Mapa Nacional de Cultivos campaña 2018/2019
La disponibilidad de mapas que describan de manera precisa la localización de los principales cultivos extensivos de grano a escala nacional es un prerrequisito para numerosas aplicaciones. Por ejemplo, la estimación del área sembrada, el seguimiento del estado fisiológico de los cultivos, la estim...
| Main Authors: | , , , , , , , , , , , , , |
|---|---|
| Format: | info:ar-repo/semantics/informe técnico |
| Language: | Español |
| Published: |
INTA
2023
|
| Subjects: | |
| Online Access: | http://hdl.handle.net/20.500.12123/15134 |
| _version_ | 1855037246354227200 |
|---|---|
| author | De Abelleyra, Diego Banchero, Santiago Veron, Santiago Ramón Mosciaro, Maria Jesus Volante, Jose Norberto Boasso, Miguel Angel Castrillo, Silvana Alejandra Dacunto, Luciana Ferraina, Antonella Franzoni, Agustin Gaitan, Juan Jose Gómez Taffarel, María Cielo Moreno, Andrea Propato, Tamara Sofia |
| author_browse | Banchero, Santiago Boasso, Miguel Angel Castrillo, Silvana Alejandra Dacunto, Luciana De Abelleyra, Diego Ferraina, Antonella Franzoni, Agustin Gaitan, Juan Jose Gómez Taffarel, María Cielo Moreno, Andrea Mosciaro, Maria Jesus Propato, Tamara Sofia Veron, Santiago Ramón Volante, Jose Norberto |
| author_facet | De Abelleyra, Diego Banchero, Santiago Veron, Santiago Ramón Mosciaro, Maria Jesus Volante, Jose Norberto Boasso, Miguel Angel Castrillo, Silvana Alejandra Dacunto, Luciana Ferraina, Antonella Franzoni, Agustin Gaitan, Juan Jose Gómez Taffarel, María Cielo Moreno, Andrea Propato, Tamara Sofia |
| author_sort | De Abelleyra, Diego |
| collection | INTA Digital |
| description | La disponibilidad de mapas que describan de manera precisa la localización de los principales cultivos extensivos de grano a escala nacional es un prerrequisito para numerosas aplicaciones. Por ejemplo, la estimación del área sembrada, el seguimiento del estado
fisiológico de los cultivos, la estimación del rendimiento, y por último de la producción agrícola, requieren información georeferenciada. Conocer la distribución espacial de los cultivos permite estratificar el área para el muestreo a campo y de esta manera optimizar los recursos de los programas de estimación de la superficie sembrada con cada cultivo anualmente. Además,
proveen una manera objetiva de cuantificar la ocurrencia de doble cultivos y así mejorar la estimación del área sembrada. De la misma manera, los sistemas de monitoreo del estado y el rendimiento de cultivos que frecuentemente integran la información satelital de cada departamento sin discriminar área agrícola de no agrícola podrían beneficiarse al considerar la superficie efectivamente sembrada con cada cultivo. En conjunto, la mejora en la estimación del área sembrada y del rendimiento de cada cultivo disminuye el error en la estimación de la producción agrícola total del país y de la contribución de cada región. Mejorar la estimación de la producción agrícola tiene beneficios a múltiples escalas. A escala local permite por ejemplo anticipar la necesidad de almacenamiento, a escala regional la utilización de puertos y la demanda de transporte, a escala nacional los ingresos fiscales y la generación de divisas y a escala internacional los precios de los granos y potenciales proveedores de granos.
Finalmente, si estos mapas se producen de manera periódica permiten caracterizar a nivel de lote aspectos clave de la sustentabilidad del manejo agrícola: la rotación de cultivos y la intensidad de uso, es decir la cantidad de cultivos por estación de crecimiento (o campaña agrícola). A pesar de su importancia, existen pocos ejemplos de mapas de cultivos a escala nacional. Estados Unidos, Canadá y Europa poseen programas de seguimiento e inventario de cultivos agrícolas. Más recientemente Ucrania ha generado su primer mapa nacional de cultivos (Kussul et al. 2017). Un aspecto común entre estos programas es la utilización de información
satelital. La información provista por satelites de observacion de la tierra es particularmente adecuada para la generación de mapas de cultivos debido a su capacidad para registrar la radiación reflejada por la superficie del planeta de manera periódica, sistemática y objetiva a lo largo de extensas superficies. En particular los radiómetros ópticos proveen imágenes de la superficie en diferentes porciones del espectro electromagnético, usualmente en el visible, infrarrojo cercano, infrarrojo de onda corta e infrarrojo térmico. Si bien teóricamente la información espectrotemporal -es decir el conjunto de las adquisiciones satelitales a lo largo del
tiempo de información del espectro electromagnético- debería permitir la discriminación de cultivos, esto frecuentemente está impedido por dos razones: la nubosidad que disminuye la información útil en un dado periodo, y la diversidad espaciotemporal de fechas de siembra para un mismo cultivo La producción agrícola argentina se ha incrementado en gran medida durante los últimos años, pasando la producción de los principales granos (soja, maíz, trigo y girasol) de 34 a 143 millones de toneladas entre 1990 y 2019. En 2013, Argentina fue el tercer exportador mundial de soja y maíz y el décimo tercero de trigo (FAOSTAT, 2018) representando la agricultura una fuente de divisas y de ingresos fiscales clave para el país. En 2010 se estableció en San Antonio de Areco un sitio de estudio de la iniciativa JECAM-GEOGLAM (Experimento Conjunto para la estimación del área y monitoreo de cultivos o Joint Experiment on Crop Assessment and Monitoring en ingles - www.jecam.org). El objetivo de la iniciativa JECAM es desarrollar y
validar metodologías de estimación del área sembrada con cultivos y su seguimiento temporal a partir de información satelital. En este trabajo nuestro objetivo fue generar un mapa de tipos de cultivo para el área agrícola extensiva de Argentina. Para ello capitalizamos la disponibilidad de plataformas de almacenamiento y procesamiento de imágenes satelitales en la nube y de
nuevos algoritmos de clasificación supervisada, junto con la experiencia previa en la generación de mapas regionales de los grupos de trabajo de INTA involucrados en este trabajo. |
| format | info:ar-repo/semantics/informe técnico |
| id | INTA15134 |
| institution | Instituto Nacional de Tecnología Agropecuaria (INTA -Argentina) |
| language | Español |
| publishDate | 2023 |
| publishDateRange | 2023 |
| publishDateSort | 2023 |
| publisher | INTA |
| publisherStr | INTA |
| record_format | dspace |
| spelling | INTA151342024-08-06T09:20:59Z Mapa Nacional de Cultivos campaña 2018/2019 De Abelleyra, Diego Banchero, Santiago Veron, Santiago Ramón Mosciaro, Maria Jesus Volante, Jose Norberto Boasso, Miguel Angel Castrillo, Silvana Alejandra Dacunto, Luciana Ferraina, Antonella Franzoni, Agustin Gaitan, Juan Jose Gómez Taffarel, María Cielo Moreno, Andrea Propato, Tamara Sofia Utilización de la Tierra Producción Soja Maíz Trigo Girasol Land Use Production Soybeans Maize Wheat Sunflowers Area Sembrada Regiones Agrícolas Agricultural Regions Sown Area La disponibilidad de mapas que describan de manera precisa la localización de los principales cultivos extensivos de grano a escala nacional es un prerrequisito para numerosas aplicaciones. Por ejemplo, la estimación del área sembrada, el seguimiento del estado fisiológico de los cultivos, la estimación del rendimiento, y por último de la producción agrícola, requieren información georeferenciada. Conocer la distribución espacial de los cultivos permite estratificar el área para el muestreo a campo y de esta manera optimizar los recursos de los programas de estimación de la superficie sembrada con cada cultivo anualmente. Además, proveen una manera objetiva de cuantificar la ocurrencia de doble cultivos y así mejorar la estimación del área sembrada. De la misma manera, los sistemas de monitoreo del estado y el rendimiento de cultivos que frecuentemente integran la información satelital de cada departamento sin discriminar área agrícola de no agrícola podrían beneficiarse al considerar la superficie efectivamente sembrada con cada cultivo. En conjunto, la mejora en la estimación del área sembrada y del rendimiento de cada cultivo disminuye el error en la estimación de la producción agrícola total del país y de la contribución de cada región. Mejorar la estimación de la producción agrícola tiene beneficios a múltiples escalas. A escala local permite por ejemplo anticipar la necesidad de almacenamiento, a escala regional la utilización de puertos y la demanda de transporte, a escala nacional los ingresos fiscales y la generación de divisas y a escala internacional los precios de los granos y potenciales proveedores de granos. Finalmente, si estos mapas se producen de manera periódica permiten caracterizar a nivel de lote aspectos clave de la sustentabilidad del manejo agrícola: la rotación de cultivos y la intensidad de uso, es decir la cantidad de cultivos por estación de crecimiento (o campaña agrícola). A pesar de su importancia, existen pocos ejemplos de mapas de cultivos a escala nacional. Estados Unidos, Canadá y Europa poseen programas de seguimiento e inventario de cultivos agrícolas. Más recientemente Ucrania ha generado su primer mapa nacional de cultivos (Kussul et al. 2017). Un aspecto común entre estos programas es la utilización de información satelital. La información provista por satelites de observacion de la tierra es particularmente adecuada para la generación de mapas de cultivos debido a su capacidad para registrar la radiación reflejada por la superficie del planeta de manera periódica, sistemática y objetiva a lo largo de extensas superficies. En particular los radiómetros ópticos proveen imágenes de la superficie en diferentes porciones del espectro electromagnético, usualmente en el visible, infrarrojo cercano, infrarrojo de onda corta e infrarrojo térmico. Si bien teóricamente la información espectrotemporal -es decir el conjunto de las adquisiciones satelitales a lo largo del tiempo de información del espectro electromagnético- debería permitir la discriminación de cultivos, esto frecuentemente está impedido por dos razones: la nubosidad que disminuye la información útil en un dado periodo, y la diversidad espaciotemporal de fechas de siembra para un mismo cultivo La producción agrícola argentina se ha incrementado en gran medida durante los últimos años, pasando la producción de los principales granos (soja, maíz, trigo y girasol) de 34 a 143 millones de toneladas entre 1990 y 2019. En 2013, Argentina fue el tercer exportador mundial de soja y maíz y el décimo tercero de trigo (FAOSTAT, 2018) representando la agricultura una fuente de divisas y de ingresos fiscales clave para el país. En 2010 se estableció en San Antonio de Areco un sitio de estudio de la iniciativa JECAM-GEOGLAM (Experimento Conjunto para la estimación del área y monitoreo de cultivos o Joint Experiment on Crop Assessment and Monitoring en ingles - www.jecam.org). El objetivo de la iniciativa JECAM es desarrollar y validar metodologías de estimación del área sembrada con cultivos y su seguimiento temporal a partir de información satelital. En este trabajo nuestro objetivo fue generar un mapa de tipos de cultivo para el área agrícola extensiva de Argentina. Para ello capitalizamos la disponibilidad de plataformas de almacenamiento y procesamiento de imágenes satelitales en la nube y de nuevos algoritmos de clasificación supervisada, junto con la experiencia previa en la generación de mapas regionales de los grupos de trabajo de INTA involucrados en este trabajo. Fil: de Abelleyra, Diego Sebastián. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Clima y Agua; Argentina Fil: Verón, Santiago Ramón. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Clima y Agua; Argentina Fil: Banchero, Santiago. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Clima y Agua; Argentina Fil: Mosciaro, Jesús. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Salta; Argentina Fil: Volante, José. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Salta; Argentina Fil: Boasso, Miguel. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Salta; Argentina Fil: Castrillo, Silvana. Universidad Nacional de Salta; Argentina Fil: Dacunto, Luciana. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Clima y Agua; Argentina Fil: Ferraina, A. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Clima y Agua; Argentina Fil: Franzoni, Agustín. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Salta; Argentina Fil: Gaitan, Juan José. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Suelos; Argentina Fil: Gómez Taffarel, María Cielo. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina Fil: Moreno, Andrea. Universidad Nacional de Salta; Argentina Fil: Propato, Tamara. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Clima y Agua; Argentina 2023-09-07T11:47:50Z 2023-09-07T11:47:50Z 2019-09-01 info:ar-repo/semantics/informe técnico info:eu-repo/semantics/report info:eu-repo/semantics/publishedVersion http://hdl.handle.net/20.500.12123/15134 spa info:eu-repograntAgreement/INTA/PROGRAMA NACIONAL DE RECURSOS NATURALES Y GESTIÓN AMBIENTAL PROYECTO MAPBIOMAS (Convenio 26121) RED JECAM-GEOGLAM Sitio Argentina info:eu-repo/semantics/reference/doi/10.5281/zenodo.8286326 info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf INTA |
| spellingShingle | Utilización de la Tierra Producción Soja Maíz Trigo Girasol Land Use Production Soybeans Maize Wheat Sunflowers Area Sembrada Regiones Agrícolas Agricultural Regions Sown Area De Abelleyra, Diego Banchero, Santiago Veron, Santiago Ramón Mosciaro, Maria Jesus Volante, Jose Norberto Boasso, Miguel Angel Castrillo, Silvana Alejandra Dacunto, Luciana Ferraina, Antonella Franzoni, Agustin Gaitan, Juan Jose Gómez Taffarel, María Cielo Moreno, Andrea Propato, Tamara Sofia Mapa Nacional de Cultivos campaña 2018/2019 |
| title | Mapa Nacional de Cultivos campaña 2018/2019 |
| title_full | Mapa Nacional de Cultivos campaña 2018/2019 |
| title_fullStr | Mapa Nacional de Cultivos campaña 2018/2019 |
| title_full_unstemmed | Mapa Nacional de Cultivos campaña 2018/2019 |
| title_short | Mapa Nacional de Cultivos campaña 2018/2019 |
| title_sort | mapa nacional de cultivos campana 2018 2019 |
| topic | Utilización de la Tierra Producción Soja Maíz Trigo Girasol Land Use Production Soybeans Maize Wheat Sunflowers Area Sembrada Regiones Agrícolas Agricultural Regions Sown Area |
| url | http://hdl.handle.net/20.500.12123/15134 |
| work_keys_str_mv | AT deabelleyradiego mapanacionaldecultivoscampana20182019 AT bancherosantiago mapanacionaldecultivoscampana20182019 AT veronsantiagoramon mapanacionaldecultivoscampana20182019 AT mosciaromariajesus mapanacionaldecultivoscampana20182019 AT volantejosenorberto mapanacionaldecultivoscampana20182019 AT boassomiguelangel mapanacionaldecultivoscampana20182019 AT castrillosilvanaalejandra mapanacionaldecultivoscampana20182019 AT dacuntoluciana mapanacionaldecultivoscampana20182019 AT ferrainaantonella mapanacionaldecultivoscampana20182019 AT franzoniagustin mapanacionaldecultivoscampana20182019 AT gaitanjuanjose mapanacionaldecultivoscampana20182019 AT gomeztaffarelmariacielo mapanacionaldecultivoscampana20182019 AT morenoandrea mapanacionaldecultivoscampana20182019 AT propatotamarasofia mapanacionaldecultivoscampana20182019 |