Introducción

La familia Agavaceae es endémica del continente americano, y tiene a México como su centro geográfico de origen (^{García-Mendoza, 2002}), donde se encuentran los nueve géneros con 251 especies, siendo Agave el más representado (200 especies). Abarcan más del 75% del territorio del país, con la mayor riqueza en la provincia de Tehuacán-Cuicatlán (entre los bordes de Puebla y Oaxaca; ^{García-Mendoza, 2002}, ²⁰⁰⁷).

Del agave se obtienen múltiples productos con el tequila y el mezcal encabezando la lista (^{Narváez-Zapata y Sánchez-Teyer, 2009}). El mezcal puede obtenerse de más de 50 especies del género Agave (maguey) ya sea de poblaciones silvestres o de cultivos y se produce en alrededor de 26 estados de México de manera artesanal (^{Chavez-Parga et al., 2016}; ^{Vega y Akaki, 2017}) con Oaxaca como el estado que emplea el mayor número de especies (8 cultivadas y 17 silvestres) y con los volúmenes más altos de producción (97.3% de la producción total de México) (^{Martínez Jiménez et al. 2019}; ^{Vega y Akaki, 2017}).

El incremento de la demanda de esta bebida ha dado como resultado la extracción de plantas de poblaciones silvestres sin prácticas de manejo que aseguren su permanencia o en el establecimiento de cultivos de agave sobre otras coberturas y usos de suelos. Esto ha ocasionado la extinción de poblaciones naturales, lo que impacta significativamente en su variabilidad genética, en la calidad de los recursos naturales y en la sostenibilidad del socio ecosistema (^{Delgado-Lemus et al., 2014}; ^{Flores et al., 2008}).

De acuerdo con ^{Velasco-Bautista et al. (2009)}, el ámbito geográfico donde se distribuye el agave determina su situación actual y su capacidad de producción, por lo tanto, es importante la elaboración del mapa base para la generación de un plan de manejo. En este sentido, los trabajos hasta ahora realizados plantean la localización geográfica de varias especies a partir de herbarios, entrevistas, recorridos en campo o su posible ubicación a partir del cálculo de áreas potenciales (^{García-Mendoza, 2002}; ^{Aguirre-Dugua y Eguiarte, 2013}; ^{Delgado-Lemus et al., 2014}; Ocaña-Nava et al., 2007), lo que da una distribución probable más no real, lo que no permite el monitoreo de las poblaciones silvestres y cultivos de maguey.

Los datos de percepción remota han sido de gran utilidad para el monitoreo de la agricultura gracias a sus tiempos de visita, cobertura global, capacidad de almacenamiento y acceso sin o bajo costo. Tal es el caso de Sentinel, que cuenta con altas resoluciones temporal (10 días) espacial (10-20 m) y varias bandas que son útiles para la detección y discriminación de vegetación (^{Defourny et al., 2019}; ^{European Sapce Agency, 2015}), además ha probado ser eficiente para el monitoreo en tiempo casi real de la agricultura aunque sus alcances aún se encuentran en exploración (^{Defourny et al., 2019}).

Sin embargo, las características de los ecosistemas áridos vuelven un desafío la identificación de vegetación mediante percepción remota (^{Smith et al., 2019}), como en el estudio realizado por ^{Flores et al. (2008)}, donde se emplearon imágenes LANDSAT TM+ para identificar plantaciones de Agave tequilana Weber en el estado de Jalisco, a partir de técnicas supervisadas y no supervisadas, modelado espacial basado en regresiones y árboles de clasificación. Encontraron que las bandas 4, 5 y 7 fueron las más eficientes con una confiabilidad del 70%, por lo que plantean que la gran heterogeneidad de ambientes del agave, la densidad no homogénea de sus cultivos y el color y humedad de los suelos o materiales parentales donde crece complican su clasificación.

El trabajo de ^{Calvario et al. (2017)} prueba el uso de ortomosaicos RGB con una resolución espacial de 2.5 cm, tomados por un dron de bajo costo para la discriminación de A. tequilana Weber y maleza en parcelas de este cultivo, obteniendo una confiabilidad del 99%, mediante el algoritmo k-medias. Concluyen que es factible realizar este tipo de análisis con drones, pero que el éxito depende de la resolución del sensor y del área a tratar, por lo que proponen probar esta aproximación en áreas más extensas y heterogéneas.

Al ser el pixel una medición de la interacción de la radiación electromagnética con múltiples constituyentes de la superficie terrestre, una resolución espacial menor, implicará una mezcla mayor de elementos y una resolución espectral menor, menos capacidad del sensor para discriminar clases cuya variabilidad espectral no sea muy distinta (^{Keshava y Mustard, 2002}; ^{Somers et al. 2011}). En este sentido, el uso de datos hiperespectrales ha surgido como una alternativa para la detección y cuantificación de la variabilidad y abundancia de clases de interés en ambientes altamente heterogéneos, gracias a su gran resolución espectral (5-10 nm de ancho de banda; ^{Jia et al., 2020}; ^{Paoletti et al., 2019}; ^{Yan y Liu, 2013}). Sin embargo, mucha de esta información es redundante por lo que es importante identificar las bandas que permitan la clasificación de los elementos de interés (^{Patra et al. 2015}).

El uso de librerías espectrales permite aprovechar los detalles finos de sus datos para la clasificación de imágenes (^{Nidamanuri y Zbell, 2011}). Estas son una compilación de firmas espectrales, una base de datos con las mediciones de reflectancia hechas en laboratorio o en campo, de materiales conocidos de la superficie terrestre (^{Lillesand et al., 2004}) y que, al ser una expresión de las propiedades estructurales y bioquímicas de la cobertura, se espera que cada una tengan un comportamiento espectral único (^{Maimaitiyiming et al., 2016}). Es así que, mediante la comparación de esta firma conocida con la de un material no identificado, es posible detectar a este a partir de la similitud numérica que ambas firmas tengan. Por lo tanto, es una forma adecuada, rápida y automatizada de identificar y mapear varios cultivos y especies de la vegetación natural (^{Nidamanuri y Zbell, 2011}).

El trabajo realizado por ^{Vikhamar y Solberg (2003a)} es un ejemplo de lo anterior. Emplea endmembers (firmas espectrales características de los objetos de interés) de nieve, coníferas, ramas de árboles sin hojas y suelo libre de nieve para el mapeo de la fracción de cobertura de la nieve. Mediante un demezclado espectral de imágenes MODIS en zonas boscosas del sur de Noruega y con restricciones aplicadas a los endmembers a partir de coberturas derivadas de imágenes LANDSAT ETM+, lograron una precisión de hasta el 88%. Del análisis concluyen que los mejores resultados se obtuvieron al reducir el número de endmembers.

^{Somers et al. (2011)} realizaron una revisión para encontrar los métodos más usados para mitigar el error que puede presentar la clasificación debida a la variabilidad y número de endmembers, donde identificaron como los principales: el uso de múltiples endmembers para cada componente en un ciclo de análisis de mezcla iterativo, la selección de un subconjunto de firmas espectrales estables, ponderación espectral de las bandas, transformaciones de señales espectrales y el uso de modelos de transferencia radiativa.

La ponderación espectral de bandas puede ayudar a reducir la cantidad de datos y, por tanto, el error que la redundancia de información puede generar. Un método que puede ser empleado para este fin es el realizado por ^{Maimaitiyiming et al. (2016)} en el que, a partir de un análisis derivativo y de la prueba t de Student realizados a datos hiperespectrales (350-2500 nm) de dos variedades vitícolas, fueron capaces de discriminar, a nivel de hoja y en menor medida, a la altura de la copa, aquellas bandas donde ambas variedades eran distintas, las cuales podrían ser usadas para la clasificación de imágenes.

Debido a la poca información que existe sobre la distribución espacial y espectral del agave y de las variedades usadas y a que el estado de Oaxaca es uno de los principales productores, el presente trabajo muestra las librerías espectrales de A. angustifolia (espadín), A. americana var. Oaxacensis (arroqueño) y A. potatorum (tobalá) y otras coberturas asociadas al cultivo, así como las bandas de Sentinel 2A donde la reflectancia de estos elementos sea significativamente distinta, con la intención de contribuir en el conocimiento para la creación de un método de monitoreo de los cultivos de agave mediante el uso de estas imágenes.

Área de estudio

Con la finalidad de contar con el mayor número de ejemplares representativos de la “región del mezcal” en Oaxaca, se seleccionaron las localidades de San Sebastián de las Grutas, Santa Catarina Minas y San Pedro Teozoalco (Figura 1) pues son zonas con gran tradición mezcalera (^{Vega y Akaki, 2017}).

Fuente: elaboración propia.

Figura 1 Zona de estudio. A. Región Mixteca, San Pedro Teozacoalco; B. Municipio Santa Catarina Minas; C. San Sebastián de las Grutas.  

San Sebastián de las Grutas, municipio Villa Sola de Vega, se localiza en los Valles Centrales y Sierra Sur, entre los 16°15’ y 16°55’ Norte y 97°20’ y 97° 11’ Oeste. Para la elaboración de mezcal emplean especies cultivadas (espadín), domesticadas (arroqueño) y silvestres (tobalá). La parcela muestreada era tradicional, por lo que los magueyes tenían una ubicación similar a la estructura de un ecosistema nativo (Figura 2a y b).

Fuente: elaboración propia

Figura 2 Estructura de los sitios muestreados. A y B: Espadín, Región Sierra Sur, San Sebastián de las Grutas, municipio Sola de Vega; C: Arroqueño, Región Valles Centrales, municipio Santa Catarina Minas; D: Tobalá, Región Mixteca, municipio San Pedro Teozacoalco.  

La localidad de Santa Catarina Minas se localiza a 39 km al sur de la capital de Oaxaca, en los 16°46 Norte y 96° 37’ Oeste. Alberga al Mezcal “Real Minero”, una empresa familiar de producción artesanal y en cuyo vivero se realizó el muestreo, ya que cuenta con la mayoría de las especies de agaves usados para la producción de mezcal en la región (Figura2c; ^{Vega y Akaki, 2017}).

San Pedro Teozacoalco se encuentra en la región de la Mixteca Alta, entre los 17° 00’ y 16°49’ Norte y 97° 20’ y 97° 11’ Oeste. La producción de mezcal es artesanal con pequeñas plantaciones de agave cerca o al lado de los palenques y también hace uso de especies silvestres (^{Vega y Akaki, 2017}). El muestreo se llevó a cabo en una parcela compuesta por líneas de agave intercaladas con suelo cubierto por hierba (Figura 2d).

Métodos

Resultados y discusión

En total se obtuvieron 237 firmas de reflectancia de los agaves espadín, arroqueño y tobalá de diferentes edades (2 a 8, 15 y 20 años), origen (silvestre o de vivero) y en algunos casos, capados, así como de otras coberturas (maleza, suelo y milpa, entre otros). De estos, es el arroqueño el que se encontró en los tres sitios y en mayor abundancia, razón por la cual es el que mayor número de firmas presenta (88; Tabla 2).

Con esta información se generó una biblioteca espectral de la reflectancia a un nanómetro de resolución de los 350 nm a los 2500 nm para 3 magueyes y otras coberturas (Figuras 3). Los agaves muestran variaciones entre ellos principalmente entre los 350 y los 850 nm, con tobalá con el mayor número de diferencias. Al compararlos con otras coberturas, los datos indican que estos tienen un comportamiento distinto a lo largo de todo el espectro muestreado. Esto se confirma con lo obtenido de las pruebas no-paramétrica de Kruskal-Wallis y de Dunn, que identificaron que en 1470 longitudes de onda entre los 350 nm y los 2500 nm hay una diferencia significativa entre al menos 2 muestras, siendo la región de los 400 a los 1400nm con el mayor número de estas (Figura 4).

Fuente: elaboración propia.

Figura 3 Librerías espectrales de la reflectancia de diferentes edades de agaves arroqueños, espadines y tobalás, así como de otras coberturas que acompañan el cultivo de maguey mezcalero.  

Fuente: elaboración propia.

Figura 4 Análisis de diferencia significativa entre variedades de agave y otros elementos entre los 350 nm a los 2500 nm del espectro electromagnético. Todas aquellas bandas con p-value < 0.5 tienen al menos dos elementos muestreados que son estadísticamente diferentes.  

De acuerdo con ^{Fondom et al. (2014)} y ^{Gates et al. (1965)}, el agave no transmite la energía incidente, por lo que la refleja o la absorbe, y es en la región del visible donde se da el mayor porcentaje de absorción y se compensa con una alta reflectancia en el resto del espectro, reportando valores alrededor del 80%. De acuerdo con los resultados obtenidos, existe una congruencia hasta los 700 nm ya que la reflectancia es mínima para todas las especies en esa región del espectro, pero por encima de ese rango, arroqueño y espadín muestran una reflectancia no mayor al 50% y tobalá en algunos casos del 70% (Figura 3). Estas variaciones podrían deberse a la forma en que fueron tomados los datos, ya que no se hicieron a nivel de hoja sino de roseta, lo que tiende a disminuir el porcentaje de reflectancia (^{Asner, 1998}).

Con respecto a las bandas de Sentinel 2A, se encontró que la verde es donde se presentan el mayor número de diferencias (930; Figura 5), las cuales se dieron principalmente entre tobalá con suelo calichoso, desnudo y con los arroqueños (s/d y 15 años); frijol y milpa con suelos desnudo y calichoso y los arroqueños s/d y de 15 años con frijol. La azul tiene un comportamiento similar, aunque el número de bandas fue menor. En ambas, el espadín sólo mostró diferencias con el tobalá de vivero de 6 años en algunas longitudes de onda de las bandas 2 y 3 (Tablas 3 y 4; Figura 5).

Fuente: elaboración propia.

Figura 5 Número total de diferencias significativas encontradas por banda de Sentinel 2A.  

Es probable que estos resultados se deban a la presencia de Xantophilas en los agaves, pues son pigmentos accesorios que ayudan a la planta a disminuir su calentamiento al disipar la energía que absorbe entre los 500 y los 550 nm y la pueda aprovechar de mejor manera con las clorofilas a y b (^{Jacquemound y Ustin, 2019}; ^{Fondom et al., 2014}).

En general, las coberturas de frijol, maíz y maleza no mostraron diferencias significativas con los agaves en estas bandas y se esperaría que su comportamiento espectral fuera distinto, pues el agave tiene un metabolismo tipo CAM, el maíz C4 y el frijol y la maleza C3, lo que implica que hacen uso de diferentes estrategias fotosintéticas para sobrevivir (^{Yahia et al. 2019}). Esto podría deberse al tipo de prueba que se empleó, aunque es poco probable ya que la prueba no paramétrica de Kruskal-Wallis y la de Dunn son empleadas para examinar datos que no se distribuyen de forma normal y con varianza homogénea, como es el caso de los valores aquí presentados. Por lo tanto, es más probable que sea resultado de la falta de datos (^{Vikhamar y Solberg, 2003b}).

Estos resultados podrían explicar la confiabilidad obtenida por ^{Flores et al. (2008)} ya que las bandas que reportan que detectaron el agave de otras coberturas fueron la del infrarrojo cercano, medio y térmico, aunque tuvieron una alta confusión con pastos y selva baja, lo cual también sucede en este trabajo. Sin embargo, ^{Calvario et al. (2017)} mencionan que el uso de un sensor RGB permitió segmentar agave de maleza, y la resolución espacial (2.5 cm) de su estudio es menor a la del presente trabajo, por lo que es probable que las diferencias entre ambos, se deba al número de muestras obtenidas, por lo que puede ser conveniente incrementarlo, así como incorporar otras especies vegetales y de cultivos, sobre todo cuando se quiere discriminar a una escala regional, para que este sea representativo y comparable con las del agave y así sea factible la clasificación de imágenes satelitales.

La banda 6 es la que ocupa el tercer lugar en diferencias significativas (Figura 5), pero es donde el arroqueño de 20 años contabiliza 23 y los espadines entre 10 y 21. Así mismo, otras coberturas muestran diferencias con tobalá, por lo que puede ser una banda de gran utilidad para identificar estos elementos (Tablas 3, 4 y 5). Esto posiblemente sea porque esta banda abarca la zona del borde rojo, cuyas forma y ubicación están dadas tanto por el contenido de clorofila de la planta como por su estructura, las cuales determina la dispersión de la luz (^{Filella y Pañuelas, 1994}). En este sentido, las tres especies de agave estudiadas presentan diferencias tanto de coloración, las que son más notorias entre arroqueño y tobalá y espadín y tobalá, como de estructura (Figura 2).

La banda 8 también podría ser empleada tanto para la identificación de la mayoría de los agaves analizados, como para el monitoreo y planes de manejo del cultivo, ya que muestra varias diferencias entre arroqueños, espadines y tobalás, entre diversas edades de la misma especie, así como con otras coberturas, aunque con estas últimas siguen siendo menos de 10 bandas (Tabla 6). Esto podría deberse a que las propiedades ópticas en el infrarrojo cercano están dadas por las múltiples reflexiones y refracciones de la luz dentro de la hoja. Por lo tanto, su forma, tamaño, fracción de aire y el arreglo de las tres dimensiones de las células, juegan un papel importante en la dispersión de la luz (^{Jacquemound y Ustin, 2019}). Es así que, al ser plantas que a diferentes edades aprovechan el CO₂ de distinta forma (^{Nobel, 1988}), y a que morfológicamente son disímiles (^{García-Mendoza, 2011}), es esperable que en esta región se distingan esas variaciones. Así mismo, podría explicar los resultados obtenidos por ^{Flores et al. (2008)} el cual menciona que, con la combinación de las bandas 3,4 y 5 de LANDSAT, fue posible separar magueyes jóvenes y maduros.

Los trabajos que se han realizado para establecer la ubicación espacial del agave mediante percepción remota, se han centrado en el agave azul, uno de ellos mediante LANDSAT TM+ y otro a partir de ortoimágnes RGB de un dron. El primero reporta que el uso de clasificadores supervisados arrojó mejores resultados que los obtenidos de modelado espacial con variables ambientales, aunque este último tuvo mejor desempeño para discriminar otras coberturas. El segundo, por su parte encontró que es factible clasificar agave y maleza con una precisión del 99% mediante métodos no supervisados. Por lo tanto, de acuerdo a lo antes descrito, es muy probable que los datos aquí presentados sean de utilidad para entrenar clasificadores que permitan obtener la ubicación espacial a nivel regional, de tres especies de agave importantes para la producción de mezcal, así como de las coberturas que acompañan a su cultivo, mediante el uso de imágenes Sentinel 2A.

Conclusiones

El uso de firmas espectrales para la clasificación de imágenes es un método que se ha implementado en los últimos años, pero para que funcione de manera adecuada, es importante encontrar aquellas bandas donde los elementos a identificar son significativamente distintos. En este sentido, se analizaron las firmas espectrales de los agaves espadín, arroqueño y tobalá, ya que estos son ampliamente empleados para la producción de mezcal y su producción está terminando con las poblaciones nativas, y otras coberturas que suelen acompañar a su cultivo. Y se llevó a cabo un análisis mediante la prueba no paramétrica para muestras independientes de Kruskal-Wallis y de Dunn, para obtener las bandas del espectro electromagnético en que dichos elementos son significativamente distintos. Esto permitió identificar aquellas bandas donde las diferentes variedades de agave sí muestran diferencias significativas de reflectancia entre ellas, así como con otras coberturas que están dentro o aledañas al cultivo. Dichas diferencias se dan principalmente en la región del azul, verde, borde rojo e infrarrojo cercano, por lo que es probable que la distribución de estas coberturas sí pueda ser obtenida mediante las bandas 2, 3, 6 y 8 de Sentinel 2A, regiones del espectro donde las firmas mostraron posibilidades de discriminar tobalá y arroqueño en diferentes edades, espadín, frijol y maíz.

Con respecto a las diferencias encontradas, tobalá fue el que mostró el mayor número de diferencias con arroqueño y otras coberturas; espadín, por su parte, fue el más parecido a las muestras recolectadas, aunque la banda 6 parece ser una buena opción para su identificación.

Conocer la distribución espacial del cultivo de agave es imperativo debido al valor cultural y económico que tiene a nivel nacional, sin embargo, son pocos los esfuerzos que se han encaminado a dicho propósito. En este sentido, este estudio abona conocimiento en la comprensión del comportamiento espectral del agave y de las otras coberturas que acompañan su cultivo, así como en la generación de datos que pueden ser empleados para la clasificación supervisada de imágenes Sentienl 2A para obtener la distribución espacial de estos elementos. No obstante, y de acuerdo con lo reportado por otros autores, es importante incrementar el tipo de coberturas y cantidad de muestras de estas para asegurar un resultado significativo al hacer un análisis de clasificación de imágenes, sobre todo, de coberturas que no son aledañas al cultivo.

Por último, es importante mencionar que, a pesar de que el estudio se concentró en las bandas de las imágenes Sentinel 2A, con la intención de que estos resultados sean usados en posteriores estudios para la clasificación de estas imágenes, al haberse realizado las mediciones entre los 350 y 2500 nm, mediante los análisis aquí descritos, es posible obtener las bandas de cualquier otro sensor, tanto multiespectral (LANDSAT) como hiperespectral (HYPERION).