RIA, 35 (2): 117-141. Agosto 2006. INTA, Argentina.

RIA, 35 (2): 117-141 Agosto 2006 INTA, Argentina

ISSN 0325 - 8718 ISSN 1669 - 2314

CARACTERIZACIÓN ESPACIAL DEL ESTRÉS HÍDRICO Y DE LAS HELADAS EN LA REGIÓN PAMPEANA A PARTIR DE INFORMACIÓN SATELITAL Y COMPLEMENTARIA STRASCHNOY, J. V.; DI BELLA, C. M.; JAIMES, F. R.; ORICCHIO, P. A.; REBELLA, C. M.1

RESUMEN La región pampeana es el área de mayor producción agropecuaria de la Argentina. Los principales cultivos que allí se producen pueden ser severamente afectados por diversos eventos climáticos adversos que atentan contra su rendimiento. Para contratar un seguro agrícola es fundamental estimar los riesgos de ocurrencia de estos eventos en función de la localización. La falta de información homogénea para toda la región dificulta la estimación. Nuestro trabajo presenta una metodología que permite caracterizar la frecuencia e intensidad de heladas u ocurrencia de estrés hídrico en la región pampeana a través de indicadores generados a partir de la utilización de información satelital y complementaria. Para estimar el indicador asociado al riesgo de estrés hídrico se utilizaron imágenes de evapotranspiración generadas a partir de imágenes de temperatura de superficie (Ts) y de NDVI (Índice de Vegetación de Diferencia Normalizada). Fueron definidos dos períodos temporales de análisis: i) Cultivos de Invierno (julio a diciembre) y ii) Cultivos de Verano (octubre a marzo). Para cada período se generaron Imágenes de Porcentaje de Estrés Hídrico. Para determinar el riesgo de helada se definieron dos periodos: Heladas Tempranas (enero a mayo) y Heladas Tardías (septiembre a diciembre). Para ello se generaron imágenes de Mínimos Absolutos de Temperatura de Superficie (Ts) y de Porcentaje de Heladas. Al analizar dichas imágenes se observó, en términos generales, que en la mayor extensión del área de estudio, las heladas Instituto de Clima y Agua(CIRN- INTA Cautelar),Los Reseros y Las Cabañas s/n (1712) Castelar, provincia de Buenos Aires, Argentina. Correo electrónico: [email protected]. 1

STRASCHNOY, J. V.; DI BELLA, C. M.; JAIMES, F. R. y otros.

117

RIA, 35 (2): 117-141. Agosto 2006. INTA, Argentina.

fueron más intensas y frecuentes durante el período de Heladas Tardías. A nivel general, el estrés hídrico en la región se caracterizó por mantener valores críticos de (entre el 50 y 100% de los años) tanto en los Cultivos de Invierno (excepto el norte de Buenos Aires y sur de Santa Fe) como en los de Verano (en menor medida para norte y oeste de Buenos Aires.). La metodología aplicada puede ser utilizada en diversas áreas de interés e integrarse con otras fuentes de información (e.g. topografía, previsiones climáticas) enriqueciendo, de esta manera, las posibilidades de análisis y evaluación de los diversos fenómenos que afectan la producción agropecuaria. Palabras clave: seguro agrícola, teledetección, Argentina, NDVI, evapotranspiración.

ABSTRACT SPATIAL CHARACTERIZATION OF FROST AND WATER STRESS IN THE ARGENTINE PAMPA REGION USING SATELLITE AND COMPLEMENTARY INFORMATION The Pampa Region is the most important agricultural production area of Argentina. Productivity of crops located there can be severely affected by extreme climatic events. The knowledge by crop insurance issues decision makers of the chances of the happening of these events for any particular localization is very important to establish coverage plans. The lack of homogeneous information for the whole region makes this estimation a difficult task. The present work presents a methodology that allows the spatial characterization of the agricultural production losses by frost or water stress in different areas of the Pampa’s Region using satellite and complementary information. To estimate an indicator associated to water stress risk Evapotranspiration (ET) images were built from Surface Temperature (Ts) images and NDVI (Normalized Difference Vegetation Index) images. The study was performed using monthly images from 1982 to 1999, defining two temporal periods of analysis: i) Winter Crops (July to December) and ii) Summer Crops (October to March). For each period Water Stress Percentage images were generated. The frost risk assessment was defined on two periods: Early (January to May) and Late (September to December). For each period images of Absolute Minimum Surface Temperature and Frost Percentage were generated. The analysis of the images allowed to observe the fact that the frost events were more intense and frequent during the Late Frost periods. Water stress presented critical values in more than 50% of the years in Winter Crops (in most of the region, except the North of Buenos Aires and South of Santa Fe provinces) and in Summer Crops

118

Caracterización espacial del estrés hídrico y de las heladas en la...

RIA, 35 (2): 117-141. Agosto 2006. INTA, Argentina.

(water stress is smaller and limited to the North and West of Buenos Aires). This methodology can be applied to different areas and it could be integrated with other information sources (e.g. topography, climate forecasts). In this way, we expect to improve the analysis and evaluation of the risk related events affecting the regional agriculture production. Key words: agricultural insurance, remote sensing, Argentina, NDVI, Evapotrasnpiration.

INTRODUCCIÓN Las heladas y el déficit hídrico son fenómenos meteorológicos capaces de afectar el rendimiento, la supervivencia o la calidad de los cultivos, siendo parte de los mayores riesgos asociados a la producción agropecuaria en la Región Pampeana argentina. Ambos fenómenos poseen una variabilidad interanual que impacta significativamente en los rendimientos de los cultivos y en la economía de la región. A su vez, la rápida adopción de paquetes tecnológicos por parte de los productores a partir de la década de 1990, otorga un espectro de opciones que torna más compleja la adopción de decisiones por parte de los productores, incluyendo la consideración de los escenarios climáticos esperados. Es por ello que podría considerarse a la información climática como un elemento clave para la toma de decisiones (Bartolomé et al., 2004). La cuantificación de estos riesgos zonales en la Región Pampeana, es hasta el momento dificultosa e incompleta debido a la ausencia de homogeneidad en la toma de datos. Así que no es sencillo calcular una prima de seguros adecuada al momento de contratar un seguro agrícola. En nuestro país existen numerosos trabajos que caracterizan dichos fenómenos climáticos en el ámbito local, generalmente a partir de información meteorológica (e.g. Monterubbianesi y Cendoya, 2001 para Balcarce; Orta y Federighi, 1996 para Villa Mercedes y Navarro et al. 2003 para Azul); sin embargo no se dispone de una herramienta que permita caracterizar dicha problemática en el ámbito regional. La teledetección es una herramienta muy ventajosa en términos de costo beneficio ya que permite obtener datos homogéneos de extensas superficies y realizar análisis multitemporales. Por un lado, la información captada en las longitudes de onda del espectro visible e infrarrojo cercano del espectro electromagnético permite el cálculo de Índices de VegeSTRASCHNOY, J. V.; DI BELLA, C. M.; JAIMES, F. R. y otros.

119

RIA, 35 (2): 117-141. Agosto 2006. INTA, Argentina.

tación como el NDVI (Índice de Vegetación de Diferencia Normalizada), que se calcula como: NDVI = (IR – R) / (IR + R) donde IR es la reflectancia en el infrarrojo cercano y R es la reflectancia en la porción visible del espectro electromagnético. Este índice se encuentra altamente correlacionado a la biomasa verde y la productividad primaria (Rouse et al. 1974; Goward y Huemmrich, 1992). A partir del NDVI es posible realizar estimaciones de la tasa de crecimiento de los cultivos (Calera et al., 2004), la absorción de la radiación fotosintéticamente activa (Sellers, 1987; Gamon et al., 1995; Di Bella et al., 2004), los tipos de vegetación (Hobbs, 1990), la biomasa y el índice de área foliar (Casanova et al., 1998; Tomasel et al., 2001; Vaesen et al., 2001; Xavier y Vettorazzi, 2004), la evapotranspiración (Di Bella et al., 2000), el contenido de clorofila de las hojas (Oppelt y Mauser, 2004), el contenido de agua de los tejidos (Senay et al., 2000; Champagne et al., 2003), la calidad de los granos (Wu y Shi, 2004), la productividad primaria neta aérea (PPNA) (Tucker y Sellers, 1986; Sellers, 1989; Quattrochi y Pelletier, 1991; Paruelo et al. 1997; Thenkabail et al., 2000; Moreau y Le Toan, 2003, Awaya et al., 2004) o la carga animal a escala regional (Oesterheld et al., 1998), entre otras. Por otro lado, a partir de la información espectral captada en el infrarrojo térmico es posible estimar la temperatura de superficie (Ts), la cual permite por ejemplo estudiar la ocurrencia de heladas (e.g. Di Bella et al., 1997) o, conjuntamente con el NDVI, estimar la evapotrans-piración real a escala regional (Di Bella et al., 2000). A partir de estos antecedentes y en un trabajo coordinado por la Oficina de Riesgos Agropecuarios de la Secretaría de Agricultura, Ganadería, Pesca y Alimentos de la Nación se ha ejecutado el proyecto «Riesgos y Seguros Agropecuarios» cuyo objetivo fue la obtención de una cartografía de riesgo agrícola por departamento/partido y por región agroecológica homogénea de los principales riesgos hidroclimáticos que afectan la agricultura de la región pampeana. Se considera riesgo agroclimático a la probabilidad de afectación del rendimiento o la calidad de los cultivos por efecto de fenómenos climáticos adversos cuyos componentes son la probabilidad de ocurrencia del fenómeno climático adverso y la reducción estimada en los rendimientos por efecto del mis-

120

Caracterización espacial del estrés hídrico y de las heladas en la...

RIA, 35 (2): 117-141. Agosto 2006. INTA, Argentina.

mo. En la elaboración de los mapas de riesgo agroclimático se integra información procedente de diversas disciplinas tales como la meteorología, climatología, teledetección, edafología, manejo de cultivos, fisiología vegetal y tecnologías de producción (http://www.ora.gov.ar/). El presente trabajo desarrolla el componente Mapas de Riesgo - Datos Satelitales de dicho proyecto, cuyo objetivo específico fue elaborar una metodología a partir de información satelital que permitiera establecer indicadores para cuantificar los riesgos de heladas y de estrés hídrico a escala regional al ser integrada con información proveniente de otros componentes del proyecto.

MATERIALES Y MÉTODOS 2.1. Área de Estudio El área de estudio comprendió cinco regiones que representan una porción muy significativa de las tierras destinadas a la producción agrícola nacional: tres regiones correspondieron a la provincia de Buenos Aires (norte, centro y oeste), una al sur de Santa Fe y otra al sudeste de Córdoba (Figura 1). Los suelos de la región presentan condiciones de fertilidad muy elevada. Los principales determinantes del clima de la región son la latitud, la baja relación masa continental / masa oceánica, la proximidad al Río de la Plata y la ausencia de relieves pronunciados (Hall, 1992). La temperatura media de invierno es de 13°C, la media de verano es de 23°C (Soriano et al., 1992) y las precipitaciones anuales oscilan entre 700 y 1100mm. 2.2. Indicadores de Riesgo de Helada Desde el punto de vista meteorológico se considera helada a todo descenso de temperatura del aire igual o bajo 0ºC. El concepto de helada admite una interpretación más biológica desde el punto de vista agrícola, definiéndose a la helada como los descensos térmicos capaces de causar daños a los tejidos vegetales, de acuerdo con la especie y variedad, el estado fenológico y sanitario y edad, entre otros. Se define como helada agrometeorológica a la ocurrencia de una temperatura mínima diaria no superior a 3ºC a 1,50m de altura dentro del refugio meteorológico, lo que equivaldría a 0ºC o menos a la intemperie en superficie (Burgos, 1963).

STRASCHNOY, J. V.; DI BELLA, C. M.; JAIMES, F. R. y otros.

121

RIA, 35 (2): 117-141. Agosto 2006. INTA, Argentina.

Sureste de Córdoba 1 Unión 2 Marcos Juárez 3 Pte. Roque Sáenz Peña Sur de Santa Fé 4 San Martín 5 San Jerónimo 6 Belgrano 7 Iriondo 8 Caseros 9 San Lorenzo 10 Rosario 11 Gral. López 12 Constitución Oeste de Buenos Aires 13 Gral. Villegas 14 Ameghino 15 Gral. Pinto 16 Leandro N. Além 17 Carlos Tejedor 18 Lincoln 19 Pehuajó 20 Hipólito Irigoyen 21 Daireaux

Centro de Buenos Aires 22 Gral. Viamonte 23 Bragado 24 Alberti 25 Chivilcoy 26 Nueve de Julio 27 Veinticinco de Mayo 28 Carlos Casares Norte de Buenos Aires 29 Gral. Arenales 30 Colón 31 Pergamino 32 Junín 33 Rojas 34 Chacabuco 35 Salto 36 Bartolomé Mitre 37 Capitán Sarmiento 38 Carmen de Areco 39 San Antonio de Areco 40 San Andrés de Giles 41 Suipacha 42 Mercedes 43 Luján

Figura 1. Mapa del área de estudio, donde se identifican las cinco regiones delimitadas y sus correspondientes partidos/departamentos.

122

Caracterización espacial del estrés hídrico y de las heladas en la...

RIA, 35 (2): 117-141. Agosto 2006. INTA, Argentina.

La estación de crecimiento disponible para un cultivo está definida por la época de ocurrencia de heladas y por la diferente sensibilidad a las mismas que presenta cada una de las especies. Con el objetivo de establecer una fecha de siembra que disminuya el riesgo de ocurrencia de heladas en etapas definidas como críticas para cada cultivo, es de suma importancia establecer las fechas medias de la primera y última helada, como también las anomalías que pueden suceder (heladas tempranas y tardías) (Otegui y Pereyra, 2003). Por ejemplo, las heladas presentes durante los meses de enero a mayo pueden causar daños en los cultivos de verano sembrados tardíamente, complicando la generación de los componentes de rendimiento. En cuanto a los cultivos de invierno, el estado fenológico durante las heladas tempranas no es afectado frente a una anomalía climática. Particularmente, el cultivo de trigo no se ve afectado por heladas si éstas ocurren durante el período previo a espigazón, pero heladas tardías posteriores a este fenoestado afectan seriamente el rendimiento. El cultivo de girasol también es tolerante a las heladas durante la fase de emergencia a iniciación floral. A partir de la diferenciación floral, las bajas temperaturas no necesariamente menores a 0°C, pueden ocasionar ramificaciones, aparición de brácteas y flores liguladas en el centro del capítulo, androesterilidad ó producción de polen parcialmente estéril, comprometiendo los componentes del rendimiento. Tanto para el cultivo de maíz como para el de soja, el nivel de sensibilidad es alto durante todo el ciclo. La ocurrencia de una helada tardía, provoca no sólo una pérdida variable de plantas, sino también un daño variable por senescencia de hojas en ambos cultivos. La ocurrencia de heladas tempranas en el cultivo de soja y maíz, puede ocasionar la finalización del ciclo del cultivo. Como consecuencia de ello, la duración del período de llenado se acorta y disminuye su peso. Por lo tanto, valores inferiores a 0°C se consideran de alto nivel de riesgo para los cuatro cultivos. A los efectos del presente trabajo, se generaron dos indicadores asociados al riesgo de helada. El primero de ellos consistió en la temperatura mínima registrada en cada píxel, y el segundo fue calculado como el porcentaje de fechas de entre las disponibles, para las cuales se registraron temperaturas de superficie inferiores a 0°C. Las imágenes utilizadas para determinar los indicadores de riesgo de helada fueron las obtenidas del satélite NOAA-AVHRR (Advanced Very High Resolution Radiometer), cuya resolución espacial nominal es de 1.1 STRASCHNOY, J. V.; DI BELLA, C. M.; JAIMES, F. R. y otros.

123

RIA, 35 (2): 117-141. Agosto 2006. INTA, Argentina.

x 1.1 km2, durante el período 1996-2002. De acuerdo con los objetivos generales del proyecto en cuanto a estimar los riesgos de eventos climáticos extremos, susceptibles de afectar la producción agropecuaria, se definieron dos periodos de interés: a) Heladas Tempranas (enero a mayo) y b) Heladas Tardías (septiembre a diciembre) (Figura 2). Para seleccionar las imágenes que se utilizarían se analizaron las temperaturas mínimas registradas en las estaciones meteorológicas ubicadas dentro del área de estudio (Pehuajó, Nueve de Julio, Pergamino, Laboulage y Rosario–Figura 1) durante los períodos considerados, y se identificaron aquellas fechas en las que hubo temperaturas mínimas inferiores a 3°C. Finalmente, fueron consideradas las imágenes correspondientes a las fechas que cumplían los siguientes requerimientos: i) Nula o escasa nubosidad; ii) Representación de la región de estudio (>75%); y iii) Sin errores de captura. Debido a estos condicionamientos, el número de imágenes utilizadas se redujo marcadamente. De un promedio de cuarenta imágenes por cada año de la serie temporal abarcada (1996-2002) sólo fueron seleccionadas las imágenes detalladas en la Tabla 1, las cuales fueron tratadas mediante el siguiente procedimiento: 1°) Importación de las bandas 1 (0,58 a 0,68 µm – rojo), 2 (0,72 a 1,10 µm – infrarrojo cercano), 4 (10,30 a 11,30 µm – infrarrojo térmico) y 5 (11,50 a 12,50 µm – infrarrojo térmico) del satélite NOAA AVHRR del formato binario al formato Erdas©; 2°) Corrección atmosférica de las imágenes mediante el método denominado split window (Sobrino, et al., 1991); 3°) Definición de un criterio de filtrado de datos erróneos o ausentes debido a errores de captura o del procesamiento y corrección geométrica de las imágenes; y 4°) Proyección de todas las imágenes al sistema de coordenadas Lat/Lon, debido a que las mismas no poseen originalmente ninguna proyección. En función de la temperatura de superficie (Ts) se definieron tres categorías sobre las imágenes: 1) Nube: píxeles con valores inferiores a cinco grados centígrados bajo cero (0°C), y 3) Helada: píxeles con valo-

Figura 2. Definición de los períodos de interés para indicadores de helada.

124

Caracterización espacial del estrés hídrico y de las heladas en la...

RIA, 35 (2): 117-141. Agosto 2006. INTA, Argentina.

Tabla 1. Fechas de las imágenes de base utilizadas para la elaboración de indicadores de riesgo de helada.

N° 1 2 3 4 5 6 7 8 9 10 11 12

N° 1 2 3 4 5 6 7 8 9 10 11 12

CENTRO BS. AS. 31/05/1996 28/03/2000 29/04/2001 04/05/2001 13/05/2001 30/05/2002

CENTRO BS. AS. 03/09/1996 04/09/1996 05/09/1996 06/09/1996 17/09/1996 10/09/1997 11/09/1997 19/09/1998 01/09/2000 03/09/2000 25/09/2000 16/09/2001

HELADAS TEMPRANAS NORTE BS. OESTE BS. AS. AS. 22/05/1996 23/05/1997 29/04/2001 04/05/2001 13/05/2001 19/05/2001 30/05/2002

22/05/1996 31/05/1996 23/05/1997 05/05/2000 29/04/2001 04/05/2001 13/05/2001 18/05/2001 19/05/2001 30/05/2002 31/05/2002

HELADAS TARDÍAS NORTE BS. OESTE BS. AS. AS. 04/09/1996 05/09/1996 06/09/1996 10/09/1997 11/09/1997 19/09/1998 01/09/2000 03/09/2000 25/09/2000 16/09/2001

03/09/1996 04/09/1996 05/09/1996 06/09/1996 10/09/1997 11/09/1997 18/09/1998 19/09/1998 01/09/2000 03/09/2000 25/09/2000 16/09/2001

SANTA FE

CÓRDOBA

22/05/19 996 31/05/1996 23/05/1997 28/03/2000 05/05/2000 29/04/2001 04/05/2001 05/05/2001 13/05/2001 18/05/2001 19/05/2001

22/05/1996 31/05/1996 23/05/1997 28/03/2000 05/05/2000 29/04/2001 04/05/2001 05/05/2001 13/05/2001 18/05/2001 19/05/2001 01/04/2002

SANTA FE

CÓRDOBA

04/09/1996 05/09/1996 06/09/1996 17/09/1996 10/09/1997 11/09/1997 18/09/1998 19/09/1998 01/09/2000 03/09/2000 25/09/2000

04/09/1996 05/09/1996 06/09/1996 17/09/1996 10/09/1997 11/09/1997 18/09/1998 19/09/1998 01/09/2000 03/09/2000

res comprendidos entre -5°C y 0°C (Figura 3). No fueron considerados los valores inferiores a -5ºC ya que son muy poco frecuentes durante las heladas otoñales o las primaverales en la zona agrícola.

Figura 3. Definición de categorías para indicadores de helada en función de la temperatura de superficie.

STRASCHNOY, J. V.; DI BELLA, C. M.; JAIMES, F. R. y otros.

125

RIA, 35 (2): 117-141. Agosto 2006. INTA, Argentina.

Para evaluar el riesgo de helada de las regiones de estudio se elaboraron dos indicadores. En el primero de ellos, Imágenes de Mínimos Absolutos de Temperatura de Superficie (Ts), se calculó para cada píxel el valor mínimo de Ts entre todas las fechas disponibles para cada región. El segundo indicador, denominado Porcentaje de Heladas, se generó calculando el cociente entre la cantidad de fechas en las cuales la temperatura se encontraba por encima de los -5°C y por debajo de los 0°C (categoría 3, Helada) y la cantidad de fechas en las cuales la temperatura se encontraba por encima de los -5°C (categorías 2 y 3, No Helada y Helada), es decir, a partir del cociente Heladas/(Heladas + No Heladas). De esta manera, se obtuvieron valores comprendidos entre 0 y 1, los que multiplicados por 100 indicaban el porcentaje de fechas (de entre las disponibles) en las cuales la temperatura de superficie (Ts) fue menor a 0°C (categoría Heladas) en cada píxel, sin considerar la presencia de nubes. 2.3. Indicador de Riesgo de Estrés Hídrico Se produce estrés hídrico cuando durante un período extenso de tiempo la disponibilidad de agua cae por debajo de los requerimientos estadísticos de una región debido a la escasez de lluvias. La sequía causa un agudo desequilibrio hídrico, que perjudica los sistemas de producción de recursos agrícolas. Puede provocar pérdida de turgencia y una disminución de la tasa de crecimiento, dando como resultado un menor tamaño de órganos que se encuentran en expansión activa en el momento del estrés, y pueden afectar severamente la productividad. Es sumamente importante conocer tanto los regímenes estacionales de precipitaciones y demanda evaporativa como la fenología y los períodos críticos para la ocurrencia de una sequía. Uno de los aspectos más importantes para el éxito de un cultivo en un ambiente con deficiencias hídricas es la adecuación del ciclo a los cambios temporales de disponibilidad hídrica, especialmente la ubicación de los períodos críticos para la determinación del rendimiento fuera de los momentos de mayor estrés (Dardanelli et al., 2004). Un buen indicador de las condiciones de estrés hídrico es el cociente entre la evapotranspiración real (ETR, cantidad de agua, expresada en mm/día que es efectivamente evaporada desde la superficie del suelo y transpirada por la cubierta vegetal devuelta a la atmósfera) y la evapotranspiración potencial (ETP, cantidad de agua evaporada pero en condiciones óptimas de crecimiento). Al no contar con valores de ETP, utilizamos la ETR analizada inter e intraanualmente como un indicador de falta de agua de los cultivos, considerando esta variable como una buena aproximación de la estimación del nivel de estrés en los canopeos.

126

Caracterización espacial del estrés hídrico y de las heladas en la...

RIA, 35 (2): 117-141. Agosto 2006. INTA, Argentina.

Con el objetivo de evaluar la condición hídrica de los cultivos durante el período de tiempo citado se definió el indicador de riesgo de estrés hídrico como el porcentaje de años en los cuales la ETR acumulada se encontraba por debajo de la media calculada para dicho píxel. Para generar el indicador de riesgo de estrés hídrico fueron definidos dos períodos temporales de análisis en función de los objetivos del trabajo: i) Cultivos de invierno (julio a diciembre); y ii) Cultivos de verano (octubre a marzo) (Figura 4). Para obtener las imágenes de base utilizadas para generar el indicador de riesgo de estrés hídrico fueron utilizadas las capturadas por el satélite NOAA-

Figura 4. Definición de lo períodos temporales utilizados en el indicador de estrés hídrico a partir de la Evapotranspiración.

AVHRR (Advanced Very High Resolution Radiometer) de la serie Pathfinder (PAL) con una resolución espacial de 64 km2. Estas corresponden a imágenes compuestas decadiales (cada diez días) para el período comprendido entre julio de 1982 y diciembre de 1999, las cuales fueron convertidas del formato binario al formato Erdas©. Se generaron imágenes del Índice de Vegetación de Diferencia Normalizada (NDVI) y de temperatura de superficie (Ts) a partir de las bandas correspondientes al rojo, infrarrojo cercano e infrarrojo térmico del espectro electromagnético (bandas NOAA-AVHRR 1, 2 y 4, respectivamente). Posteriormente se definió un criterio de filtrado de datos que consistió en la eliminación de las imágenes que presentaban más de un veinte por ciento de cobertura nubosa o de datos ausentes y se procedió a la corrección o eliminación de las imágenes que presentaban errores de captura. De esta manera fueron utilizadas como base 600 imágenes decadiales de temperatura de superficie (Ts) y 576 de NDVI, a partir de las cuales se generaron imágenes mensuales de cada una de dichas variables a través del método de Maximum Value Composite Technique (MVCTHolben, 1986) para los datos de NDVI y a partir de los valores medios, para los datos de Ts. El número total de imágenes mensuales generadas fue de 203 para Ts y de 197 para NDVI (algunos meses fueron generados con una STRASCHNOY, J. V.; DI BELLA, C. M.; JAIMES, F. R. y otros.

127

RIA, 35 (2): 117-141. Agosto 2006. INTA, Argentina.

o dos decádicas porque la/s restante/s fueron eliminadas o no existían). Finalmente, se geocodificaron todas las imágenes en proyección geográfica latitud/longitud. Para los meses en que se disponía de imágenes de Ts y de NDVI, se aplicó el algoritmo desarrollado por Di Bella et al. (2000) para obtener imágenes mensuales de ETR. A partir de esas imágenes se obtuvo para cada año y para cada uno de los períodos considerados una imagen de evapotranspiración acumulada. Por ejemplo, para el período Cultivos de verano se sumó, para obtener la imagen acumulada anual los valores de los meses de octubre a marzo. A partir de estas imágenes acumuladas anuales se generó una imagen Media General, para cada período analizado (Cultivos de Verano y Cultivos de Invierno) (Figura 5). Como el indicador de riesgo de estrés hídrico se obtuvo a partir del promedio de los valores acumulados anuales por período, se ha decidido eliminar las imágenes correspondientes a los años en que fueron descartadas o no estaba disponible un importante número de imágenes con la finalidad de no sesgar los resultados. De esta manera, el número total de imágenes consideradas fueron 14 en el

Et acumulada 82-83

Et acumulada 83-84

¼

Et acumulada 98-99

Cálculo del promedio de las imágenes de Et acumuladas anuales

Imagen de Media General de Et 82-99

Figura 5. Esquema de la metodología utilizada para obtener la imagen de Media General para el indicador de Porcentaje de Estrés Hídrico.

128

Caracterización espacial del estrés hídrico y de las heladas en la...

RIA, 35 (2): 117-141. Agosto 2006. INTA, Argentina.

Tabla 2. Enumeración de los años de las imágenes utilizadas para generar el indicador de riesgo de Estrés Hídrico. N° AÑOS CONSIDERADOS

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

i) CULTIVOS ii) CULTIVOS DE INVIERNO DE VERANO Julio Diciembre Octubre Marzo 82 83 85 86 87 89 90 91 92 95 96 97 98 99

82 83 83 84 84 85 85 86 86 87 87 88 88-89 89 90 90 91 91 92 92 93 93 94 95-96 96 97 97-98 98 99

caso del período i) Cultivos de Invierno (julio-diciembre), y 16 para el período ii) Cultivos de Verano (octubre-marzo) (Tabla 2). De esta manera se definió que los valores de evapotranspiración menores a la Media General (media de los valores acumulados) representaban píxeles con problemas de déficit hídrico, mientras que los valores iguales o superiores a la media serían considerados sin estrés. Por ejemplo, para hallar la Media General correspondiente a las imágenes de NDVI de Cultivos de Invierno se sumaron las imágenes de julio a diciembre para cada año de la serie temporal considerada y luego se generó una imagen de la media de los acumulados (Figura 5). Por último se construyó un modelo que calculaba la cantidad de años en los cuales la evapotranspiración acumulada presentaba valores inferiores a los de la Media General y lo dividía por el número total de años, obteniéndose un valor comprendido entre 0 y 1 que representa, al ser multiplicado por 100, el porcentaje de años de estrés hídrico de cada píxel perteneciente al área de estudio (Figura 6). STRASCHNOY, J. V.; DI BELLA, C. M.; JAIMES, F. R. y otros.

129

RIA, 35 (2): 117-141. Agosto 2006. INTA, Argentina.

Et acumulada 82-83

Media General

Et acumulada 82.83 < Media General

SI

NO 0

1 S (0 y 1) / n Indicador de % de Estrés Hídrico

Figura 6. Esquema de la metodología utilizada para obtener el indicador de Porcentaje de Estrés Hídrico.

RESULTADOS Y DISCUSIÓN 3.1. Caracterización espacial de Heladas 3.1.1. Imágenes de Mínimos Absolutos de Temperatura de Superficie Al analizar las imágenes obtenidas de Mínimos Absolutos de Temperatura de Superficie puede observarse en términos generales que, en la mayor parte de la superficie del área de estudio, las temperaturas correspondientes al período de heladas tardías son inferiores a las correspondientes al período de heladas tempranas, evidenciando que durante las heladas tardías el fenómeno fue más intenso (Figura 7)2. En el presente trabajo se han adaptado los indicadores para una publicación en escala de grises. Las imágenes en soporte digital pueden ser solicitadas a la dirección de correo electrónico: [email protected]. 2

130

Caracterización espacial del estrés hídrico y de las heladas en la...

RIA, 35 (2): 117-141. Agosto 2006. INTA, Argentina.

Figura 7. Imágenes de Temperaturas de Superficie Mínimas por región y por período.

STRASCHNOY, J. V.; DI BELLA, C. M.; JAIMES, F. R. y otros.

131

RIA, 35 (2): 117-141. Agosto 2006. INTA, Argentina.

Para el período de heladas tempranas, el centro de Buenos Aires presentó los valores menos críticos en cuanto a temperaturas mínimas. Durante dicho período, se encontraron valores inferiores a –3,5°C en el centro y oeste de la región norte de Buenos Aires, principalmente en Pergamino, Junín, Rojas, Salto y Bartolomé Mitre. En el oeste de Buenos Aires, las áreas con menores temperaturas fueron Gral. Villegas en casi toda su extensión, el noreste de Lincoln y el noroeste de Ameghino, Gral. Pinto y Carlos Tejedor. En los tres departamentos del sudeste de Córdoba se registraron temperaturas menores a -3,5ºC; el más afectado fue el Dpto. Roque Sáenz Peña. Por último, en Santa Fe estos valores mínimos se presentaron en todos los departamentos, observándose en menor medida la incidencia de las bajas temperaturas en el sur de Constitución, San Lorenzo y Caseros. Por otro lado, las Heladas Tardías presentaron temperaturas mínimas menores a –3,5°C en prácticamente la totalidad de las regiones estudiadas. En el centro de Buenos Aires, los partidos que registraron en una parte de su territorio valores más moderados de entre -3,5 y -2ºC fueron Carlos Casares, Nueve de Julio y Veinticinco de Mayo. Casi la totalidad de la región Norte de Bs. As. presentó valores mínimos menores a –3.5°C, excepto en parte de Chacabuco y Suipacha. De igual manera puede observarse que en el oeste de Buenos Aires se registraron mayoritariamente valores inferiores a -3,5ºC con excepción de algunas zonas de Carlos Tejedor, Lincoln y Pehuajó. En el sudeste de Córdoba, todos los departamentos registraron una gran cantidad de píxeles con valores mínimos inferiores a -3,5ºC, al igual que el sur de Santa Fe, salvo la faja oriental de la región donde se observaron valores más moderados. 3.1.2. Imágenes de Porcentaje de Heladas Un análisis similar al aplicado a las imágenes de Mínimos Absolutos de Temperatura de Superficie puede realizarse con las de Porcentaje de Heladas (Figura 8). Aquí también se observó que los porcentajes correspondientes al período de Heladas Tardías son mayores a las correspondientes al período de Heladas Tempranas, evidenciando que durante las Heladas Tardías el fenómeno fue más frecuente. Durante el período de Heladas Tempranas, la región del centro de Buenos Aires presentó, en la mayor parte de su extensión, porcentajes inferiores al 30%. En algunas áreas de Alberti y Chivilcoy los porcentajes encontrados fueron del 30 al 60% y en menor medida se hallaron esos valores en Veinticinco de Mayo y Car-

132

Caracterización espacial del estrés hídrico y de las heladas en la...

RIA, 35 (2): 117-141. Agosto 2006. INTA, Argentina.

Figura 8. Imágenes de porcentaje de Heladas por región y por período.

STRASCHNOY, J. V.; DI BELLA, C. M.; JAIMES, F. R. y otros.

133

RIA, 35 (2): 117-141. Agosto 2006. INTA, Argentina.

los Casares. En la zona norte de Buenos Aires, el patrón del porcentaje de heladas fue más heterogéneo durante las Heladas Tempranas, concentrándose los píxeles con mayores porcentajes en Pergamino, Rojas, Salto y Bartolomé Mitre. Respecto de la región oeste de Buenos Aires, las áreas con mayores porcentajes de Heladas Tempranas (entre el 30 y el 80%) se localizan en el noroeste, comprendiendo casi en su totalidad a Gral. Villegas y Ameghino y en parte a Carlos Tejedor, así como en el sur, en todo Daireaux. En tanto, en el sudeste de Córdoba, durante las Heladas Tempranas se observó un patrón heterogéneo con ausencia de valores extremos. El sur de Santa Fe presentó zonas con valores de entre el 30 y 60% con menor incidencia en los departamentos Rosario, Constitución y San Jerónimo. Como se mencionó previamente, los porcentajes hallados durante las Heladas Tardías fueron muy superiores a los del período Heladas Tempranas para todas las regiones. Las regiones alcanzadas por mayores porcentajes fueron el centro y norte de Buenos Aires y el sudeste de Córdoba. En el centro de Buenos Aires, los únicos partidos que no presentaron mayoría de píxeles con valores superiores al 80% fueron parte de Carlos Casares y Nueve de Julio, a pesar de tener en casi toda su extensión valores superiores al 60%. En la casi totalidad de la región norte de Buenos Aires se registraron porcentajes superiores al 60%, concentrándose los valores superiores al 80% en Junín, Rojas, Chacabuco y Salto, así como una gran parte del territorio de Gral. Arenales, Pergamino y Carmen de Areco. Respecto de la región oeste de Buenos Aires, si bien se registraron en casi toda su extensión valores superiores al 30%, el partido más afectado por las Heladas Tardías fue Daireaux y una porción de Lincoln, Ameghino, Gral. Pinto y Leandro N. Alem. En el sudeste de Córdoba, tanto los departamentos Unión, en casi toda su extensión, como Marcos Juárez, en menor medida, registraron gran cantidad de píxeles con valores superiores al 80%. En tanto, Pte. Róque Sáenz Peña presentó valores más moderados, pero en su mayoría por encima del 30%. Por último, el sur de Santa Fe registró en casi toda su superficie porcentajes comprendidos entre el 30 y el 60%, con excepción de algunas zonas de Belgrano e Iriondo, con valores superiores al 80% y la franja este de la región que limita con la provincia de Entre Ríos que, al igual que en las imágenes de Mínimos Absolutos de Temperatura de Superficie, registró los valores correspondientes a la menor categoría (menores a 30%).

134

Caracterización espacial del estrés hídrico y de las heladas en la...

RIA, 35 (2): 117-141. Agosto 2006. INTA, Argentina.

Figura 9. Imágenes de Porcentaje de Estrés Hídrico a partir de la Evapotranspiración por región y por período.

STRASCHNOY, J. V.; DI BELLA, C. M.; JAIMES, F. R. y otros.

135

RIA, 35 (2): 117-141. Agosto 2006. INTA, Argentina.

3.2. Caracterización espacial del Déficit Hídrico 3.2.1. Porcentaje de Estrés Hídrico A nivel general, el estrés hídrico en la región se caracterizó por mantener valores críticos (entre el 50 y 100% de los años) tanto en los Cultivos de Invierno (excepto el norte de Bs. As. y el sur de Santa Fe) como en los de Verano (en menor medida para el norte y oeste de Buenos Aires) Para la región Centro de Buenos Aires, los valores de porcentaje de estrés para el período Cultivos de Invierno fueron superiores al 50% en parte de los partidos de la zona norte como Gral. Viamonte, Bragado y Alberti, llegando a corresponder a la casi totalidad de los píxeles de Chivilcoy. Sin embargo, en la zona sur (Nueve de Julio, Veinticinco de Mayo y Carlos Casares), la susceptibilidad al estrés fue menor (en un 25-50% mayoritariamente). En el caso de los Cultivos de Verano la mayor parte de la región sufrió déficit hídrico con valores superiores al 50% en gran parte de su extensión, aunque en algunas zonas se estimaron porcentajes de entre el 40 y 50%. Es posible que en esta región los valores de déficit hídrico fueran más críticos para los Cultivos de Verano, ya que los mismos se siembran en mayor proporción que los Cultivos de Invierno en esta zona. (SAGPYA, CNA 2002). En el norte de Buenos Aires, se obtuvieron menores valores de estrés hídrico para los meses de julio a diciembre, especialmente en la zonas centro y oeste de la región (0-25%); los partidos del este presentaron mayor porcentaje de estrés hídrico (25-40%). El déficit hídrico en los meses de verano afectó en mayor porcentaje a la región, con valores superiores al 25% en su mayoría. Se observan zonas aisladas con un porcentaje mayor al 50%. Las precipitaciones durante los meses de invierno son escasas en la región del oeste de Buenos Aires (20 mm promedio durante el período 19812002 para el mes de julio en la estación meteorológica General Villegas, con un pico de precipitaciones media mensual de 130 mm en el mes de diciembre). Es por ello que se localizan zonas críticas en cuanto al estrés hídrico para el período Cultivos de Invierno en la mayor parte de su superficie, con valores superiores al 40% de estrés hídrico en la serie estudiada. La sequía durante el período estival no es tan marcada, ya que la recarga del perfil durante los meses de primavera favorece el crecimiento óptimo de los cultivos; sin embargo se localizaron algunas zonas con situaciones desfavorables en cuanto al déficit hídrico (zona este de Lincoln, intersección de partidos de General Villegas, Ameghino y Gral. Pinto).

136

Caracterización espacial del estrés hídrico y de las heladas en la...

RIA, 35 (2): 117-141. Agosto 2006. INTA, Argentina.

En el sur de Córdoba es notable la susceptibilidad tanto al estrés hídrico en invierno como en los meses estivales. Durante los meses de invierno, el porcentaje de estrés hídrico se mantuvo en un rango de 40-100% para prácticamente toda el área, registrando menor predominancia de píxeles con valores superiores al 50% en la parte norte. El mismo patrón de riesgo se mantiene para los Cultivos de Verano, pero con mayor cantidad de píxeles con la mayor categoría (50-100%). La zona norte de Unión y, en menor medida, Marcos Juárez fueron menos afectadas por el estrés (predominancia de valores entre 25-40%). El sur de Santa Fe se mantuvo para la serie estudiada poco susceptible al déficit hídrico para los meses de invierno, principalmente en la zona norte, con valores entre 0 y 25% (San Marín, San Jerónimo, Iriondo y Belgrano). Los demás departamentos presentaron valores predominantemente en el rango 25-40%. Por otro lado, en los meses de verano se observaron valores críticos de estrés hídrico (más del 50% de los años estudiados) para prácticamente toda la región excepto la franja este limítrofe con la provincia de Entre Ríos (40-50%).

CONCLUSIONES A partir del desarrollo del presente trabajo puede concluirse a nivel general que, las Heladas Tardías (ocurridas entre septiembre y diciembre) afectaron con mayor frecuencia e intensidad que las Tempranas (entre enero y mayo) a las regiones estudiadas. Respecto del estrés hídrico puede concluirse que se estimaron valores críticos (superiores al 50% de años con déficit) para el centro y oeste de Bs. As. y sudeste de Córdoba durante el período julio-diciembre (Cultivos de Invierno), así como para las regiones del centro de Bs. As., sudeste de Córdoba y sur de Santa Fe durante el período octubre-marzo (Cultivos de Verano). El presente trabajo aplicó una metodología que puede ser utilizada para caracterizar espacialmente mediante el empleo de indicadores, la presencia de heladas y de estrés hídrico para cualquier área de interés a partir de información satelital de gran valor, debido a la homogeneidad en la toma de datos, a la multitemporalidad de los mismos y a las posibilidades de procesamiento de la información obtenida, la que puede integrarse con otras provenientes de diversos campos de estudio, enrique-

STRASCHNOY, J. V.; DI BELLA, C. M.; JAIMES, F. R. y otros.

137

RIA, 35 (2): 117-141. Agosto 2006. INTA, Argentina.

ciendo las posibilidades de análisis y permitiendo mejorar las herramientas de estudio y evaluación de los diversos fenómenos. Esta caracterización de heladas podría mejorarse con el agregado de nuevas imágenes de temperatura de superficie. En el caso de la generación de indicadores de estrés hídrico, la incorporación de información complementaria tal como la evapotranspiración potencial, permitiría realizar estimaciones con mayor nivel de precisión.

AGRADECIMIENTOS Los autores de este trabajo quieren agradecer a Tomás Hartmann y principalmente a los revisores anónimos que con sus aportes mejoraron sustancialmente los contenidos y forma del presente artículo. Este trabajo fue financiado por el proyecto Riesgos y Seguros Agropecuarios coordinado por la Oficina de Riesgos Agropecuarios de la Secretaría de Agricultura, Ganadería, Pesca y Alimentos (SAGPyA).

BIBLIOGRAFÍA AWAYA, Y.; KODANI, E.; TANAKA, K.; LIU, J.; ZHUANG, D.; MENG, Y. 2004. Estimation of the global net primary productivity using NOAA images and meteorological data: changes between 1988 and 1993. Int. J. of Remote Sensing 25:1597-1613. BARTOLOMÉ, M.; CAPUTO, M. G.; CELIS, A., HERZER, H.; RODRÍGUEZ, C. 2004. El clima y otros factores de riesgo en la pampa húmeda argentina, Realidad Económica 202, pp. 88-107, Ed. Inst. Argentino para el Desarrollo Económico, Buenos Aires, Argentina. BURGOS, J. J. 1963. Las heladas en la Argentina. Colección Científica del INTA. Vol III. 388pp, Buenos Aires. CALERA, A.; GONZÁLEZ-PIQUERAS, J.; MELIA, J. 2004. Monitoring barley and corn growth from remote sensing data at field scale. Int. J. of Remote Sensing 25:97109. CHAMPAGNE, C.M.; STAENZ, K.; BANNARI, MC NAIRN, H.; DEGUISE, J.C. 2003. Validation of hyperspectral curve-fitting model for the estimation of plant water content of agricultural canopies. Remote Sensing of Environment 87:148160. CASANOVA, D.; EPEMA, G.F.; GOUDRIAAN, J. 1998. Monitoring rice reflectance at field level for estimating biomass and LAI. Field Crop Research 55:83-92. DARDANELLI, J.; POLLINO, D.; OTEGUI, M.E; SADRAS V.O. 2004. Bases Funciona-

138

Caracterización espacial del estrés hídrico y de las heladas en la...

RIA, 35 (2): 117-141. Agosto 2006. INTA, Argentina.

les para el manejo del agua en los sistemas de producción de cultivos de grano. En: SATORRE, E.; BENECH ARNOLD, R.; SLAFER, G.; DE LA FUENTE, E.; MIRALLES, D.; OTEGUI M.E.; SAVIN R. Producción de Granos. Bases Funcionales para su Manejo. Ed Facultad de Agronomía, Buenos Aires, Argentina, pp. 377-406. DI BELLA, C.; ORICCHIO, P.; CONTI, H.; REBELLA, C. 1997. Utilización de imágenes satelitales para la zonificación de heladas en la Provincia de Entre Ríos. Rev. Brasileira de Agrometeorologia, Santa María, 5(2). DI BELLA, C.; PARUELO, J.; BECERRA, J.; BACOUR, C; BARET, F. 2004. Effect of senescent leaves on NDVI-based estimates of fAPAR: experimental and modelling evidences. Int. J. of Remote Sensing 25: 5415-5427. DI BELLA, C.; REBELLA, C.; PARUELO, J. 2000. Evapotranspiration estimates using NOAA AVHRR imagery in the Pampa Region. Int. J. Remote Sensing 21(4):791797. GAMON, J.A.; FIELD, C.B.; GOULDEN, M.L.; GRIFFIN, K.L.; HARTLEY, A.E.; JOEL, G.; VALENTINI, R. 1995. Relationships between NDVI, canopy structure, and photosyntesis in three californian vegetation types. Ecological Applications 5:28-41. GOWARD, S.N.; HUEMMRICH, K.F. 1992. Vegetation canopy PAR absorbance and the Normalize Difference Vegetation Index: An assessment using the SAIL model. Remote Sensing of Environment 39: 119-140. HALL, A.J.; REBELLA, C.M; GHERSA, C.M.; CULOT, J. Ph. 1992. Field-crop systems of the Pampas. En: PEARSON CJ ed. Field crops ecosystems. Cap. 19; pp 413-449. Ecosystems of the World:18. Elsevier; Amsterdam, pp. 413-499. HOBBS, R.J. 1990. Remote-sensing of Spatial and Temporal Dynamics of Vegetation. (reed.) Springer-Verlag New York, Inc. Remote Sensing of Biosphere Functioning. HOLBEN, B., 1986. Characteristics of maximum-value composite images from temporal AVHRR data. Int. J. of Remote Sensing 7 (11): 1417-1434. Instituto Nacional de Estadísticas y Censos (INDEC), 2002 Censo Nacional Agropecuario, Informes finales por provincias. MONTERRUBBIANESI, M.G.; CENDOYA, M.G. 2001. Caracterización del régimen de heladas meteorológicas y agrometeorológicas en Balcarce, Argentina en el período 1970-1999. Rev. Facultad de Agronomía 21 (1): 69-78. MOREAU, S.; LE TOAN, T. 2003. Biomass quantification of Andean wetland forages using ERS satellite SAR data for optimizing livestock management. Remote Sensing of Environment 84:477-492. MORELLO, J.; MATTEUCCI, S. 1997. Estado actual del subsistema ecológico del núcleo maicero de la Pampa Húmeda. En: ¿Argentina granero del mundo: hasta cuando? La degradación del sistema agroproductivo de la Pampa Húmeda y sugerencias para su recuperación. Orientación Gráfica Ed., Argentina. NAVARRO, M.; VILATTE, C.; AGUAS, L. 2003. Duración e intensidad de heladas a

STRASCHNOY, J. V.; DI BELLA, C. M.; JAIMES, F. R. y otros.

139

RIA, 35 (2): 117-141. Agosto 2006. INTA, Argentina.

escala regional en el centro de la provincia de Buenos Aires, Argentina. Actas, X Congreso Latinoamericano e Ibérico de Meteorología y X Congreso Cubano de Meteorología. Ciudad de la Habana, Cuba. 3 al 7 de marzo de 2003. OESTERHELD, M.; DI BELLA, C.; KERDILES, H. 1998. Relation between NOAA-AVHRR satellite data and stocking rate of rangelands. Ecological Applications 8:207212. OPPELT, N.; MAUSER, W. 2004. Hyperspectral monitoring of physiological parameters of wheat during a vegetation period using AVIS data. Int. J. of Remote Sensing 25:145-156. ORTA, F.J.; FEDERIGHI, M. 1996. El régimen de heladas en el área de Villa Mercedes (San Luis) en relación con cultivos estivales extensivos. Actas VII Congreso Argentino de Meteorología y VII Congreso Latinoamericano e Ibérico de Meteorología. Septiembre 1996. OTEGUI M.; PEREYRA E. 2004. Fecha de siembra. En: SATORRE, E.; BENECH ARNOLD, R.; SLAFER, G.; DE LA FUENTE, E.; MIRALLES, D.; OTEGUI M.; SAVIN R. Producción de Granos. Bases Funcionales para su Manejo. Ed Facultad de Agronomía, Buenos Aires, Argentina, pp. 259-274. PARUELO, J.M.; EPSTEIN, H.E.; LAURENROTH, W.K.; BURKE, I.C. 1997. ANPP estimates from NDVI for the central grassland region of the United States. Ecology 78:39533958. QUATTROCHI, D.A.; PELLETIER, R. 1991. Remote Sensing for Analysis of Landscapes: An Introduction. TURNER, M.G. AND GARDNER, R.H. (Eds.) Quantitative Methods in Landscape Ecology. Springer-Verlag New York Inc., New York, pp.51-76. ROUSE, J.W.; HAAS, R.H.; SCHELL, J.A.; DEERING, D.W.; HARLAN, J.C. 1974. Monitoring the vernal advancement of retrogradation of natural vegetation. NASA/GSFC Type III Final report. Maryland. 371 p. SELLERS, P.J. 1987. Canopy reflectance, photosyntesis, and transpiration II. Remote Sensing of Environment 21:143-183. SELLERS, P.J. 1989. Vegetation-canopy spectral reflectance and biophysical processes. ASRAR, G. (Ed.) Theory and applications of optical remote sensing. John Wiley & Sons, New York, pp. 297-333. SENAY, G.B.; WARD, A.D.; LYON, J.G.; FAUSEY, N.R.; NOKES, S.E; BROWN, L.C. 2000. The relations between spectral data and water in a crop production environment. Int. J. of Remote Sensing 21:1897-1910. SOBRINO, J.; COLL, C.; CASELLES, V. 1991, Atmospheric correction for land surface temperature using NOAA-11 AVHRR channel 4 and 5. Remote Sensing of Environment, 38, 19-34. SORIANO, A.; LEÓN, R.J.C.; SALA O.E.; LAVADO R.S.; DEREGIBUS, V.A.; CAHUEPÉ M.A.; SCAGLIA O.A.; VELÁSQUEZ, C.A.; LEMCOFF J.H. 1992 Río de la Plata Grasslands. Ecosystems of the world 8A. Natural Grasslands (Coupland, R.T. ed.) Elsevier, New York. 367-407.

140

Caracterización espacial del estrés hídrico y de las heladas en la...

RIA, 35 (2): 117-141. Agosto 2006. INTA, Argentina.

THENKABAIL, P.S.; SMITH, R.B.; DE PAUW, E. 2000. Hyperspectral Vegetation Indices and their Relationships with Agricultural Crop Characteristics. Remote Sensing of Environment 71:158-182. TOMASEL, F.G.; PARUELO, J.M.; ABRAS, G.; BALLARÍN, V.; MOLER, E. 2001. A chromaticitybased technique for estimation of above-ground plant biomass. Applied Vegetation Science 4:1-6. TUCKER, C.J.; SELLERS, P.J. 1986. Satellite remote sensing of primary production. Int. J. of Remote Sensing 7:1395-1416. VAESEN, K.; GILLIAMS, S.; NACKAERTS, K.; COPPIN, P. 2001. Ground-measured spectral signatures as indicators of ground cover and leaf area index: the case of paddy rice. Field Crops Research 69:13-25. WU, J.G.; SHI, C.H. 2004. Prediction of grain weight, brown rice weight and amylose content in single rice grains using near-infrared reflectance spectroscopy. Field Crops Research 87:13-21. XAVIER, A.C.; VETTORAZZI, C.A. 2004. Mapping leaf area index through spectral vegetation indices in a subtropical watershed. Int. J. of Remote Sensing 25:16611672.

Original recibido en enero de 2006; aprobado en agosto de 2006

STRASCHNOY, J. V.; DI BELLA, C. M.; JAIMES, F. R. y otros.

141