Evaluación del uso de agua de genotipos de eucalyptus mediante estimaciones del índice de área foliar a partir de imágenes multiespectrales.
Loading...
Date
2024
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad de Concepción
Abstract
The present study aimed to evaluate the water use (WU) of 16 selected genotypes of Eucalyptus globulus, E. nitens, E. badjensis, E. smithii, E. nitens × globulus and hybrids of E. camaldulensis × globulus established under contrasting conditions of water availability (irrigated vs. rainfed), by estimating the leaf area index (LAI) from high resolution (0.005 m, DJI Matrice 210 RTK V2 drone) and lower resolution (10 m, Sentinel 2) multiespectral images. The ground leaf area index (LAIG) was correlated with four vegetation indices (NDVI, SR, SAVI and GCI) obtained from both sensors, in order to select the best remote sensing LAI estimator (LAIRS). The models were evaluated based on R², Syx and residual analisys statistics; the model with the highest predictive power achieved an R² of 0.23 and p-value of 2.46E-12. Given the low overall predictive power, the LAIG was used to estimate total evapotranspiration (ET) and water consumption for each genotype. The multispectral images coupled to the drone showed greater predictive accuracy than those of Sentinel-2, with the SAVI being the best predictor in irrigation conditions and the GCI in rainfed. Furthermore, ET varied according to genotypes and water treatment: Eucalyptus smithii and E. badjensis showed a high transpiration capacity, being suitable for areas with variable water availability, while E. nitens presented lower ET, making it ideal for minimizing water use. These findings could help optimize genotype selection based on water availability, promoting a more efficient and sustainable use of water resources in forest plantations.
El presente estudio tuvo como objetivo evaluar el uso de agua (UA) de 16 genotipos seleccionados de Eucalyptus globulus, E. nitens, E. badjensis, E. smithii, E. nitens × globulus e híbridos de E. camaldulensis × globulus establecidos en condiciones contrastantes de disponibilidad de agua (riego vs secano), mediante la estimación del índice de área foliar (IAF) a partir de imágenes multiespectrales de alta resolución (0,05 m, dron DJI Matrice 210 RTK V2) y de menor resolución (10 m, Sentinel-2). El índice de área foliar de campo (IAFC) se correlacionó con cuatro índices de vegetación (NDVI, SR, SAVI y GCI) obtenidos de ambos sensores, con el fin de seleccionar el mejor estimador del IAF por teledetección (IAFT). Los modelos fueron evaluados en función de los estadísticos R², Syx y análisis de residuos; el modelo con mayor poder predictivo alcanzó un R2 de 0,23 y valor-p de 2,46E-12. Dado el bajo poder predictivo general, se utilizó el IAFC para estimar de la evapotranspiración total (ET) y el consumo de agua de cada genotipo. Las imágenes multiespectrales acopladas al dron mostraron una mayor precisión predictiva que las de Sentinel-2, siendo el SAVI el mejor predictor en condiciones de riego y el GCI en secano. Además, la ET varió según los genotipos y tratamiento hídrico: Eucalyptus smithii y E. badjensis mostraron una alta capacidad de transpiración, siendo adecuadas para áreas con disponibilidad variable de agua, mientras que E. nitens presentó menor ET, lo que lo hace ideal para minimice el uso de agua. Estos hallazgos podrían ayudar a optimizar la selección de genotipos en función de la disponibilidad de agua, promoviendo un uso más eficiente y sostenible de los recursos hídricos en plantaciones forestales.
El presente estudio tuvo como objetivo evaluar el uso de agua (UA) de 16 genotipos seleccionados de Eucalyptus globulus, E. nitens, E. badjensis, E. smithii, E. nitens × globulus e híbridos de E. camaldulensis × globulus establecidos en condiciones contrastantes de disponibilidad de agua (riego vs secano), mediante la estimación del índice de área foliar (IAF) a partir de imágenes multiespectrales de alta resolución (0,05 m, dron DJI Matrice 210 RTK V2) y de menor resolución (10 m, Sentinel-2). El índice de área foliar de campo (IAFC) se correlacionó con cuatro índices de vegetación (NDVI, SR, SAVI y GCI) obtenidos de ambos sensores, con el fin de seleccionar el mejor estimador del IAF por teledetección (IAFT). Los modelos fueron evaluados en función de los estadísticos R², Syx y análisis de residuos; el modelo con mayor poder predictivo alcanzó un R2 de 0,23 y valor-p de 2,46E-12. Dado el bajo poder predictivo general, se utilizó el IAFC para estimar de la evapotranspiración total (ET) y el consumo de agua de cada genotipo. Las imágenes multiespectrales acopladas al dron mostraron una mayor precisión predictiva que las de Sentinel-2, siendo el SAVI el mejor predictor en condiciones de riego y el GCI en secano. Además, la ET varió según los genotipos y tratamiento hídrico: Eucalyptus smithii y E. badjensis mostraron una alta capacidad de transpiración, siendo adecuadas para áreas con disponibilidad variable de agua, mientras que E. nitens presentó menor ET, lo que lo hace ideal para minimice el uso de agua. Estos hallazgos podrían ayudar a optimizar la selección de genotipos en función de la disponibilidad de agua, promoviendo un uso más eficiente y sostenible de los recursos hídricos en plantaciones forestales.
Description
Tesis presentada para optar al grado académico de Magíster en Ciencias Forestales
Keywords
Eucaliptos, Fotogrametría, Biomasa vegetal