Aller au contenu principal
Accès ouvert déclaré 2026 article

Integración de la Teledetección y la modelización de la Eficiencia en el Uso de la Luz (LUE) para la estimación regional a largo plazo del rendimiento de trigo

0Citations signalées, ce qui n’est pas une note de qualité
2Institutions déclarées
1Pays d’affiliation déclarés

Rattachement africain : es. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

La estimación regional del rendimiento de los cultivos es esencial para evaluar la productividad agrícola y orientar estrategias de gestión adaptativa al clima. La Teledetección ofrece observaciones coherentes y de largo plazo sobre la dinámica de la vegetación y las condiciones ambientales; sin embargo, traducir estos datos en estimaciones fiables de rendimiento a escala regional sigue siendo un desafío. En este estudio, implementamos un modelo de eficiencia en el uso de la luz (LUE) impulsado por satélite, con resolución temporal diaria y espacial de 1 km, para estimar la producción primaria bruta (GPP) y derivar rendimientos de trigo en España entre 2003 y 2022. La asimilación estacional de carbono se cuantificó dentro de periodos de crecimiento definidos fenológicamente y extraídos de series temporales suavizadas de NDVI, y los rendimientos se infirieron mediante un enfoque de asignación basado en el índice de cosecha. El desempeño del modelo se evaluó frente a estadísticas regionales reportadas de rendimiento de trigo. El marco LUE reprodujo patrones espaciales e interanuales amplios de productividad del trigo, obteniendo una correlación estadísticamente significativa pero moderada (r = 0.51) y mostrando una subestimación sistemática de −0.46 t ha⁻¹. Estos resultados indican que, si bien la integración diaria del estrés ambiental mejora la capacidad del modelo para capturar gradientes regionales de productividad, las incertidumbres en la delimitación fenológica limitan su capacidad para reproducir niveles absolutos de rendimiento. En conjunto, este estudio pone de relieve tanto el potencial como las limitaciones actuales de los enfoques LUE basados en teledetección diaria para el monitoreo regional del rendimiento. Mejorar la parametrización del estrés y refinar la detección fenológica serán aspectos críticos para fortalecer la robustez predictiva en condiciones agroclimáticas heterogéneas.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
Integración de la Teledetección y la modelización de la Eficiencia en el Uso de la Luz (LUE) para la estimación regional a largo plazo del rendimiento de trigo
Date Crossref
03/06/2026
Éditeur
Universidad de Extremadura - Servicio de Publicaciones
Type
journal-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

  • Institute of Agrifood Research and Technology pays non établi dans la notice
    Structure de recherche
  • Universitat Autònoma de Barcelona pays non établi dans la notice
    Université ou école supérieure
  • Programa de l’Ús Eficient de l’Aigua en Agricultura pays non établi dans la notice
    Institution

Institute of Agrifood Research and Technology, Universitat Autònoma de Barcelona et Programa de l’Ús Eficient de l’Aigua en Agricultura.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Remote Sensing in AgricultureSmart Agriculture and AIClimate change impacts on agriculture

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.