Gustavo Ovando

Development and evaluation of neural network models to estimate daily solar radiation at Córdoba, Argentina

The objective of this work was to develop neural network models of backpropagation type to estimate solar radiation based on extraterrestrial radiation data, daily temperature range, precipitation, cloudiness and relative sunshine duration. Data from Cordoba, Argentina, were used for development and validation. The behaviour and adjustment between values observed and estimates obtained by neural networks for different combinations of input were assessed. These estimations showed root mean square error between 3.15 and 3.88 MJ m -2 d -1 . The latter corresponds to the model that calculates radiation using only precipitation and daily temperature range. In all models, results show good adjustment to seasonal solar radiation. These results allow inferring the adequate performance and pertinence of this methodology to estimate complex phenomena, such as solar radiation.

Uso del Índice de Área Foliar y del Porcentaje de Cobertura del Suelo Para Estimar la Radiación Interceptada en Papa

Debido a que no existen antecedentes en el cinturon verde de Cordoba, Argentina, del uso de aparatos para medir el indice de area foliar (IAF) a traves de la intercepcion luminica en el cultivo de papa (Solanum tuberosum L.), se desarrollo un trabajo con estos objetivos: i) evaluar el empleo y capacidad de un instrumento optico para determinar el IAF; ii) verificar la utilizacion del IAF y de la cobertura del suelo como mediciones alternativas del desarrollo de la parte aerea del cultivo, a fin de estimar la fraccion de radiacion interceptada (fAPAR). Las mediciones se realizaron durante la campana de papa semitardia del ano 2005 (del 4 de febrero al 1 de junio), en un ensayo de densidad de plantacion ubicado proximo a la ciudad de Cordoba (31°30? lat. Sur, 64°08? long. Oeste, 402 m.s.n.m.), que consistio de tres tratamientos, en pl m-2: 6,0 ± 0,6 (TDC); 3,9 ± 0,2 (TDB) y 7,9 ± 0,7 (TDA). El IAF se midio por medio de un interceptometro optico y el porcentaje de cobertura del suelo (%C) a partir de fotografias digitales. Los valores de IAF calculados con las mediciones del interceptometro se contrastaron con determinaciones fotogrametricas, obteniendo una correlacion aceptable (R2 = 0,80; P < 0,01) entre ambos. La relacion entre IAF y fAPAR se mantuvo uniforme, tanto en el sentido de comparar las densidades de plantacion, como asi tambien durante diferentes momentos del ciclo. Hasta que el cultivo alcanza cobertura maxima, la relacion entre %C y fAPAR es lineal, con un coeficiente de ajuste altamente significativo (R2 = 0,93; P < 0,01), si bien se aparta ligeramente de la relacion 1:1.

Neural Network Model for Land Cover Classification from Satellite Images

Los datos de cobertura de suelo representan informacion ambiental clave para aplicaciones cientificas y politicas, por esto su clasificacion a partir de imagenes satelitales es importante. Las redes neuronales (NN) constituyen una herramienta valiosa para clasificar imagenes satelitales pues no requieren hipotesis sobre la distribucion de los datos. Los objetivos de este trabajo fueron desarrollar modelos de NN para clasificar datos de cobertura de suelo a partir de informacion proveniente de imagenes satelitales y evaluarlos cuando se utilizan diferentes variables de entrada. Se utilizaron imagenes satelitales MODIS-MYD13Q1 y datos de 85 parcelas en Cordoba (Argentina). Se disenaron cinco NN del tipo perceptron multicapa feed-forward. Cuatro de ellas recibieron como patrones de entrada valores de NDVI (Normalized Difference Vegetation Index), EVI (Enhanced Vegetation Index), de reflectancias en la bandas roja (RED) y en infrarroja cercana (NIR), respectivamente. La quinta NN tuvo como valores de entrada las reflectancias RED y NIR. La validacion, permitio concluir que todos los modelos presentan un buen desempeno. El modelo que muestra mejor comportamiento es aquel que considera conjuntamente valores de reflectancias RED y NIR, cuya precision en la clasificacion es del 93% con un estadistico Kappa excelente. Las redes construidas individualmente a partir de valores de NDVI y EVI tienen un comportamiento similar (86 y 83% de exactitud, respectivamente), con estadisticos Kappa muy bueno y bueno, respectivamente. Las NN que incluyen solo valores de RED o NIR presentaron los menores porcentajes de exactitud (76 y 81%, respectivamente) con indices Kappa regular y bueno, respectivamente.

Estimating soybean ground cover from satellite images using neural-networks models

The ground cover is a necessary parameter for agronomic and environmental applications. In Argentina, soybean (Glycine max (L.) Merill) is the most important crop; therefore it is necessary to determine its amount and configuration. In this work, neural-network (NN) models were developed to calculate soybean percentage ground cover (fractional vegetation cover, fCover) and to compare the accuracy of the estimate from Moderate-Resolution Imaging Spectroradiometer (MODIS) and Landsat satellites data. The NN design included spectral values of the red and near-infrared (NIR) bands as input variables and one neuron output, which expressed the estimated coverage. Data of fCover were acquired throughout the growing season in the central plains of Córdoba (Argentina); they were used for training and validating the networks. The results show that the NNs are an appropriate methodology for estimating the temporal evolution of soybean coverage fraction from MODIS and Landsat images, with coefficients of determination (R 2) equal to 0.90 and 0.91, respectively.

REDES NEURONALES PARA MODELAR PREDICCIÓN DE HELADAS

A B S T R A C T In this work models based on neural networks of the backpropagation type were developed in order to predict the occurrence of frosts from meteorological data such as temperature, relative humidity, cloudiness and wind direction and speed. The training and the validation of the networks were made on the basis of 24 years of meteorological data corresponding to the Rio Cuarto station, Cordoba, Argentina. These data were grouped as follows: 10 years for the training data set and 14 years for the validation data set. Different models were built to evaluate the performance of the networks when different numbers of input variables and/or neurons in the hidden layer are used, and the probabilities of success in the prediction results on considering different input variables. In the models used, the percentage of days with prediction error was 2%, approximately, for the 14 years of application; when effective frosts days are considered the percentage varies between 10 and 23%, for the same period. The simulation results demonstrated the good performance and the relevance of this methodology for the estimation of the behavior of non-linear phenomena like frosts.

Estimating maize ground cover using spectral data from Aqua-MODIS in Córdoba, Argentina

Ground cover by foliage is a biophysical property of vegetation linked both to the interception of photosynthetically active radiation and to the crop transpiration rate. The spectral information provided by the Moderate Resolution Imaging Spectroradiometer on board the Aqua (Aqua-MODIS) satellite, which has a spatial resolution of 250 m, is an observation and monitoring resource that may be appropriate for estimating the ground cover of maize when plots exceed 40 ha. In this research, 10 maize plots were monitored in the central region of the province of Córdoba, Argentina, during the 2005–2006 growing season, obtaining photographic records of ground cover and soil moisture data. The normalized difference vegetation index (NDVI) of the Aqua-MODIS images showed a significant linear relationship with maize ground cover which, when the complete cycle is taken into account, is sufficient to explain 87% of the variability of ground cover, with an RMSE of 9%, a level of accuracy that increases when the crop is in the vegetative stage and the moisture conditions of the soil are less limiting. Other vegetation indices and linear mixed models were assessed. In addition to using data from the red and near-infrared channels, they incorporate information about soil conditions, but they showed no predictive advantages compared to the NDVI, resulting in simple models that explained between 77% and 87% of the variability of ground cover, with RMSE values of between 9% and 14%.

Influencia de Episodios El Niño-Oscilación Sur (ENOS) Sobre la Precipitación y el Rendimiento de Maíz en la Provincia de Córdoba, Argentina

Estudios de la influencia del fenomeno El Nino-Oscilacion Sur (ENSO) sobre las condiciones atmosfericas de distintas regiones, han determinado patrones caracteristicos en el regimen de lluvia durante los anos de El Nino y La Nina. La posibilidad de anticipar tales condiciones por medio del Indice de Oscilacion Sur (IOS), entre otros indicadores, ha creado la expectativa de utilizar esta informacion con fines de pronostico. Un analisis de la precipitacion trimestral y semestral de seis localidades de la provincia de Cordoba, y de la region en su conjunto (Zona), verifica la asociacion inversa entre la anomalia de lluvia y el IOS. Esta relacion es mas consistente para el semestre calido que aporta la mayor proporcion (80%) de la precipitacion anual en la region. Durante los anos El Nino, que corresponden a anomalias positivas de precipitacion, existe mayor frecuencia de anomalias positivas de rendimiento departamental de maiz (Zea mays L.), pero son de escasa magnitud. Las anomalias negativas de precipitacion ocurren de manera preponderante en los anos La Nina y se vinculan con anomalias negativas de rendimiento, con frecuencias estadisticamente distintas no solo a la de los anos El Nino, sino tambien a las que presentan los anos Neutros. Se discuten algunas de las dificultades relacionadas con el uso de las senales ENOS con fines de pronostico.

Assessment of surface solar irradiance retrieved by CERES

ABSTRACT This study compared and evaluated the monthly global solar radiation generated by Clouds and the Earth’s Radiant Energy System (CERES) with the surface radiation registered in 232 meteorological stations located in whole Spain, for the period of July 2006–July 2015. Results showed strong correlations between CERES and registered data with R2 values greater than 0.96, for all stations considered. When the temporal evolution of recorded and provided by CERES solar radiation was analysed, a systematic overestimation by CERES was detected from July 2011, although the shapes of both curves were respected in the whole period. This finding led us to propose a linear adjustment model since July 2011. After applying the developed model to rescale CERES data for the whole period, an improvement in solar radiation fit was observed. Our finding offers an insight into error patterns of CERES solar radiation, since July 2011, and proposes a model for improving accuracy allowing therefore a reliable use of this product. Moreover, our study on radiation data of Spain provides a case example for worldwide validation.

Integración del Índice de Vegetación de la Diferencia Normalizada (NDVI) y del Ciclo Fenológico de Maíz para Estimar el Rendimiento a Escala Departamental en Córdoba, Argentina

La integracion de datos radiometricos con informacion agroclimatica puede resultar en mejores procedimientos para evaluar el estado y evolucion de los cultivos. En este trabajo, datos del calendario fenologico del cultivo de maiz (Zea mays L.), estimados a partir de procedimientos de sumas termicas, fueron integrados con registros del Indice de Vegetacion de la Diferencia Normalizada (NDVI) de cobertura global del sistema Radiometro Avanzado de Muy Alta Resolucion de la Administracion Nacional del Oceano y la Atmosfera de los Estados Unidos (NOAA-AVHRR), con los siguientes objetivos: i) evaluar la relacion entre el NDVI y el rendimiento de maiz en distintas etapas del ciclo del cultivo; ii) analizar la influencia de la fecha de siembra, y iii) desarrollar un modelo de pronostico del rendimiento de maiz a escala departamental. Los valores acumulados de NDVI presentaron una asociacion positiva con el rendimiento de maiz, variable de acuerdo a la etapa de desarrollo y la fecha de siembra consideradas. Durante la etapa reproductiva, el NDVI expreso una elevada asociacion con el rendimiento en cualquier fecha de siembra eventual, alcanzando valores de correlacion significativos (P < 0,05) en todos los casos, y aun superiores (P < 0,01) en algunas de las fechas evaluadas. La mayor sensibilidad que presenta la etapa reproductiva del cultivo de maiz pone de manifiesto su condicion de periodo critico. A partir de esta informacion, se obtuvo un modelo de prediccion que explica alrededor del 80% de la variabilidad del rendimiento de maiz del Departamento Marcos Juarez en la Provincia de Cordoba, Argentina.

EVALUACIÓN ESPACIAL DEL NITRÓGENO DISPONIBLE DEL SUELO EN UN CULTIVO DE PAPA cv. SPUNTA EN CÓRDOBA, ARGENTINA

Un analisis espacial del N disponible en un cultivo de papa (Solanum tuberosum L.) cv. Spunta es necesario a fin de hacer un diagnostico de la practica de fertilizacion localizada y aportar evidencias sobre un potencial problema de riesgo ambiental por lavado de nitratos. Con este proposito se diseno un esquema de muestreo durante la temporada 2000 que consistio de una grilla rectangular de 3 x 10 estaciones, en dos fechas (21/03 y 14/04) y a dos profundidades (0-20 y 20-40 cm). El contenido de humedad del suelo en ambas fechas resulto elevado y escasamente variable (CV 52%) fue muy superior a la humedad del suelo en ambas fechas. Una comparacion localizada del N disponible mostro que en el estrato superficial el contenido de N-NO3- de toda el area fue siempre superior a 7,5 mg kg-1, considerada la disponibilidad minima para un optimo crecimiento de los tuberculos. Entre 20 y 40 cm, en cambio, el contenido de N fue menor en ambas fechas, y la cantidad de N en la segunda se presento por debajo de 7,5 mg kg-1 en 31% del lote. Esta distribucion vertical del N-NO3-, con mayor contenido en superficie, no garantiza un consumo uniforme de N entre 0 y 40 cm. Al mismo tiempo, la mayor acumulacion de N-NO3- entre 0 y 20 cm demostro que no ocurrio lixiviacion en el perfil.