ASIS

Antecedentes.

La Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO) ha desarrollado una herramienta para asistir a los países en el monitoreo de la sequía agrícola y en el manejo del riesgo de la misma. Esta herramienta utiliza datos satelitales para detectar las áreas agrícolas donde los cultivos podrían ser afectados por sequía. La versión “país”, se basa en los principios metodológicos generales del Sistema del Índice de Estrés Agrícola ASIS, por sus siglas en Inglés) que es operacional en FAO-Roma a nivel global como apoyo técnico al Sistema Global de Información y Alerta Temprana (GIEWS) http://www.fao.org/giews/earthobservation. El equipo de GIEWS tiene como objetivo monitorear la situación de inseguridad alimentaria a nivel global. Este equipo utiliza la información geoespacial como una variable auxiliar para detectar problemas de inseguridad alimentarias en los países miembros. La idea de ASIS-global es simular el análisis que un experto en sensores remotos haría y simplificar los resultados en forma de mapas para los usuarios finales. ASIS genera para el equipo de GIEWS un mapa cada 10 días con los “hot-spots” a nivel mundial donde los cultivos son afectados por la falta de agua durante el periodo de cultivo. Para asegurar que no se generen alertas falsas, los “hot-spots” identificados se deben verificar con información de instituciones públicas, y si es posible, realizar verificaciones en terreno o analizar variables socioeconómicas como por ejemplo la variación de precios de productos agrícolas. Incluso, es posible verificar los “hotspots” utilizando modelos agrometeorológicos con datos provenientes de la red meteorológica nacional, que al final reflejen una convergencia de indicadores.

  • info_outline Detectando la Sequia (ASIS-global)

    ASIS utiliza el Índice de Salud Vegetal (VHI por sus siglas en Inglés), el cual se deriva del Índice de Vegetación (NDVI por sus siglas en Inglés). NDVI es una medida indirecta de la producción primaria a través de su relación con la radiación fotosintéticamente activa. VHI fue desarrollado por el Sistema Nacional de Satélites Ambientales, Datos y Servicio de Información de Estados Unidos (NESDIS por sus siglas en Inglés) y ha sido exitosamente aplicado en varias condiciones ambientales distintas alrededor del mundo, incluyendo Asia, África, Europa y en las Américas. El primer paso de ASIS es calcular el promedio de VHI conforme avanza el desarrollo del cultivo (escala temporal), lo que nos permite evaluar la intensidad y duración de los periodos secos dentro del ciclo de cultivo a nivel del pixel. ASIS se basa en la información del satélite METOP-AVHRR a una resolución de 1 km; el satélite registra las condiciones climáticas que son necesarias para el desarrollo del cultivo (temperatura de la cobertura vegetal y la producción de biomasa). El segundo paso es el cálculo del porcentaje de área agrícola afectada por sequía (píxeles con VHI mayor a 35 –un valor identificado como crítico en estudios previos) para evaluar la extensión del fenómeno (escala espacial). Finalmente el área administrativa es clasificada de acuerdo al porcentaje de área afectada. En agricultura, es importante enfocarse durante los periodos más sensibles al estrés hídrico como son la floración y el llenado del grano. ASIS evalúa la severidad (intensidad, duración y extensión espacial) de la sequía agrícola y presenta los resultados finales a nivel administrativo lo cual permite comparar con las estadísticas agropecuarias del país. La base de datos de ASIS contiene 30 años de “hot-spots”, comenzando en el año 1984 cuando Sahel fue severamente afectado por sequía. Dado que las imágenes METOP solo están disponibles a partir del 2007, el Instituto de Investigación 3 Tecnológica Flamenco (VITO por sus siglas en Inglés) - un socio de la FAO para el desarrollo científico y técnico- simuló datos METOP en las series de tiempo NOAA-AVHRR mediante un estudio de “intercalibración” para obtener series de tiempo de 1984 al 2015. Está simulación entre ambos satélites permite recuperar la memoria a largo plazo del pixel, esto garantiza que el pixel haya sufrido al menos de un evento extremo en los 30 años de registro. En caso contrario, esto es de no contar con series largas de información se comete el error de sub-estimar el fenómeno de sequía. FAO gracias a esta simulación entre ambos satélites cuenta con una serie histórica única de información geoespacial a 1 km de resolución.

  • info_outline ASIS-país

    FAO, a partir de los principios metodológicos generales de ASIS a nivel global, ha desarrollado una herramienta para apoyar los países en el monitoreo de la sequía agrícola en forma más precisa y mejor adaptada a la agricultura del país. El desarrollo de la herramienta ha sido financiada con fondos de la Unión Europea suministrados a través del programa “La gobernanza mundial para la reducción del hambre”. Esta herramienta se diferencia de ASIS global en:


    1. - ASIS-país utiliza coeficientes de cultivo (kc) para modelizar mejor la sensibilidad hídrica de cada fase fenológica del cultivo. Esto es reconoce la diferente sensibilidad de las etapas fenólogicas, dando mayor importancia a la floración y llenado del grano.
    2. - El umbral de VHI menor que 35, utilizado en ASIS-global que ha sido identificado como una sequía extrema donde se espera que la mayor parte de los cultivos den como resultado una pérdida total, se ajusta y modifica. En la versión a nivel de país, este umbral será identificado para cada cultivo utilizando las estadísticas de producción disponibles. Además, esta versión incluirá diferentes umbrales que el usuario definirá según su interés en definir eventos de sequía extremos, moderados o leves.
    3. - La máscara o superficie agrícola que en la versión global agrupa 10 cereales, podrá ser sustituida por mapas de uso de suelo por cultivo específico disponibles en el país, esta flexibilidad de la herramienta permitirá una mayor correlación entre los índices de vegetación y el rendimiento final del cultivo.
    4. - En la versión a nivel de país, será posible que el usuario defina la unidad básica de análisis sea esta una unidad administrativa o agroecológica.
    5. - La herramienta permitirá al usuario calcular la probabilidad de que un pixel específico a mitad del ciclo de cultivo sea clasificado al final del ciclo como un pixel afectado por sequía. Al inicio del ciclo la probabilidad se basa en la probabilidad histórica del pixel con base en la serie histórica de 30 años. Conforme se avance en la campaña agrícola cada diez días se cuenta con una información nueva de la evolución actual de la vegetación a nivel del pixel, lo cual permite ajustar la probabilidad histórica con la información reciente. Transcurrido la mitad del ciclo de cultivo o más, dicha probabilidad será más precisa reduciendo el error de omisión o de acertar la clasificación final del pixel en seco o no.
    6. ρ Finalmente, los valores de ASI pueden ser utilizados como variable independiente para predecir los rendimientos de los cultivos agrícolas por medio de regresión múltiples. La ecuación resultante será introducida en la herramienta y se generará en forma automática un mapa con el rendimiento estimado.

    El presente documento describe los pasos que son necesarios para la implementación de la herramienta a nivel de país y la calibración necesaria para obtener una mayor correlación entre los índices de vegetación y los rendimientos de los cultivos agrícolas. La herramienta puede ser calibrada también en cultivos perennes, donde los pastos pueden ser monitoreados con una precisión bastante alta.

  • info_outline Hardware y Datos satelitales

    El país debe disponer de una computadora con un disco duro de capacidad ideal de 10 TB dedicada exclusivamente al sistema de monitoreo de la sequía agrícola. La información histórica de 30 años de registro será descargada vía FTP (file transfer protocol) de FAO HQ y se actualizará cada 10 días vía FTP. Para garantizar una descarga rápida de los datos se debe contactar con una excelente conexión a Internet. Los índices de vegetación básicos a descargar son: “Vegetation condition index” (VCI) y “Temperature condition index” (TCI). Estos índices servirán para calcular primeramente el Índice de Salud Vegetal (VHI, por sus siglas en Inglés). Mayor información sobre los índices en el Anexo 1.

  • info_outline Datos necesarios para la calibración

    El país debe contar con un equipo, que lo ideal sería que fuese inter-institucional involucrando las instituciones nacionales que tengan relación con el problema de sequía agrícola. Este grupo seleccionará los cultivos agrícolas para la calibración, se sugiere considerando el mandato de FAO, que estos cultivos estén vinculados con los cultivos de seguridad alimentaria que garantizan a los pobladores con una dieta básica; por el ejemplo en Centro América los cultivos de la dieta básica los constituyen el maíz, frijol y arroz. Una vez seleccionados los cultivos, será necesario de contar con estadísticas agrícolas al nivel sub-nacional lo más bajo posible (provincia, distrito, municipio, comuna, etc.). Los datos requeridos son producción, rendimiento y área sembrada por una serie histórica de más de 10 años de registros “confiables”. El reconocimiento de la calidad del dato le dará mayor confianza a las instituciones e usuarios finales de la precisión del sistema de monitoreo de la sequía agrícola. Posteriormente, se realizará un análisis de regresión entre el rendimiento del cultivo con los índices de vegetación y temperatura: VCI y TCI. Como resultado se obtiene los valores de “a” y “1-a” de la ecuación


    1. Y = a VCI + (1-a) TCI Y: rendimiento del cultivo expresado en toneladas por hectárea u otra unidad rendimiento agrícola utilizada en el país. VCI: Índice de la Condición de la Vegetación, con valores que fluctúan entre 0 y 1. TCI: Índice de la Condición de la Temperatura, con valores que fluctúan entre 0 y 1.

    El análisis de regresión se puede realizar en una hoja de cálculo. Los valores obtenidos se aplicarán como primera calibración para el cálculo del Índice de Salud de Vegetación (VHI) mediante la ecuación 2:


    1. VHI = a VCI + (1-a) TCI
    2. VHI: Índice de Salud de la Vegetación, con valores que fluctúan entre 0 y 1.
    3. VCI: Índice de la Condición de la Vegetación, con valores que fluctúan entre 0 y 1.
    4. TCI: Índice de la Condición de la Temperatura, con valores que fluctúan entre 0 y 1.

    Esta calibración permitirá dar diferente peso al componente de producción de biomasa representado por el VCI y al índice térmico, TCI. Cultivos donde la temperatura juega un papel predominante sobre el rendimiento, la calibración le dará mayor peso a este componente (a<(1-a)) y viceversa.


    Para cada cultivo seleccionado se utilizará mapas recientes disponibles sobre el uso del suelo. ASIS-país analizará independientemente las áreas agrícolas dedicadas por ejemplo al maíz de las áreas cultivadas con arroz. Esto garantizará una mayor correlación entre el rendimiento del cultivo y el Índice de Estrés Agrícola (ASI) que representa el área afectada por sequía de la unidad administrada seleccionada como análisis.


    Si el país cuenta con datos de coeficiente de cultivo (kc) obtenidos de estudios con lisímetros para los cultivos seleccionados se utilizarán para darle diferente peso a las diferentes fases fenológicas. Por ejemplo en los cereales la fase fenológica de la floración y llenado del grano es más sensible al estrés hídrico, por lo que el valor del kc es mayor durante esta fase fenológica para asignarle un peso preponderante al realizar la integración temporal del VHI. En caso de que no existan estudios de lisímetros se utilizaron los valores generales de coeficientes de cultivos (kc) publicados en la literatura1 .


  • info_outline Estimación de rendimientos

    Para obtener una ecuación para la estimación del rendimiento se usarán los valores históricos (mínimo 10 años de registro) a nivel de la unidad administrativa con estadísticas agrícolas (rendimiento y producción). Se extrae para cada unidad administrativa el valor de ASI y se procede a realizar una regresión entre los valores de rendimiento (variable dependiente) y los valores de ASI (variable independiente). Este análisis se hará utilizando una hoja de cálculo o cualquier paquete de análisis estadístico. Se realizará una regresión múltiple (se incluye el modelo lineal), se seleccionará la ecuación con el coeficiente de determinación mayor. Se harán pruebas estadísticas para verificar la estabilidad del modelo como la técnica Jackknife. Una vez verificado la estabilidad del modelo, se introduce en la herramienta ASIS-país los parámetros de la ecuación que relaciona el rendimiento de cultivo con ASI. La herramienta utilizando la ecuación generará mapas de estimación de rendimiento por unidad administrativa.


  • info_outline Poder predictivo del modelo

    Se recomienda el siguiente paso para obtener una estimación temprana de los rendimientos por unidad administrativa. Al inicio del periodo de cultivo no existe suficiente información para realizar la estimación utilizando la ecuación matemática por lo que la mejor estimación es el rendimiento promedio de la serie histórica de la unidad administrativa. Para el uso de una ecuación que tenga un nivel estadístico aceptable se deberá realizar un análisis de regresión parcial por cada período de 10-días. Se traza la evolución de los valores de r2 durante el ciclo del cultivo y se seleccionan los parámetros de la ecuación que cuenten con valores de r2 superiores a 50%. A partir del período de 10-días donde r2 es superior a 50% se inicia a sustituir el valor del rendimiento promedio histórico con valores estimados por el modelo estadístico.


  • info_outline Probabilidad predictiva de sequía agrícola

    La herramienta permitirá al usuario calcular la probabilidad de que un pixel específico a mitad del ciclo de cultivo sea clasificado al final del ciclo como un pixel afectado por sequía.


    ASIS-País tendrá está aplicación predictiva con significancia estadística. Al inicio del ciclo la probabilidad se basa en la probabilidad histórica del pixel con base en la serie histórica de 30 años. Conforme se avance en la campaña agrícola cada diez días se cuenta con una información nueva de la evolución actual de la vegetación a nivel del pixel, lo cual permite ajustar la probabilidad histórica con la información reciente. Transcurrido la mitad del ciclo de cultivo o más, dicha probabilidad será más precisa reduciendo el error de omisión o de acertar la clasificación final del pixel en seco o no. Esta probabilidad será calculada a nivel de pixel permitiendo realizar mapas con información a 1 km de resolución. Las estadísticas relacionadas con la probabilidad calculada serán expresadas también en forma de mapas para facilitar al usuario la verificación visual de la validez estadística de la probabilidad.

Seguro de indexado de cosecha


Es posible utilizar el valor de ASI como un detonador para un seguro indexado con base en información geoespacial. Para esto se extrae la serie de valores históricos de ASI de la serie de 30 años y se calcula la probabilidad empírica de que sobrepase un valor “x” que represente el umbral para definir un evento catastrófico que se quiera asegurar. Para el número de eventos catastróficos a asegurar, se calcula la prima del contrato de seguro. Este tipo de seguro con base en los datos geoespaciales presenta la ventaja con relación a los contratos indexados con base en datos de la red meteorológica que los datos geoespaciales presentan una mayor resolución y que son más confiables para las empresas aseguradoras porque elimina el riesgo de manipulación de la información (riesgo moral). Sin embargo, presenta la desventaja que son más difíciles de explicar a agricultores teniendo que ser los seguros orientados a asociaciones o cooperativas agrícolas donde el interlocutor pueda tener mejores bases para entender la información de sensores remotos.

La Figura 2, presenta el flujograma del proceso de calibración y adaptación de la herramienta ASIS-país.

INFORMACION TEMATICA