Curvas óptimas de NDVI para detección de anomalías en plantíos cultivados con caña de azúcar en Nicaragua

Abstract

El cambio climático ha provocado variaciones significativas en los patrones climáticos, afectando la productividad agrícola a nivel global. En Nicaragua, la caña de azúcar, un cultivo vital para la economía nacional no es la excepción. Las alteraciones en las precipitaciones, las temperaturas extremas y la incidencia de plagas y enfermedades han incrementado los desafíos para los productores de caña de azúcar. Este proyecto responde a esta necesidad desarrollando curvas óptimas del Índice de Vegetación de Diferencia Normalizada (NDVI) para identificar anomalías en las plantaciones de caña de azúcar en Nicaragua, empleando imágenes satelitales y herramientas tecnológicas accesibles. El objetivo principal es establecer curvas óptimas de NDVI que faciliten la detección temprana de anomalías, considerando diversas condiciones de manejo agrícola. La metodología se basa en el uso de Google Earth Engine (GEE) para adquirir y analizar datos de NDVI en el tiempo provenientes de imágenes satelitales Sentinel-2, procesados mediante Python para generar 189 curvas óptimas de NDVI. Estas curvas fueron ajustadas por modelos de regresión polinómica, evaluando su precisión mediante métricas como el coeficiente de determinación (R²), donde el 93% de las curvas mostraron R² superior a 0.8, indicando alta precisión en la mayoría de los casos. Sin embargo, algunas curvas presentaron ajustes menos precisos, sugiriendo la necesidad de un análisis más detallado en ciertos casos. Además, se aplicó el algoritmo K-Medoids para agrupar las curvas de NDVI en tres clústeres distintos, validando estos grupos mediante modelos de clasificación supervisada. Esta validación demostró que los modelos son capaces de distinguir entre los clústeres con alta precisión, asegurando que reflejan fielmente las variaciones en el desarrollo del NDVI según las condiciones agronómicas específicas. Los resultados demuestran que el uso de imágenes satelitales y el análisis de NDVI son herramientas efectivas para detectar anomalías en plantaciones de caña de azúcar. Este proyecto no solo contribuye al manejo eficiente de los cultivos, sino que también abre futuras líneas de investigación en la aplicación de tecnologías geoespaciales en la agricultura. La metodología y herramientas utilizadas pueden ser replicadas en otros contextos agrícolas, promoviendo el uso de tecnologías accesibles para el monitoreo y gestión de cultivos.