importancia del recurso hídrico para el normal
desarrollo de los ecosistemas, la asistencia satelital en riego, es una de las tareas
actuales de mayor interés en las aplicaciones de la tecnología de los sensores
remotos (Calera et al., 2005). Así, desde el punto de vista agronómico, la estimación
de la evapotranspiración es un componente fundamental del balance hídrico y un
factor clave en la interacción entre la superficie terrestre y la atmósfera (Domingo,
2003) principalmente para programar las tareas de irrigación y conocer las pérdidas de
humedad del suelo (Rosenberg et al., 1983).
Conocido como evapotranspiración (ET) debido a la combinación de dos procesos
separados por los que el agua se pierde a través de la superficie del suelo por
evaporación y transpiración del cultivo (Allen, et al. 2006). La estimación de la
evapotranspiración actual del cultivo o ETc ha sido propuesta en función del
coeficiente del cultivo (Kc) promedio (Doorenbos and Pruitt, 1977) y de la
evapotranspiración de referencia (ETo). Con este propósito, en el presente estudio se
plantean los siguientes objetivos:
- Determinar el Kc de los cultivos existentes en el ámbito de estudio.
- Correlacionar los resultados obtenidos desde el coeficiente de cultivo basal con los
datos analizados desde el Índice de Vegetación.
- Probar que la metodología Kc-ETo a distintas cubiertas como vegetación natural y
suelo y en condiciones de estrés hídrico, presenta la suficiente precisión para ser
aplicada de forma operativa.
3
Las metodologías de los coeficientes de cultivos (Kc) son ampliamente utilizadas para
estimar la evapotranspiración actual (ETA) en la programación del riego (Garatuza et
al., 1998; Duchemin et al., 2006). En este sentido, existen un número importante de
métodos para la medición de ETA ya sea a nivel de campo o a distancia (con
sensores remotos) (Jensen et al., 1990) este último, motivo del presente artículo.
Así, para los cultivos anuales, la estimación de ETA usando el método FAO-56 han
mostrado buenos resultados (Zang et al, 2004; Duchemin et al., 2006) así como para
cultivos perennes (Sammis, et al., 2004; Simmons et al., 2007) y destacan las
aproximaciones realizadas por Garatuza y Watts (2005) y Duchemin et al. (2006) al
emplear sensores remotos para determinar ETA a través de (índices de vegetación) IV
y ETo. Estas aproximaciones muestran un buen ajuste hasta de un 15% con Kc de
Allen et al. (1998).
El área de estudio comprende el ámbito de la cuenca del rio Chira. Como cuenca
binacional (Perú-Ecuador), forma parte de la cuenca Catamayo-Chira que comprende
2 2
una extensión de 17 200 km , de los cuales 7 212 km se encuentra en Ecuador y 9
2
986 km2 en Perú. De ello, el área de estudio ocupa una superficie de 927.734 km .
4
con una alta vulnerabilidad frente a los procesos de desertificación (CEPESER y
Región Grau, 1991).
Su climatología es generada desde la zona de convergencia intertropical con
interacción de las corrientes cálidas de El Niño y fría de Humboldt que influyen en el
clima sub árido tropical cálido (típico de la costa norte peruana) debido a su
proximidad con la línea ecuatorial y al cambio de dirección de la corriente de
Humboldt. La precipitación pluvial en estaciones normales varía de 100 a 600 mm/año,
salvo el caso de los años en que se presenta el fenómeno del Niño pudiendo alcanzar
hasta los 5,000 mm anuales. El régimen de temperaturas se encuentra asociado a
temperaturas máximas de 37º C y una mínima de 19º C, siendo 24º C su promedio
anual. El régimen de humedad relativa promedio es de 70%, aunque en el verano, por
el microclima en el valle puede llegar a 90%. El componente geomorfológico se
encuentra constituido por un terreno ondulado y con escaso relieve acompañado de
superficies llanas y suaves hondonadas.
5
La información remota que permitirá determinar los valores de Kc de los cultivos es
suministrada por los sensores ASTER (TERRA) y LANDSAT TM (Thematic Mapper) a
bordo el satélite Landsat-5. Se trata de imágenes de verano años 2000, 2006 y 2007
(tabla Nº1).
Donde: VIS: visible, NIR: Infrarrojo cercano: SWIR, infrarrojo medio, TIR infrarrojo térmico
Las imágenes adquiridas, cada una de ellas compuesta en una única imagen
multibanda, fueron analizadas desde un pre tratamiento que comprende (recorte de la
imagen, transformación de pixeles en imágenes ASTER a una resolución de 30x30 m
para ser comparables una de otras). Asimismo para corregir las perturbaciones
atmosféricas sobre imágenes de fechas distintas fue utilizado el método de corrección
atmosférica (Chávez, 1988). De otro lado, la corrección geométrica mediante la
colocación de puntos de control sobre la imagen (50 puntos de control) y el uso del
modelo polinomial de segundo orden (Chuvieco, 1998) permitió asignarle coordenadas
UTM x,y a cada una de las imágenes analizadas.
6
II.4 Etapas de crecimiento de cultivo asociados a la variación del Kc
Para determinar los valores Kc de los cultivos instalados en la cuenca, consideramos
las definiciones teóricas sobre el crecimiento del cultivo generalmente definido en 4
etapas (inicial, desarrollo, mediados del cultivo y senescencia, Figura Nº4.
La etapa inicial considerada desde la fecha de siembra para cultivos de manejo anual
o inicio de temporada para especies perennes (aparición de yemas foliares); domina la
evaporación del suelo sobre la transpiración (en este aspecto, el valor del Kc depende
de la cantidad de agua adicionada al cultivo por riego o lluvia).
7
Figura Nº4. Curva generalizada del coeficiente de cultivo. Fuente: Estudios FAO Riego y
Drenaje 56
II.5 Identificación de la cubierta vegetal en la cuenca del rio Chira. Zona baja
Las visitas de campo permitieron, no solo identificar los puntos de control entre la
imagen y la realidad-terreno sino caracterizar los sectores de interés, básicamente la
cubierta vegetal y su estado. En este sentido, caracterizamos la vegetación natural
dominante (bosque seco), identificados en diversos estados fenológicos y la
agricultura formada por los cultivos anuales y perennes.
8
existente seria un criterio adecuado dentro del proceso metodológico. De esta manera,
se identificaron los principales cultivos dominantes en la cuenca del rio Chira: frutales
(mango, limón, banano, cocotero), anuales (maíz, arroz), bosque seco. La aplicación
del NDVI se orienta a la evolución del proceso fenológico de los cultivos desde el
denominado coeficiente del cultivo (Kc) utilizado para determinar los requerimientos
hídricos.
Kc=1.08*NDVI+0.22
9
coeficiente de cultivo y del índice de vegetación (Heilman et al., 1982; Bausch and
Neale, 1987; Bausch, 1993; Jayanthi et al, 2000) (González-Piqueras, 2006). Por ello,
para categorizar cultivos agrícolas de la cuenca (anuales, perennes, vegetación
natural constituida por especies del bosque seco) y la naturaleza básica de los
fundamentos de la teledetección, consideramos una metodología propia tal como se
muestra en la tabla Nº2:
Colina P A Pd A A A A A
10
III. Resultados
Figura Nº6, Vista del bosque seco semidenso desde el dique de la presa Poechos (Lancones-
Sullana)
De otro lado en los sectores “Nuevo Lancones”, “San Francisco”, “Lomas Salinas”,
“Lomas Pamapa”, “El castillo”, “Lomas corral de León” el bosque seco transforma su
paisaje hacia sectores donde el bosque se encuentra en “defoliación” siendo la
escasez del recurso hídrico el factor más importante y dominante en la zona (figura,
Nº7).
11
Figura Nº7. Bosque seco semidenso de colina defoliado en el sector Lancones-Sullana.
Figura Nº8. Algarrobal Ribereño en la margen derecha del valle bajo de la cuenca del rio Chira.
Figura Nº9. Vista del paisaje natural característico en torno al embalse Poechos (Lancones-
Sullana).
12
Figura Nº10. Algarrobal ribereño aguas abajo de la presa Poechos (Lancones-Sullana).
Figura Nº 11. Bosque seco característico en el sector Lancones (Sullana) cuenca del rio Chira
13
Figura Nº12. Cultivo de arroz sector Somate Bajo-Sullana.
Frutales como limón y banano, también ocupan una importante superficie tanto en la
margen izquierda y derecha de la parte baja de la cuenca. Por otro lado, el banano
representa una actividad económica importante en la región y ocupa extensas áreas,
tal y como se observa en el sector Querecotillo cerca al puente Miguel Checa (Figura
Nº14).
14
Figura Nº14. Cultivos de banano en la cuenca parte baja del rio Chira.
Entre los sectores con cultivos de frutales destacan: Querecotillo, San Vicente, Puente
Miguel Checa, Salitral. En el sector Marcavelica-Sullana, los cocoterotales representan
un componente básico del paisaje, comúnmente utilizados como cortinas
rompevientos (figura Nº15).
15
Figura Nº16. Ampliación de frontera agrícola cultivo de caña brava para producción de etanol
en el sector “El Tablazo”
Lo que más llama la atención es que dicha actividad se encuentra ubicada dentro de
un sector declarado por el INC (Instituto Nacional de Cultura) como zona de reserva
paleontológica específicamente en el Tablazo del Arenal.
En el sector Tamarindo margen derecha del bajo Chira se encuentra la planta
procesadora de etanol de la empresa Caña Brava.
Ausencia de pastos naturales en las zonas marginales del valle, generalmente
compuesta por paisajes colinosos de material calcáreo-bentonìtico.
Figura Nº17. Cultivo de Caña de azúcar – empresa Camposol- margen izquierda del canal de
derivación
(Km 29,9), parte media de la cuenca del Rio Chira.
16
En relación a las especies matorrales y arbustivas, encontramos la presencia de
plantas indicadoras de sales Batis Maritima o vidrio, en la parte más baja de la cuenca,
cerca a la desembocadura del rio Chira, margen izquierda y derecha del sector La
Bocana, en El Arenal-Paita. (figura nº18)
Figura Nº19. Foco de salinización en avance sobre cultivo de caña de azúcar en la parte baja
de la cuenca del rio Chira.
17
Figura Nº20. Salinización en la cuenca del rio chira. Sector el Arenal
Figura Nº21. Zona marginal en la cuenca del rio Chira margen derecha sector “Ignacio
Escudero”
Figura Nº22. Vista del paisaje cuenca baja rio chira al sur del pueblo “Soledad”
18
III.2 De las Precipitaciones
Según el análisis de precipitaciones, los años 2004, 2005, 2007 presentan
precipitaciones inferiores a 20 mm en el mes de febrero, las que originaron un
incremento del déficit hídrico en el ámbito de la cuenca, en contraposición al año 2006
en que el aporte hídrico fue más importante, contraste que determinó el aumento de la
necesidad de agua de la vegetación de la cuenca (figura Nº23).
Figura Nº23. Distribución de las precipitaciones en el ámbito de la cuenca del Chira durante los
periodos de análisis
19
III.3 Del NDVI y su Distribución espacial y temporal
Los valores positivos en todas las imágenes analizadas durante los años 2000-2007
se corresponden a zonas donde se desarrolla agricultura anual y permanente (frutales)
de alta densidad, mientras que los valores negativos se interpretan como presencia de
nubes, superficies de agua, suelo desnudo, roca y vegetación seca o desprovista de
follaje (este último merece ser atendido en detalle dada la naturaleza de la vegetación
natural o bosque seco, propio del ecosistema natural de la cuenca).
Los resultados nos indican la existencia de una similitud en la estructura espacial del
paisaje analizado en las tres imágenes. En este sentido, valores bajos y negativos de
NDVI se registran en bosques de categoría “muy ralo” donde existen escasos
individuos y el efecto de la reflectividad del suelo es dominante. Asimismo, se
observan cambios importantes, tanto en magnitud como en la estructura espacial del
NDVI, entre los tres momentos analizados especialmente la vegetación natural (tala de
árboles).
Las áreas con vegetación de menor tamaño o iniciando su fase de desarrollo se
corresponden con cultivos anuales que ocupan una superficie importante (60%).
Figura nº25. Comportamiento del NDVI de los principales tipos de bosque en el ámbito de la
cuenca.
Son los cultivos bajo riego donde los valores de NDVI se presentan más elevados y
vigorosos en relación al resto de cubiertas, las cuales se corresponden en su mayor
20
parte, a cultivos anuales (arroz) en fase de almacigo o iniciando su fase vegetativa
(plántula o macollaje) con una elevada actividad vegetal.
Los resultados según los Kc, generados a nivel de la cuenca en su parte baja
representan las diferencias físicas y fisiológicas entre los cultivos y la definición del
cultivo de referencia. De acuerdo a los resultados, se observan variaciones de Kc en
los diversos cultivos instalados en el tiempo, variaciones que no solo obedecen a
factores de crecimiento del cultivo (aspectos fenológicos), sino a actividades de
cambio de “uso del suelo” vinculados de manera muy directa a la disponibilidad del
recurso hídrico figura nº26.
En ella se observa la fuerte correlación que existe entre el NDVI y Kc de los cultivos
(R2=0,9408) las cuales permite comprender mejor las situaciones en que el vigor de la
vegetación aumenta en relación al valor del Kc de las cubiertas vegetales detectadas
por el sensor.
21
De esta manera el patrón de distribución en la cubierta bosque seco (Kc e Índice de
Vegetación de Diferencia Normalizada (NDVI) es similar y se refleja en la existencia de
una vegetación que permanece seca en situaciones de importante déficit hídrico.
De otro lado, los cultivos que se encuentran en su máximo desarrollo fenológico como
los frutales presentan sus máximos valores de Kc (banano, cocotero, mango, limón),
que oscilan entre (0,60-1,20) o superiores a 1,00, es el caso del mango que se
corresponden con sus fases fructificación o culminando su maduración (ver figura
Nº27).
22
detectados en la categoría bosque seco muy ralo, que presentan una menor densidad
de plantas.
Figura Nº 28. Distribución espacio temporal de los valores Kc en la cuenca del rio Chira
Por esta razón, dentro de una misma especie encontramos variaciones notables,
atribuibles tal vez a condiciones ambientales que acompañan a las fechas de siembra
y de las cuales se ve reflejada en los valores aportados por el sensor.
La tabla Nº3, muestra los coeficientes del cultivo en las diferentes fases de desarrollo
(inicial, madurez, cosecha) independientemente de su naturaleza. Estos varían de 0.30
a 1.05 desde su etapa inicial hasta su cosecha.
23
TABLA Nº3. Coeficientes de cultivo Kc detectados para las especies vegetales en sus
(*)
diferentes estados de desarrollo fenológico en la cuenca del rio Chira parte media baja .
Arroz 1,20
Algarrobo 0,60
cocotero 0,80
(*)
Valores recopilados a partir de James (1988), Millar (1993) y Stewart y Nielsen (1990).
Los cultivos como maíz y frijol presentan valores muy similares Kc=0,30 o
aproximados es el caso de las hortalizas instaladas en el sector “La Bocana”, Kc =
0,28 (zona de desembocadura del rio Chira). Los cultivos perennes principalmente
frutales, presentan incremento del valor Kc es el caso del limón Kc=0,60. Los frutales
de hueso representativos en la cuenca (mango), incrementan aun más Kc >0,85 en
relación al cultivo de Limón. Un caso particular sucede con el cultivo de arroz donde el
Kc=1,20 presenta los mismos valores en relación a los anteriores prácticamente igual
en todas sus fases.
24
a) Año 2000 b) Año 2007
Figura 29. Distribución del Kc de los cultivos durante los años 2000 y 2007
La distribución espacial, de los valores Kc del año 2000 (tabla Nº5), en áreas de mayor
ocupación presentan bajos valores Kc > 0,1 - <0,8 que se corresponden con bosques
y cultivos anuales en inicio de su periodo vegetativo. No obstante los cultivos perennes
que presentan valores de Kc >0,8 ocupan una menor superficie dentro de la cuenca.
En el escenario del año 2007 los valores Kc para los diferentes cultivos en la cuenca,
se incrementaron en relación a los años anteriores. Para, ello la escasez del recurso
hídrico juega un papel de gran importancia del cual se ve reflejado en los elevados
valores de Kc, encontrándose Kc >0,15 (en establecimiento o inicio) y Kc < 0,85
(desarrollo, estación media y madurez fisiológica). De esta manera, las especies
arbóreas de tipo frutales (banano, mango) presentan un mayor uso del suelo en los
sectores analizados (Kc <1) (Figura nº29).
25
Figura nº30. Distribución espacial del Kc en un sector de la cuenca del rio Chira año 2000
Figura Nº31. Distribución espacial del Kc en un sector de la cuenca del rio Chira año 2006
26
Figura Nº 32. Distribución espacial del Kc en un sector de la cuenca del rio Chira año 2007
27
Tabla Nº4. Valores de Kc promedio en el tiempo, para la vegetación existente en el área de estudio.
hortalizas 0,45 85
Arroz 1,05-1,10 15567
Sub Total 15957
Total 201366,83
El Kc del banano obtenido (tabla nº4) por teledetección es comparable con las
recomendaciones dadas por Maciel, (2003) para condiciones semiáridas (Kc=0,85 a
1,0). De otro lado Lahav y Kalmar, (1988) encontraron que con el coeficiente 1,0 se
obtienen buenos resultados económicos. La importancia de señalar este cultivo radica
en que el banano ocupa una importante superficie en la cuenca y presenta desde un
aspecto fisiológico, un ciclo de desarrollo relativamente corto y un alto índice de área
foliar (Robinson, 1995), lo cual obliga a la planta a equilibrar constantemente sus
pérdidas de agua del follaje mediante la absorción radical (Aubert, 1968) las cuales
explica su extrema sensibilidad al déficit hídrico. De otro lado el cultivo de cocotero
Kc=0,80 puede sobrevivir periodos largos de stress hídrico, sin embargo su producción
puede ser severamente afectada.
28
III.5 Análisis integrado
Los cultivos instalados en la cuenca del rio Chira, requieren de un volumen
determinado de agua para crecer, desarrollarse y producir, pero no toda el agua que
se aplica en los riegos para el desarrollo de la agricultura es aprovechada
adecuadamente por las plantas. Según los resultados, existe un inapropiado uso del
recurso hídrico por parte de los agricultores o de quienes administran el recurso
hídrico.
De otro lado, los suelos de la parte baja de la cuenca del rio Chira (El Arenal, Vichayal
y Miramar) vienen presentando un severo proceso de desertificación por salinización,
debido a la interrelación de factores como: escases e inadecuado uso del recurso
hídrico, alta tasa de evaporación, mal manejo de suelos e ineficiente programación de
cultivo. Estas áreas se corresponde con la categoría “Decrece” (figura nº33) y que
para este caso su valor Kc es menor a 0,45.
29
bosques en la misma se encuentra amenazada por sometimiento a una rápida
reducción de su superficie como consecuencia del avance de la frontera agrícola
(zonas de bosque más denso disminuyeron su densidad por actividades como tala de
árboles y bosques de densidad ralo y muy ralo desaparecen por consecuencia del
cambio de uso del suelo) (taba Nº5).
Tipo de cubierta Kc % Ha Kc % ha
bosque seco muy ralo 0,65 16,50 0,7 33,22
bosque seco ralo 0,95 19,32 1,02 29,01
bosque semidenso 0,85 29,20 0,9 10,72
arroz 1 25,53 1,04 12,31
banano 0.85 9,43 0,9 14,71
Total 100 100
30
cálculos de los coeficientes del cultivo en los pronósticos de disponibilidad anual del
recurso hídrico.
Finalmente los resultados del presente estudio, deben ser un insumo a ser socializado
a los agricultores de la zona, con la finalidad que tomen conciencia sobre la cantidad
de agua que necesita sus cultivos para alcanzar su máxima producción. Para
potenciar el proyecto, el uso de tecnologías de la información y de la comunicación
(TIC) dirigidas al agricultor complementaria de manera sustancial el proyecto.
V.- Agradecimientos
Los autores agradecen el financiamiento del proyecto: MONITOREO DE LOS
ECOSISTEMAS AGRICOLAS Y NATURALES EN CUENCA DEL RIO CHIRA DESDE
LAS TECNOLOGIAS: TELEDETECCION Y SISTEMAS DE INFORMACION
GEOGRAFICA. Financiado por el Gobierno Regional de Piura-Perú.
VI. BIBLIOGRAFIA
Allen R.G., Pereira L.S., Raes, D. y Smith M., 1998, Crop evapotranspiracion:
guidelines for computing crop water requirements, FAO Irrigation and Drainage Paper,
Vol. 56, FAO, Rome.
Allen R.G., Pereira L.S., Raes, D. y Smith M., 2006, Evapotranspiración del cultivo:
Guía para la determinación de los requerimientos de agua de los cultivos, Estudio FAO
Riego y Drenaje, Vol. 56, FAO, Roma, 2006. PP. 323.
31
Bastiaanssen, W.G.M, D.J. Molden y I.W. Makin (2000): "Remote sensing for irrigated
agriculture: examples from research and possible applications", Agricultural Water
Management, vol. 46, 137-155.
Bausch, W.C. and C.M.U. Neale, 1193. Soil background effects on reflectance-based
crop coefficients for corn. Remote Sensing of Environment 46: 213-222.
Doorenbos, J. and W.O. Pruit, 1977, Guidelines for predicting crop water requirements,
Chapin III F.S., Zavaleta E.S., Eviner V.T., Naylor R.L., Vitousek P.M., Reynolds H.L.,
Hooper D.U., Lavorel S.,
Garatuza-Payan J., R. Pinker, W.J. Shuttleworth y C.J. Watts, 2001, Solar radiation
and evapotranspiration in northern Mexico estimated from remotely sensed
measurements of cloudiness. Hydrol. Sci. J., 46:465-478. 192
Garatuza-Payan J., y C. Watts, 2005, The use of remote sensing for estimating ET of
irrigated wheat and cotton in Northwest Mexico, Irrig. Drain. Sys., 19:301-320.
http://ocw.upm.es/ingenieria-agroforestal/climatologia-aplicada-a-la-ingenieria-y
medioambiente/contenidos/tema-8/COEFICIENTE%20DE%20CULTIVO.pdf.
James, Larry G. 1988. Principles of Farm Irrigation System Design. John Wiley and
32
Sons, Inc. USA. 543p.
Jensen M.E., R.D. Burman y R.G. Allen, 1990, Evaporation and irrigation water
requirements, ASCE, US, 332 pp.
Martin, D.L., E.C. Stegman y E. Fereres. 1990. Irrigation scheduling principles. En G.J.
Hoffman, T.H. Howell y K.H. Solomon ed. Management Farm Irrigation Systems. ASAE
Mon. # 9.
NOVOA, P., P. SEPULVEDA. 1996. Estimación de la variación diaria del agua del
suelo, escurrimiento superficial e infiltración, mediante el uso del modelo
computacional HIDROSUELO. Agricultura Técnica, 56 (3): 141-154.
Paz, F., 2005, Reporte final del desarrollo de un seguro ganadero con base a la
tecnología de los sensores remotos, Reporte Marzo para AGROASEMEX, 91 pp.
Paz, F., Palacios, E., Bolaños, M., Palacios, L.A., Martínez, M., Mejía, M. y Huete, A.,
2007a, Diseño de un índice espectral de la vegetación: NDVIcp, Agrociencia, 41: 539-
554.
Paz, F., M. Odi, A. Cano, M.A. Bolaños y A. Zarco. 2007b. Equivalencia ambiental en
la productividad de la vegetación. Enviado a Agrociencia, México.
33
Paz, F., Bolaños M. A., Marín M. et al. 2008. Documentación de la campaña de
mediciones realizada por el Colegio de Postgraduados en el Valle del Yaqui. Proyecto
de Gestión del Agua Asistida por Satélite, Multiescala y Participativa en la Agricultura
de Regadío (PLEIADeS) y experimento de heterogeneidad.
Tasumi, M.; Allen, R.G.; Trezza, R.; Wright, J.L., 2005a. Satellite-based energy
balance to assess within-population variance of crop coefficient curves. ASCE Journal
of Irrigation and Drainage Engineering, 131(1): 94-109.
Young, C.A. y W.W. Wallender. 2002. Spatially distributed irrigation hydrology: water
balance. Trans. ASAE, 45(3):609-618
Zhang X., M.A. Friedl, C.B. Schaaf, A.J. Strahler, J.C.F. Hodges, F Gao, C Reed y A.
Huete, 2003, Monitoring vegetation phenology using MODIS, Rem. Sens. Environ.
84:471-475.
Wittich, K-P, O. Hansing, 1995. Area averaged vegetative cover fraction, estimated
from satellite data. Int J. Biometeorol. 38: 209-215.
Wright, J.L., 1982, New evapotranspiration crop coefficients, Journal of Irrigation and
Drainage, 108: 57-74.
34