Desarrollo de Modelos de Estimación y Función Predictiva
Los valores de reflectancia espectral recogidos por sensores Satelitales, o Imágenes aéreas Multiespectrales, presentan diferentes niveles de correlación con variables físicas características de las coberturas del suelo. En ese sentido, variables mensurables sobre la tierra y con significativa autocorrelación espacial (los valores medidos es una locación presentaran similitud a los valores en locación cercanas) pueden ser relacionadas con valores espectrales; con el fin de desarrollar modelos predictivos mediante técnicas de regresión estadística.
Este tipo de técnicas presenta ventajas importantes sobre otros métodos de estimación como:
- Relativamente reducida necesidad de datos de campo (muestreo de las variables de interés).
- Estimaciones a nivel de meso-escala.
- Medición del nivel de confianza y precisión de mediante modelos estadísticos.
En particular las coberturas vegetales presentan un gran potencial para la estimación de variables como: Biomasa, LAI (índice de área foliar), fertilidad del suelo, valoración fitosanitaria, etc.
Caso: Estimación de Biomasa Vegetal
La biomasa vegetal (expresado como el valor en peso de materia seca vegetal por unidad de área) es una variable relevante en diversos estudios como: la evaluación del potencial y la sostenibilidad en plantaciones forestal; la evaluación de rendimiento para cultivos de Caña de azúcar, cereales, tubérculos, solanáceas, leguminosas y otros cultivos industriales.
Mediante la correlación y modelamiento de los valores de reflectancia espectral de la cobertura vegetal con los valores de biomasa medidos en campo bajo un diseño muestral (usando el pesaje de materia seca en estufa para parcelas muestra o funciones alométricas en transeptos para coberturas arbórea); se establecen las variables “explicativa” (derivada de los datos espectrales) con mayor nivel de asociación con los valores de biomasa para la generación de un modelo predictivos basado en funciones de regresión. Una vez desarrollado la función predictiva es posible estimar su nivel de ajuste estadísticos para la validación del modelo.
¡ Imutatis transforma sus datos en valiosa información espacial !