Evaluación agroindustrial del cultivo de caña de azúcar (<i>Saccharum officinarum L.</i>) mediante imágenes SPOT 5 HRV en la Huasteca México

Abstract

El principal uso de los sensores remotos (RS) y los sistemas de información geográfica (SIG) en el cultivo de caña de azúcar, son la identificación, mapeo, evaluación, seguimiento, manejo y gestión del dosel mediante la interpretación visual o clasificación de imágenes así como caracterizar la fenología, el rendimiento del cultivo, variedad o estrés hídrico. Las imágenes SPOT 5 HRV se han utilizado ampliamente en la identificación de la vegetación a escala regional debido a su alta resolución. El objetivo de este estudio fue investigar la utilidad de las imágenes SPOT 5 HRV y el algoritmo de clasificación supervisada de máxima verosimilitud para la identificación, evaluación y elaboración de cartografía del cultivo de caña de azúcar en "La Huasteca" México. Las imágenes para el sitio de estudio fueron capturadas en junio del 2008; la metodología se basó en la diferenciación de firmas espectrales relacionadas con la productividad del cultivo de caña de azúcar. Los campos de entrenamiento fueron seleccionados y definidos por la interpretación visual con cuatro clases de productividad (alta, media, baja y muy baja). Los resultados mostraron que es posible identificar y mapear el cultivo de caña de azúcar con imágenes SPOT 5 HRV y establecer que, en la región cañera de la Huasteca, tan solo el 48.8 % de la superficie cultivada tiene media a alta productividad, el resto presenta problemas que deberían atenderse mediante acciones de manejo de sitio especifico para incrementar la productividad en el mediano plazo.

The principal use of remote sensing (RS) and geographical information system (GIS) in sugarcane crop, are identifying, mapping, evaluating, monitoring and management. It’s possible by visual interpretation or image classification to characterize sugarcane phenology, crop yield, variety or water stress. SPOT 5 HRV images has been used extensively in field of vegetation identification at regional scale due to its high resolution. The goal was to investigate the utility of SPOT 5 HRV images and supervised maximum likelihood algorithm in the identification, evaluation and mapping of sugarcane at “La Huasteca” Mexico. Study site images were captured in June 2008, the methodology was based on the difference in spectral signatures between sugarcane productivity allowing a maximum likelihood multi spectral classification. Training fields were selected and defined by visual interpretation, in fourth classes (high, medium, low and lowest). Results showed that it is possible identify and map sugarcane using SPOT 5 HRV images and it was determined that in the sugarcane Huasteca region only 48.8% has medium to high productivity, the rest had problems to be addressed through site specific land management to increase productivity in the early future.