Balance energético en unidades de tierra de una cuenca rural basado en un sistema de información geográfica.

El objetivo de este trabajo fue desarrollar una metodología de procesamiento de información espacial basada en un Sistema de Información Geográfica (SIG), para la determinación del balance de energía en unidades de tierra (UT) definidas en una cuenca hidrográfica rural. Se determinaron las UT a partir de mapas de unidades de paisaje y de mapas de estratos de superficie operada por productor. Se caracterizaron los ingresos (IE) y egresos energéticos (EE) en los sistemas de producción agrícolas. Se calculó la energía neta (EN) y la relación EE/IE (Re). Los datos se analizaron mediante un ANVA (p < 0,05). Los parámetros IE, EE, EN y Re no fueron significativamente diferentes entre UT, por lo que se infiere que el modelo productivo actualmente desarrollado, desde el punto de vista energético, resulta similar. Se hallaron relaciones de interés entre las variables de estudio y su ubicación geográfica, lo que permite recomendar para los sistemas agrícolas de una cuenca rural la planificación general del uso de la energía considerando las capacidades de los SIG.

Análisis de componentes principales con datos georreferenciados : una aplicación en agricultura de precisión

La utilización de nuevas tecnologías asociadas a la agricultura de precisión permite capturar información de múltiples variables en gran cantidad de sitios georreferenciados dentro de lotes en producción. Las covariaciones espaciales de las propiedades del suelo y el rendimiento del cultivo pueden evaluarse a través del análisis de componentes principales clásico (PCA). No obstante, como otros métodos multivariados descriptivos, el PCA no ha sido desarrollado explícitamente para datos espaciales. Nuevas versiones de análisis multivariado permiten contemplar la autocorrelación espacial entre datos de sitios vecinos. En este trabajo se aplican y comparan los resultados de dos técnicas multivariadas, el PCA y MULTISPATI-PCA. Este último incorpora la información espacial a través del cálculo del índice de Moran entre los datos de un sitio y el dato promedio de sus vecinos. Los resultados mostraron que utilizando MULTISPATI-PCA se detectaron correlaciones entre variables que no fueron detectadas con el PCA. Los mapas de variabilidad espacial construidos a partir de la primera componente de ambas técnicas fueron similares; no así los de la segunda componente debido a cambios en la estructura de co-variación identificada, al corregir la variabilidad por la autocorrelación espacial de los datos. El método MULTISPATI-PCA constituye una herramienta importante para el mapeo de la variabilidad espacial y la identificación de zonas homogéneas dentro de lotes.