Resumen de Modelos para la estimación del rendimiento de la caña de azúcar en Costa Rica con datos de campo e índices de vegetación

Bryan Alemán, Pere Serra Ruiz, Alaitz Zabala Torres

• español

  La teledetección proporciona información de importancia en la estimación de rendimientos de caña de azúcar, ya que su abordaje temporal y espacial permite hacer el seguimiento del cultivo durante su ciclo fenológico. El objetivo de este trabajo era aplicar un método operativo para la estimación del rendimiento agrícola e industrial a través de la combinación de variables de campo con índices de vegetación, calculados con los sensores satelitales a bordo de Sentinel-2 y Landsat-8 en una cooperativa de Costa Rica. Se utilizaron además registros históricos de cosecha y meses de inicio del ciclo fenológico para estimar mediante regresiones lineales múltiples los rendimientos. La integración de registros históricos y el índice de vegetación Simple Ratio (SR), calculados en distintas etapas del ciclo fenológico (en los meses de septiembre, diciembre y enero), permitió obtener un modelo de estimación del rendimiento agrícola (toneladas de caña de azúcar por hectárea) con un coeficiente de regresión (R2) de 0,64 y un RMSE de 8,0 ton/ha. Mientras que para el rendimiento industrial (kilogramos de azúcar refinado por tonelada de caña de azúcar) se obtuvo un R2 de 0,59 integrando variables históricas y los índices de vegetación SR y Green Normalized Difference Vegetation Index (GNDVI); en este caso el RMSE fue de 4,9 kg/ton. En definitiva, este modelo operativo de estimación de rendimientos proporciona herramientas para la toma de decisiones antes, durante y después de la etapa de cosecha.

• English

  Remote sensing offers important inputs for sugarcane yield estimation, since its temporal and spatial approaches allow monitoring the phenological cycle of the crop. The objective of this research was to apply an operational method for the estimation of sugarcane yield and sugar content through the combination of field variables with vegetation indices, calculated with the satellite sensors on board Sentinel-2 and Landsat-8 in a cooperative from Costa Rica. In addition, historical harvest data and start months of phenological cycle were used to estimate sugarcane yield and sugar content per ton using multiple linear regressions. The integration of historical data and Simple Ratio (SR) vegetation index, calculated in different steps of the phenological cycle (in the months of September, December and January), allowed us to obtain an estimation model of sugarcane yield (tons of sugarcane per hectare) with a regression coefficient (R2) of 0.64 and a RMSE of 8.0 tons/ha. While for sugar content (kilograms of refined sugar per ton) we obtained a R2 of 0.59 integrating historical variables and the vegetation indexes SR and Green Normalized Difference Vegetation Index (GNDVI); in this case the RMSE was 4.9 kg/tons. Ultimately, this operational method of yield estimation provides tools for decision making before, during and after the harvest stage.