Documentos de Académico
Documentos de Profesional
Documentos de Cultura
net/publication/336103446
CITATION READS
1 403
5 authors, including:
Some of the authors of this publication are also working on these related projects:
Modelling the lake selección of white-headed duck Oxyura leucocephala in central Spain View project
All content following this page was uploaded by Nieves Pasqualotto Vicente on 27 September 2019.
Resumen: El objetivo de este trabajo es analizar diferentes metodologías para la estimación del contenido en clorofila a
nivel de cubierta (CCC), resultado de la clorofila a nivel de hoja (LCC) y el índice de área foliar (LAI), mediante el
satélite Sentinel-2. El CCC es un parámetro biofísico indicador del estado de salud de los cultivos y fundamental en la
predicción de la productividad. Se pretende definir cuál es el método de estimación de CCC más óptimo para un uso
operativo en el monitoreo de zonas agrícolas. Se analizan nueve índices de vegetación diferentes establecidos por la
bibliografía para la estimación de CCC. Por otro lado, se validan los productos de CCC y LAI obtenidos directamente a
través del programa SNAP e imágenes Sentinel-2 nivel 2A mediante una red neuronal artificial (ANN). Ambos métodos
se han validado utilizando una base de datos compuesta por datos in situ de CCC, obtenidos en una zona agrícola en
Villarino - Buenos Aires (Argentina). Como resultado se obtiene que el índice de estimación de CCC con mejores
estadísticos es el NDRE2 con un ajuste lineal (R2 = 0,83, RMSE = 0,31 g/m2), produciendo una subestimación próxima
al 20 %. Por otro lado, los productos automáticos de Sentinel-2 de LAI (R2 = 0,70, RMSE = 0,78 m2/m2) y CCC (R2 =
0,75, RMSE = 0,45 g/m2) presentan buenos estadísticos, produciendo una subestimación mínima (< 10%). Como
principal conclusión de este estudio, es que los productos de Sentinel-2, como es el CCC, presentan un gran potencial
para ser utilizados de manera automática y operativa en estudios agrícolas.
Palabras clave: cultivos, CCC, LAI, índices de vegetación, ANN, Sentinel-2