Resumen de Estimación de potencial hídrico en vid por medio de medidas termográficas y espectrales

Hernán Vila, I. Hugalde, Marina Di Filippo

• español

  El potencial hídrico foliar (YL) es una variable frecuentemente utilizada para medir el estado hídrico de los cultivos. Su medición con cámara de presión es lenta, lo que impide tomar un gran número de muestras. El objetivo del trabajo fue evaluar métodos alternativos para estimar el YL mediante sensores remotos. Uno de los métodos utilizados fue el de la reflectancia espectral. Esta técnica requiere de análisis estadísticos para poder estimar las variables de interés. Se probaron dos análisis, el cálculo de índices a partir de los valores del espectro y el análisis de Mínimos Cuadrados Parciales (PLS). El otro método probado fue la termografía que registra las Temperaturas de la Canopia (TC), que se relacionan con su estado hídrico. Los datos termométricos sirvieron para construir dos modelos de regresión que estimaron YL. Uno de los modelos fue una regresión simple con TC vs. YL; el otro fue una regresión múltiple construida junto con el "índice normalizado de vegetación" (NDVI = ((R900-R680)/( R900-R680) y con el "índice hídrico" (WI = (R900/R970)).

  El ensayo se llevó a cabo en un viñedo de la variedad Malbec, en Mendoza, Argentina. La reflectancia se midió durante la mañana y el YL al mediodía, paralelamente a la toma de imágenes termográficas. Por PLS, usando las reflectancias entre 325 y 1075 nm, se pudo predecir el YL. Por regresión se obtuvieron las ecuaciones YL = -1,21659 + 0,445078 * TC; R2 =0,19, p = 0,0000 y YL = 1,83399 - 0,613766 * NDVI + 0,0447517 * TC -1,45787 * WI, R2 = 0,36, p = 0,0000. Al mapear mediante krigeado los YL observados y los estimados por los tres procedimientos, para analizar las similitudes en distribución espacial se observó una apreciable semejanza entre ellos a pesar de los bajos coeficientes de regresión encontrados. Esto es así porque los planos incluyen información espacial ausente en las regresiones. Se halló una mayor semejanza entre el YL observado y el estimado por PLS, comparado con los otros métodos

• English

  Leaf water potential (YL) is a useful variable for the water status assessment of crops. The pressure chamber is the current method for its measurement, but has the disadvantage of being too slow and impractical when to asses an important number of plants become necessary, as is required in Precision Viticulture. The objective of this investigation was to evaluate alternative methods for estimating YL, using remote sensors. One of these methods was based on spectral reflectance. This is a non destructive, quick and efficient method. Nevertheless, this technique requires statistical analysis in order to estimate the needed variables. In this study, two analyses were tested. On one side, we calculated indexes from spectral values, and on the other side, we tested the Partial Least Squares analysis (PLS). The other tested method was based on Thermography Canopy temperature (TC) is known to be related to water status. In this case, images of the canopy of the vineyard were taken, and the temperatures of each point of the assessed area were recorded. Two regression models derived from the thermographic data: one of these models was a simple regression with TC vs. YL; and the other was a multiple regression, including temperature, the reflectance indices NDVI (R900-R680/R900+R680) and WI (R900/R970). The assessment took place in a Malbec vineyard, in Mendoza, Argentina. Reflectance was measured during the morning and YL at noon, just at the same time as the images were taken. By PLS, using reflectances from 325 to 1075 nm, YL could be estimated. With simple and multiple regressions the following equations were obtained: YL = -1.21659 + 0.445078 * Tº; R2 =0,19 and YL = 1,83399 - 0,613766 * NDVI + 0,0447517 * TC -1,45787 * WI, R2 = 0,36, p = 0,0000. When the observed and estimated YL obtained by the three procedures were mapped by krigging in order to analyze the likelihood between the spatial distributions, a high level of similarity was found, dispite the low regression coefficients. Aparently, the maps include spacial information that is absent in the regressions. Higher likelihood was found between the measured YL and the estimated by PLS, when compared to the other methods.