Download - Presentacióncip
Uso de sensores remotos y próximos en la generación de evidencias para la toma de decisión en Agricultura
ALIANZA EVIDENCIA PERÚ - OCTUBRE 12, 2015
Presentado por R. Quiroz
Contents
• El CIP y el consorcio CGIAR• Algunas definiciones• Sensores remotos para generar
estadísticas agrarias• Debemos cuantificar el balance de
carbono en el suelo?
Alianza estratégica dedicada al avance de la ciencia para enfrentar los retos contemporáneos más importantes:
• Reducción de la pobreza rural• Mejoramiento de la seguridad alimentaria• Mejoramiento de la nutrición y la salud• Manejo sostenible de los recursos naturales
Su investigación es ejecutada por 15 Centros internacionales de investigación agrícola, que trabajan a nivel global en colaboración con cientos de socios.
Centros y su ubicación
MisiónEl Centro Internacional de la Papa (CIP) es una organización de investigación para el desarrollo especializada en papa, camote y raíces y tubérculos andinos. Su objetivo es brindar soluciones sostenibles basadas en la ciencia a los acuciantes problemas de hambre, pobreza, igualdad de género, cambio climático y preservación de la frágil biodiversidad de nuestro planeta y sus recursos naturales.
VisionNuestra visión es que las raíces y los tubérculos Mejoren las vidas de los pobres
Visi
on •
Mis
ión
International Potato Center (CIP)
1. Cali (Colombia)2. Quito (Ecuador)3. Lima (Peru)4. Huancayo (Peru)5. San Ramon (Peru)6. Cochabamba (Bolivia)
8. Kumasi (Ghana)9. Ibadan (Nigeria)11. Addis Ababa (Ethiopia)12. Nairobi (Kenya)13. Kabale (Uganda)14. Ruhengeri (Rwanda)15. Lilongwe (Malawi)16. Blantyre (Malawi)17. Chimoio (Manica Province, Mozambique)
18. Tashkent (Uzbekistan)19. New Delhi (India)20. Shillong (India)21. Kathmandu (Nepal)22. Dhaka (Bangladesh) 23. Bhubaneswar (India)24. Beijing (China)25. Hanoi (Vietnam)26. Lambang (Indonesia)27. Los Banos (Philippines)28. Manokwari (Papua Indonesia)29. Wamena (Papua Indonesia)
CIP en el mundo
DefinicionesSensor remoto
Sensor in situ o próximo
Space-born remote sensing
Sweet potato plot Distribution of Sweet potato fields around Kumi town
Estadísticas de cultivo
Source: Zorogastua et al., 2014
Limitantes?
Quadcopter Open Source
Quadcopter Open Source based on Ardupilot
Ardupilot’s Electronic System
MikroKopter’s Electronic System
Desarrollo de UAVs de bajo costo
Spectra CIP Spectroscopy Operating Software for Windows
USB2000+VIS-NIR-ES Spectrometer
Software Open SourceSpectra CIP Software
Acquisition Multispectral System
Acquisition Multispectral System Assembled
1. Power Supply System2. Mini PC (pcDuino)3. Cameras CCD (Red & NIR)4. LiPo Battery Holder 1
2
3
4
Sensores e interfaces de bajo costo
NDVI with TETRACAM ADC Micro NDVI with CIP Built Camera
Reducing camera cost while improving image quality
RGB Original Image – Canon EOS
Sensores: bajo costo vs. baratos
Mapeos de zonas de cultivo: Tanzania
Area(m2)
Crops Estimated Area (m2)
Corn 381.193
Sweetpotato 429.143
Cassava 362.233
Reference Polygon
From Image 744.032
Measured 734.875
Error -1.25 %
Determinando áreas con diferentes cultivos
NDVI
Estimación de rendimientoSpatial yield monitoring
Importancia del carbono en el suelo
Sensores próximos para análisis de carbono en suelos: Espectroscopía
infrarroja
• Rapid, Low cost
• Reproducible
• Predicts many soil functional properties
Parameter R2 PCs
Total N 0.9 8
Total C 0.92 6
Organic C 0.92 6
pH 0.89 10
Ca 0.95 9
K 0.81 10
Mg 0.92 10
CEC 0.96 9
P sorption index 0.82 9
Source: K. Shepherd (ICRAF)
LIBS System
Source: Da Silva et al., 2008
LIF Emission spectrum
400 450 500 550 600 650 700
0
1
2
3
soil calcinate and treated soil
Inte
nsity
(a.u
.)
(nm)
Milori et al., SSSAJ, 2006.; González-Pérez et al., Geoderma, 2007
excitation = 458 nm
Humification Degree:HLIF = LIF Area/total carbon
Bench and portable LIF correlate well with EPR findings
Electron Paramagnetic Resonance (EPR)EMBRAPA Lab.
2 3 4 5 6 7 8 9
2.0
2.5
3.0
3.5
4.0
4.5
5.0
R=0.93; P<0.0001
LIF
benc
h sy
stem
: HLI
F (a.
u.)
EPR [(spins g-1C) x 1017]
SOM characterization with 13C-NMR
Nuclear Magnetic ResonanceEMBRAPA Lab
Sampling-transect to assess carbon contents and stocks in Southern Peru.Source: Segnini et al., 2010
Selected characteristics of the sampling sites.
loamclay loamloamloamloamSoil class
20°C8 °C14°C17°C19°CT mean ( °C)
2133690-83451155Precipitation (mm)
Coffee, potato, maize,
coca, citrus
Potato, oat, alfalfa,
grasslands, peat lands
Avocado, potato, maize,
alfalfa, cassava
Maize, potato, grape, orange,
alfalfa, onion, beans
Maize, oliveCropping system
1,3503,8302,200960135Altitude (m)
humid valley
Semi-Arid high
plateau
Arid high valley
Arid low valley
Arid CoastAgro eco zones
San Juan del Oro
PunoTorataMoqueguaIlosites
Acervos de carbono en diversos suelos Andinos
Mai
ze
Oliv
e
Alfa
lfa I
Pot
ato
I
Gra
pe
Avo
cado
Alfa
lfa II
Cof
fee
Fore
st
Pot
ato
II
0 - 2.5
10 - 200
510
15
20
25
30
35
40
LIF index (a.u.)
Land use
depth (cm)
0 - 2.5
2.5 - 5
5 - 10
10 - 20
20 - 30
Estabilidad del Carbono
# HLIF can be estimated through the ratio area under fluorescence emission (excitation range 350 - 480 nm) / total organic carbon content.
Humification degree or carbon stability (HLIF) of whole soils obtained through Laser Induced Fluorescence (LIF) spectroscopy.
Imágenes LANDSAT 5, Junio 1987y LANDSAT 8, Julio del 2015En color verde claro, se tienen las áreas cubiertas con maca aJulio de 2015, y que en 1987 fueron Pastizales.
775
Junín
Extraction of soil and climate parameters from agro-ecological cells or polygons for model parameterization
Modelación de la dinámica del carbono en el suelo:
Weather data used to run the model:
Rainfall: essential
Air temperature: essential
Temporal resolution of weather data:
Monthly: essential
Spatial resolution of weather data:
Local scale: essential
Source: FAO
Peatlands to potato
050
100150
200250300350
2000 2050Scenarios
Gig
agra
ms
(10x
9)
Bolivia Peru
Grasslands to potato
0
2000
4000
6000
8000
10000
12000
2000 2050Scenarios
Gig
agra
ms
(10x
9)
Bolivia Peru
Estimación de pérdida potencial de carbono en las zonas altas de Perú y Bolivia.
Gracias