Efecto de la variabilidad del suelo sobre el NDVI en el cultivo de arroz en el diseño de un seguro agrícola indexado para sequia Foro mundo UNIGIS 2017 17 noviembre 2017 Autores: Omar Valverde Arias, Ana María Tarquis, Alberto Garrido, Francisco Carreño y Antonio Saa
1. Introducción • Implementación de un seguro agrícola indexado para sequia en el cultivo de arroz • Índice de vegetación de diferencia normalizada (NDVI) para monitorear la ocurrencia de sequia en el cultivo de arroz • El índice debe correlacionar con exactitud con las pérdidas ocurridas en el cultivo por efecto de la sequía, para evitar el riesgo base • Evaluamos una metodología de muestreo estratificado de NDVI que considera la variabilidad del suelo encontrada en el área de estudio 1/14
2. Objetivos • Establecer una metodología de muestreo de NDVI que permita obtener una lectura del índice de ocurrencia de sequia representativa en toda el área de influencia del seguro • Reducir tanto como sea posible el riesgo base en una eventual implementación de un seguro agrícola indexado para sequia 2/14
3. MetodologĂa
Ubicación del área de estudio Sudamérica Ecuador Cantón Babahoyo: 109,391 ha Cultivo de arroz: 46,556 ha
3/14
Datos: Inputs
Detalle
Mapa de Zonas Agroecológicas Homogeneas (ZAH) Mapa áreas cultivadas con arroz 2015 Producto: MODIS MOD13Q1V6 Layers: 250m_16_days_NDVI (140), 250m_16_days_red_reflectance (14), 250m_16_days_blue_reflectance (14), 250m_16_days_NIR reflectance (14) y 250m_16_days_MIR reflectance (14)
1: 250,000
SIG software
Arc Gis 10 x
1: 25,000 Resolución: Espacial 250 m/pixels Temporal 16 días Radiométrica 16 bits
4/14
Muestreo estratificado
13 ZAH
7 ZAH 5/14
AHZ f4 f6 f7 f11 f15 f18 f22
% 3,8 3,8 36,8 1,1 53,9 0,1 0,4
f7 and f15 91 %
6/14
Base de datos
NASA LP DAAC MOD13Q1: MODIS/Terra Vegetation Indices 16-Day Down load (140 hdf) We projected Imagery to reference system WGS84; Zone 17 South Multiplied pixel values by scaling factor 0.0001
Statistical analysis
Database .dbf
Extract NDVI, red, blue, NIR MIR values by point shapefile
Values 0-1 7/14
8/14
Análisis estadístico Se realizó los estadísticos descriptivos, un ANOVA para evaluar las diferencias entre ZAH para las variables rojo, azul, NIR y MIR. Un ANOVA con factores de variabilidad: ZAH y años, para la variable NDVI_ave. También se corrió el test (LSD) de las medias de cada ZAH para las variables analizadas Además, se evaluó varias densidades de muestreo: 30, 25, 20, 15, 10 y 5% del área total de estudio para lo cual se realizó un ANOVA con factores de variabilidad: densidades de muestreo y ZAH
9/14
4. Resultados y discusiรณn
ANOVA para reflectancia de rojo, azul, NIR y MIR Source
Inter-groups Intra-groups TOTAL (CORRECTED) Inter-groups Intra-groups TOTAL (CORRECTED) Inter-groups Intra-groups TOTAL (CORRECTED) Inter-groups Intra-groups TOTAL (CORRECTED)
Square sum
F.D.
0.610487 52.4279
Red 1 4489
53.0383
4490
1.34983 57.1366
NIR 1 4489
58.4864
4490
1.17421 53.9605
Blue 1 4489
55.1348
4490
0.00336925 21.2205
MIR 1 4489
21.2239
4490
Mean square
F-Ratio
P-Value
0.610487 0.0116792
52.27
0.000
1.34983 0.0127281
106.05
0.000
1.17421 0.0120206
97.68
0.000
0.00336925 0.00472723
0.71
0.3985
10/14
11/14
ANOVA para NDVI_ave Source
Sum of squares
F.D.
Mean square
F-Ratio
P-Value
2.55527 92.0745
1 13
2.55527 7.08266
299.17 829.24
0.000 0.000
11.8439 223.129
13 26124
0.911069 0.00854117
106.67
0.000
324.689
26151
MAIN EFFECTS A:Zones B:Years ITERACTIONS AB RESIDUES TOTAL (CORRECTED)
Slope Clay Effective depth pH Organic matter Temperature Precipitation Soil Classification*
Zone f7 0-5% >50%
Zone f15 5-12% 35-50%
50-100 cm
>100 cm
5.6-6.5 2-4% 24-25 ยบC 500-700 mm Typic Hapluderts
6.6-7.4 2-4% 24-25 ยบC 700-900 mm Vertic Eutrudepts
*According to USDA Soil Taxonomy (Soil Survey Staff, 2014)
12/14
ANOVA para densidades de muestreo Source
Sum of squares
F.D.
Mean square
F-Ratio
P-Value
0.0322609 5.80211
5 1
0.00645218 5.80211
0.52 470.96
0.7585 0.000
0.0920502 1127.5
5 91520
0.01841 0.0123197
1.49
0.1879
1136.13
91531
MAIN EFFECTS A: Sampling density B:Zones INTERACTIONS AB RESIDUES TOTAL (CORRECTED)
13/14
5. Conclusiones •La evaluación de suelos en el diseño de muestreo de NDVI es muy recomendable para obtener lecturas del índice de ocurrencia de sequia mas representativos en la implementación de un seguro agrícola indexado •El muestreo estratificado propuesto, que establece un nuevo nivel de segregación a través de las ZAH ha discriminado la variabilidad encontrada en el área de estudio de una manera mas precisa •Fijar umbrales de pérdidas o valores de primas diferenciados para cada ZAH (f7 y f15) cuando estas son estadísticamente diferentes permite reducir el riesgo base 14/14
Gracias por su atenciรณn omar.varias@alumnos.upm.es; anamaria.tarquis@upm.es; alberto.garrido@upm.es; antonio.saa@upm.es; francisco.carreno@urjc.es