Modelos de predicción de biomasa en sistemas de producción lechera usando índices de vegetación de drones e imágenes satelitales

Abstract

La estimación precisa de la biomasa de pasturas es clave para la toma de decisiones en sistemas pastoriles, y requiere integrar información obtenida a distintas escalas espaciales y mediante diversos métodos. En este trabajo se integraron múltiples bases de datos provenientes de experimentos realizados en la Estación Experimental Centro Regional Sur (CRS), que combinan mediciones directas de campo, como ser: altura con regla graduada, altura comprimida mediante plato medidor (RPM) y pasturómetro C-Dax, con el índice de vegetación de diferencia normalizada (NDVI) derivado de imágenes de dron y satelitales. El objetivo fue analizar las asociaciones entre variables estructurales y espectrales de la vegetación y evaluar el desempeño de distintos modelos predictivos de biomasa. Los resultados evidenciaron asociaciones consistentes y predominantemente no lineales entre las mediciones directas y el NDVI, especialmente en el caso del NDVI obtenido mediante dron, donde se observaron patrones asociados a la saturación del índice y a diferencias en la arquitectura del dosel. Los modelos basados en mediciones directas presentaron mayor capacidad explicativa a nivel de efectos fijos; sin embargo, los modelos construidos a partir de NDVI de dron alcanzaron un desempeño predictivo comparable en validación. Asimismo, el modelo basado en NDVI satelital mostró una mayor estabilidad y un desempeño equivalente o superior al del NDVI de dron, atribuible a su mayor escala espacial y a la atenuación de la heterogeneidad intra-potrero. En conjunto, los resultados confirman la complementariedad entre mediciones in situ y sensores remotos, y destacan el potencial de enfoques integrados para la predicción de biomasa de pasturas, permitiendo conciliar precisión, aplicación a distintas escalas y practicidad operativa en sistemas pastoriles reales.