Entrevista a Martín Oesterheld y Mariano Oyarzabal del Laboratorio de Análisis Regional y Teledetección (LART) de la Facultad de Agronomía de la Universidad de Buenos Aires (UBA) y el Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET) de la República Argentina.
Latam Satelital entrevistó a los investigadores del LART, dependiente del Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura (IFEVA) sobre el uso de las tecnologías espaciales aplicadas a la Agronomía.
Latam Satelital (LS): Cuéntenos brevemente dónde estamos y qué actividades realizan.
Martín Oesterheld (MO): El IFEVA es el Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura, es un instituto de doble pertenencia con el CONICET y la Universidad de Buenos Aires (UBA). Dentro del IFEVA, ubicado en la Facultad de Agronomía de la UBA, hay grupos de trabajo como el LART, que es el Laboratorio de Análisis Regional y Teledetección que tiene distintas líneas de investigación, algunas son líneas más básicas, otras aplicadas y otras que están en el nivel de desarrollo de tecnología.
El LART tiene dentro de sus principales líneas de trabajo la inferencia del uso de la tierra, es decir, poder a partir de imágenes conocer qué tipo de cobertura hay, tanto en unidades naturales de vegetación o suelo como en lugares donde se han realizado transformaciones por el hombre. Se estudia qué tipo de cultivos hay, se detecta y estima la superficie desmontada y la que está en recuperación, se cuantifica la transformación de pastizales en bosques implantados, entre otros. La cuantificación y el monitoreo de estas trasformaciones a escala regional tiene múltiples usos y el LART trabaja en desarrollar metodologías para tal fin.
Otra línea es el seguimiento del funcionamiento de ecosistemas en general. Tratar de inferir procesos ecosistémicos como la fijación de dióxido de carbono por la vegetación, tanto para áreas con vegetación natural como en sistemas manejados, nos ha permitido hacer un seguimiento de la producción de forraje y, de forma más incipiente, del crecimiento de cultivos agrícolas.
También llevamos otros temas como el seguimiento de gases de efecto invernadero donde el uso de la información satelital no es tan directo como en las dos líneas anteriores, pero en algún momento incorporan los Sistemas de Información Geográfica (SIG) sobre imágenes satelitales para algunas actividades.
Con la Subsecretaría de Ganadería del Ministerio de Agroindustria de la Nación tenemos un proyecto de seguimiento de la productividad forrajera a partir de sensores remotos que está ya en una etapa de transferencia y que fue financiado por el Instituto de Promoción de la Carne Vacuna (IPCVA).
Mariano Oyarzabal (MOy): Las imágenes satelitales son de apoyo. Somos usuarios de imágenes satelitales ante un problema agronómico. Queremos saber cómo se usa la tierra, porque nos interesa desde el punto de vista geopolítico cuántas hectáreas hay de soja o cuántas de maíz, por ejemplo, y las imágenes satelitales son de gran ayuda por la cobertura espacial y temporal que tienen. Pero somos usuarios, si algún día aparece una tecnología distinta, que no esté a bordo de un satélite pero que nos permita resolver el mismo problema, la adoptaremos. Lo mismo para la productividad forrajera, nos interesa conocer cuánto pasto se produce para el ganado, cómo evolucionan los cultivos forrajeros en la estación de crecimiento, esa es la pregunta agronómica, detrás de eso aparecen las imágenes satelitales con un alto detalle en el espacio y en el tiempo. En síntesis, algunas de las preguntas son cómo se usa el suelo y cuál es la productividad, y cómo esto cambia en el espacio y en el tiempo. Las imágenes satelitales nos ayudan a resolver estos problemas.
La productividad primaria para el Instituto ha sido un tema central desde los inicios en los años 50 hasta el presente, y se ha ido resolviendo de distintas maneras. En los ‘50 no había imágenes satelitales, luego no estaban disponibles para uso civil y, más recientemente, son un insumo diario para estimar la productividad porque hemos desarrollado investigación básica y tecnologías para poder usarlas.
LS: ¿Cuál es la importancia de conocer la productividad forrajera? ¿Qué decisiones permite tomar?
MO: Hay distintos usuario potenciales. El usuario primario es el mismo productor. El responsable directo del manejo de una unidad predial o establecimiento, necesita conocer la producción forrajera para tomar decisiones a futuro y evaluar otras del pasado. Hacia el futuro, necesita establecer la carga animal, es decir, cuántos animales por hectárea va a tener y cuánto va a demandar de alimento. Eso es lo que se llama en nuestra jerga “hacer el presupuesto forrajero”: estimar, a lo largo de un año, con alguna idea de variabilidad interanual, incierta pero cuanto más precisa mejor, cómo va a ser la curva estacional de producción de forraje de ese campo, ya que no se produce todos los meses lo mismo. La producción varía en el invierno, el verano, la estación con lluvias, la estación seca, hay una curva de producción de forraje y los animales tienen una curva de demanda, que es mucho más constante que la curva de producción de pasto, pero que también varía en función a cuánto van engordando, si pertenecen a categorías jóvenes o más grandes. Entonces, el que hace el presupuesto forrajero, toma la decisión más importante de la ganadería: cuántos animales puede sostener en un establecimiento, cómo van a estar distribuidos a lo largo del tiempo y en el espacio y qué desempeño productivo puede esperarse de ellos.
MOy: Estamos hablando de animales en sistemas pastoriles, que comen pasto directamente donde se produce. No es el caso del Feedlot ni sistemas estabulados bajo techo como hay en Europa donde la alimentación proviene de diversas fuentes. De todas formas, el 90% de la carne de vaca y oveja del país se produce de forma pastoril, el animal come lo que se produce en el lugar.
El problema es que hay muy pocos datos de producción forrajera y tomarlos en el campo es muy trabajoso e insatisfactorio ya que hay mucha variabilidad y es muy complejo de estimar. Necesitarías un ejército de gente en campo o, como hace la mayoría de la gente, directamente no lo sabe, toma algún dato conocido y lo extrapola a su situación.
Hacia atrás también es útil estimar la producción forrajera de cada potrero porque permite tener algún tipo de diagnóstico de lo que pasó en un establecimiento. Por ejemplo, acaba de terminar el año (acá se toma de julio a junio), los ganaderos empiezan a mirar sus datos de producción de carne y si no saben cuánto produjeron de pasto lo mejor que tienen para saber cómo fue el año es cuánto llovió, si hizo frío o calor y el registro visual del pasto en el campo. En cambio, contar con el dato de la producción de pasto, permite relacionar la producción de carne con la de forraje. Y si hay diferencias con la producción de un vecino, por ejemplo, poder analizar las causas en términos de cuánto forraje se produjo por un lado y de cómo se usó ese forraje para producir carne por otro lado. Este tipo de análisis es imposible de hacer si no se cuenta con una medida de la producción de pasto.
Tanto hacia adelante como para atrás, si la producción de forraje la podés referir a una historia de varios años, te ubicás en un contexto totalmente distinto. Podés saber si tuviste el peor o el mejor año de los últimos 15. El Plan B es hablar de la lluvia, que es un método mucho más indirecto que hablar de cuánto forraje se produjo.
En escalas más amplias, hay otro tipo de usuarios, como por ejemplo, oficinas gubernamentales, empresas aseguradoras, a quienes ya no les interesa tanto cuánto está produciendo cada lote sino distintas zonas de una región (por ejemplo, previsión de catástrofes, inundaciones, sequías). Es muy distinto ir viendo avanzar paulatinamente estas situaciones que leer en el diario que se están muriendo los animales. También es importante para diseñar políticas. A nosotros nos llamaron del Ministerio de Agroindustria para saber cuántos kilos de pasto se producían en el país. ¡Está bueno que alguien alguna vez nos llame! Se ve que alguien estuvo haciendo las cuentas y necesitó datos de producción de forraje para realizar escenarios de producción ganadera.
LS: ¿El proyecto que mencionan está terminado o sigue en curso?
MO: Actualmente estamos trabajando en eso. Algunos problemas ya los resolvimos y otros se están estudiando. El desafío de nuestro grupo es ir adelante con preguntas de investigación y en la medida que podemos ir cerrando algún tema, que sea transferible, hacerlo. No entramos en un circuito de servicio que dure mucho tiempo. En cuanto el servicio se estandariza, tratamos que otro lo pueda hacer.
Así fue con AACREA, recorrimos juntos un camino hasta que concretamos un producto para el seguimiento de la productividad forrajera, ellos armaron un laboratorio con asistencia nuestra y pasaron a hacer el servicio. Algo parecido estamos haciendo ahora con la Subsecretaría de Ganadería del Ministerio de Agroindustria.
LS: ¿Cuál es el esquema sobre el que trabaja el sistema implementado para AACREA?
MOy: El sistema básicamente trabaja sobre un modelo bastante robusto y muy utilizado por investigadores que dice que la productividad depende de tres variables. Una de ellas, que se estima con satélites (índice espectral NDVI o EVI) es la fracción de radiación absorbida. Otra la cantidad de radiación solar que llega, lo que depende del lugar y el momento del año. Con estas dos variables se tiene una estimación muy cercana a la productividad: la radiación absorbida por las plantas. Ahora falta un componente más: la conversión de energía absorbida en kilos de pasto. Ahí aparece un coeficiente que se llama eficiencia en el uso de radiación. Con estas tres variables se puede estimar la productividad de la vegetación de cualquier sitio. El sistema funciona con mapas de los predios y establecimientos ganaderos de interés que nos proveen la identificación de potreros donde ubicamos los píxeles MODIS (instrumento a bordo de las misiones Aqua y Terra de NASA) que actualmente nos provee los datos de NDVI o EVI con una resolución de un píxel cada cinco hectáreas, o sea que la mínima unidad de observación para el sistema es de cinco hectáreas. Por otro lado, sabiendo que en ese potrero se tiene una pastura, un pastizal o un verdeo, teniendo alguna estimación a partir de esto de la eficiencia en el uso de la radiación y un dato de radiación solar de la zona, estimamos cada mes la productividad forrajera con continuidad en el tiempo y con la posibilidad de acceder a los datos pasados desde el año 2000 a la fecha. Es decir, que si uno conoce en un sitio cualquiera cuál fue la cobertura, puede acceder hoy a una “radiografía” de su productividad de los últimos 17 años.
LS: ¿Los productos MODIS que utilizan requieren algún tipo de corrección adicional a lo que NASA ofrece?
MOy: Esa es una de las cosas que nos ha allanado mucho el camino. El producto de índice de vegetación que hoy genera la NASA, que es un dato cada 16 días, nos ha servido mucho tal como se ofrece, sin correcciones adicionales. Todas las evaluaciones que hemos hecho del producto han sido todas muy satisfactorias.
MO: El producto viene con un dato auxiliar, que es la calidad, que permite filtrar de acuerdo a criterios propios. El Dato de NDVI viene acompañado de un valor, un código, que indica si hubo un problema de ángulo de inclinación, aerosoles, nubes y vos como usuario tomas la decisión a nivel software de registrar ese píxel o no. Según el uso que se esté haciendo, se puede ser más o menos restrictivo.
LS: La resolución de MODIS es baja comparado con otros instrumentos que también tienen canales rojo e infrarrojo como Landsat o CBERS. ¿Utilizan imágenes de otros sensores además de MODIS?
MOy: Siempre buscamos mejorar el detalle a nivel lote, pero nos encontramos con una discontinuidad en el tiempo, o poca frecuencia, o pocos años de archivo. Landsat, hasta donde entiendo para la región pampeana, permite armar la historia de un año con no más de seis o siete imágenes, si quitás las escenas nubladas. Se tiene buena resolución espacial (30 metros), pero poco detalle en el tiempo. Para el tipo de extensión que trabajamos, que son potreros ganaderos, casi siempre por encima de las 30 o 40 hectáreas, MODIS es suficiente, sobre todo porque pasa todos los días. Tenés, por un lado, todo el año cubierto y la posibilidad de utilizar los productos que genera la NASA, que tiene un dato asegurado de índice de vegetación cada 16 días, que corresponde al dato de mayor calidad de ese período. Entonces, tener dos datos por mes de la productividad forrajera con MODIS fue un paso enorme. En la medida que mejore la resolución espacial, sin duda va ser mejor, pero no es crítico para conocer la productividad forrajera.
MO: Dentro del universo de productores ganaderos, el único sistema base pastoril que queda un poco afuera son los tambos. Estos tienen unidades de manejo muy pequeñas. En cambio, para un ganadero más extensivo, lo que hay adentro de un píxel de 5 hectáreas tiene poca incidencia en el manejo. En cambio los tamberos suelen tener potreros muy pequeños donde un pixel de 5 hectáreas es insuficiente al igual que para la agricultura donde sí hay demanda actual de heterogeneidad fina para, por ejemplo, la agricultura de precisión. En la agricultura, conociendo las fechas críticas, donde ya no es tan necesario tener un seguimiento temporal de un año sino de unos meses, quizás es suficiente con una escena Landsat en una fecha cercana al momento crítico de definición del rendimiento.
LS: La cantidad de radiación disponible para un punto de la Tierra está afectada si el día estuvo nublado o con lluvias. Para determinar eso, ¿utilizan imágenes?
MOy: Para eso utilizamos imágenes de radiación solar que genera el INPE (Instituto de Investigaciones Espaciales de Brasil). Ellos estiman nubosidad y a partir de eso, junto con la temperatura de superficie y la coordenada geográfica llegan a un dato de radiación solar. Este producto se encuentra publicado en el portal del INPE y creo que para eso utilizan información de satélites GOES. Este producto tiene una resolución espacial mucho menos detallada, con píxeles de 5 kilómetros de lado. Esta información, cubriendo todo el territorio versus unas pocas estaciones meteorológicas que miden radiación es más que suficiente para los fines que lo estamos utilizando. En radiación somos usuarios, no tocamos nada, tratamos de conseguir el dato más detallado en el tiempo y el espacio. Utilizamos esta información tal como alguien la procesa, no hicimos ningún algoritmo que implique conocimientos climatológicos como tienen quienes desarrollan estos productos.
MO: La estimación de productividad forrajera que hacemos no es milimétrica, es de grano grueso y no sólo en el espacio. La estimación tiene un error que es difícil de calcular porque, la única verdad con la que lo podemos comparar es la de las estimaciones a campo y éstas son muy poco confiables, tienen una variabilidad muy grande. Es una situación donde se tiene un modelo de estimación, basado en imágenes satelitales donde tenemos calculado los errores respecto a un seguimiento hecho con tijeras. El problema está en que el seguimiento hecho con tijeras, por ejemplo para un lote que produce 7.500 kilogramos por hectárea por año, tiene un intervalo de confianza entre 5000 y 9500 kilogramos.
LS: El sistema de estimación de producción forrajera está actualmente en operación en AACREA. ¿Cómo es la incorporación por parte de los productores ganaderos?
MO: Si bien transferimos el sistema a AACREA, hay una cierta dependencia e intercambio y nosotros también utilizamos la base de datos de ellos para nuestras investigaciones. El sistema se usa, pero como muchas tecnologías, tiene una adopción bastante lenta.
MOy: El usuario, el productor o quien vaya a indagar acerca de la productividad, puede no saber nada ni de imágenes satelitales ni de radiación. El sistema utiliza imágenes para calcularla pero lo que entrega es el dato de productividad. Lo que ocurre, y que es parte del diagnóstico que estamos haciendo con AACREA, es que nos encontramos frente a profesionales que no hacen presupuestos forrajeros o los hacen de manera muy cualitativa. No incorporan en su práctica profesional este debe y haber de forraje y, en muchos casos, creemos que es porque hasta hace poco tiempo era difícil contar con datos de producción forrajera por lote, por lo tanto no es una variable a considerar. Al no incorporar el presupuesto forrajero como una de las tantas acciones que un profesional hace, la cuantificación de la producción de forraje pasa desapercibida, ya que son capaces de producir carne sin saber cuánto pasto se produce.
MO: La barrera de adopción es agronómica, no tiene que ver con la tecnología satelital. Nuestro grupo siembre tuvo como característica pasar rápidamente a lo biofísico. Salir rápido de los mapas y el SIG.
Sin embargo, hay casos alentadores de adopción. En AACREA tienen una reunión mensual, donde se juntan técnicos y productores de todo el país. Cuando se reúne la mesa técnica de ganadería, por ejemplo, hay una ronda de novedades que analiza un mapa de anomalías del índice de vegetación de todo el país. Analizan cómo está la situación de los últimos 30 días en relación a los valores históricos. Esto ya es un nivel de adopción de la tecnología importante. Pasaron de un análisis sin mucha precisión geográfica ni cuantitativa a algo que es un mapa con una historia de 10 o 15 años con mediciones. Eso ya es un avance.
Otro aspecto curioso es la lógica que tiene el modelo que te comentó Mariano. La productividad del pasto se estima a partir de la proporción de la luz que llega y que el pasto es capaz de interceptar con sus hojas y absorber, y cuánto de lo absorbido se transforma en materia seca. El haber comenzado a estimar la producción forrajera así, hizo que los productores valoren esa primera parte de la ecuación, que es que hay que tener hojas verdes para que intercepten luz, que es la fábrica de pasto. Eso marca qué significa sobrepastorear algo, o sea, pastorear más de lo que deberías. Se tiene por un lado una ganancia, consumiste el forraje, pero por otro lado estás consumiendo la máquina de generar forraje, y eso es algo que dicho así parece obvio, pero el hecho de haber entrado por lo satelital hizo valorar la posibilidad de conocer el índice de vegetación y cómo eso afecta la productividad, un subproducto que se desprende de trabajar con esta tecnología y que tiene un impacto sobre el manejo ganadero inicialmente no previsto.
LS: Las misiones que llevan a bordo el instrumento MODIS se lanzaron hace un tiempo ya, ¿cuál es el reemplazo?
MO: NPP VIIRS va a cumplir las funciones MODIS, ya están cumpliéndolas. Perdemos un poco de resolución espacial, son 350 metros creo. Pero lo bueno es que casi todo viene en esa resolución, a diferencia de MODIS, que cada parámetro está en una resolución diferente. La resolución es más pareja. Y después están los Sentinel. No estamos usándolos aun, pero en esta estación de crecimiento, por ejemplo, vamos a ir a medir radiación absorbida en cultivos de trigo y pasturas recién sembradas para tener una calibración simultánea con lo de MODIS que ya lo tenemos hecho, pero para estas nuevas plataformas.
MOy: Parece que estamos en tiempo de gracia con MODIS porque en 2010 supuestamente finalizaba la vida útil de estas misiones.
LS: ¿Qué software utilizan para el manejo y procesamiento de las imágenes y datos satelitales?
MO: Lo que hemos usado hasta el momento más frecuentemente y con más intensidad es ERDAS, ENVI, ARCGIS y QGIS, los primeros de procesamiento de imágenes y los segundos de GIS, y después planillas de cálculo y bases de datos en SQL como desarrollos propios. Hicimos un sistema que incorpora este algoritmo o esta ecuación que nombrábamos que utiliza como fuentes los datos satelitales, los de radiación y los datos de tipo de cobertura, y permite estimar la productividad en forma más o menos automática. Ese fue un desarrollo de más de diez años, que se usó todo este tiempo y se sigue usando. Un desarrollo propio del laboratorio. Como suele pasar con estas cosas, empezamos a detectar deficiencias y limitaciones, y entonces apareció un segundo desarrollo que estamos llevando a cabo, que es un poco más versátil en términos de la información espacial, puede usar no sólo datos MODIS sino también otras imágenes satelitales, entonces el reemplazo de MODIS va a ser menos traumático en términos de uso de información y estamos a mitad de camino con esto. Es un software en sí mismo desarrollado como una base de datos relacional que lo hacemos específicamente para el laboratorio. Va a ser abierto y lo hacemos todo con tecnología libre. Alcanzó un grado de desarrollo que permitió instalar un módulo en el Ministerio de Agroindustria y pronto empezarán a procesar datos.
MO: En esos casos se trata de segmentos aleatorios, son áreas que el Ministerio releva semestralmente, son áreas fijas, que están ubicadas en distintos lugares del país, con cierta densidad que depende de la agricultura, con delegados que recorren eso y marcan el tipo de cobertura, si es trigo, avena, pastura, etc. Y eso es un elemento central para poder entrar en el modelo que te describía Mariano, porque varía según la cobertura. El sistema que estamos instalando en el Ministerio va a tener esos sitios como los sitios de verdad terrestre, y basar la productividad en eso. Y va a construir promedios zonales, regionales, y va a poder informar la productividad de la pastura de determinada zona a nivel nacional. Se está instalando ahora.
LS: En la línea de investigación vinculada a los usos de la tierra, ¿qué actividades están realizando actualmente?
MO: Ninguno de nosotros dos trabaja en eso concretamente. Se estiman tasas de transformación a escala de cuenca, como la del Río de la Plata por ejemplo. Se habla mucho de cambio global, de temperatura, dióxido de carbono, pero los cambios más importantes están ocurriendo en la cobertura de la tierra. La firma, el patrón estacional que tienen las distintas coberturas, se basa en la curva a lo largo del año de algún índice de vegetación, se puede diferenciar por zonas y generar una base de datos de firmas que después se pueden incluir en un modelo para hacer mapas de uso de la tierra en distintos momentos y detectar cuándo una firma de lo que es un bosque se transforma en soja, por ejemplo. Hay muchos trabajos que han detectado tasas de deforestación y hay intervenciones a nivel gubernamental, que han incidido incluso en fallos de la Corte Suprema de la Nación.
MOy: Como un trabajo anexo, como una tesis, alguien digitalizó todos los mapas provinciales que determinaron las áreas de bosque que se pueden transformar o no, con las posibilidades de intervención agropecuaria, etc. Al unir los límites provinciales, lo que para alguien es rojo de un lado de la provincia, es amarillo del otro lado. No coinciden mucho las categorías. La gente del laboratorio de acá lo que hizo es mirar para cada categoría cuánto desmonte había ocurrido en cada año, entonces se nota que hay provincias que hicieron caso omiso de la ley de protección de bosque y se desmontó mucho en zonas donde no se podía. Y se presentó a la justicia una estimación de superficie desmontada a partir de fotointerpretación sin índices espectrales utilizados en un modelo, simplemente de interpretación visual que es muy clara. En la provincia de Salta, hubo superficies desmontadas en áreas que habían sido declaradas intangibles. La Corte Suprema usó ese informe técnico para avalar su fundamento. Más allá de ser sólo un caso, esto sentó precedente de la importancia que tenía poder evaluar lo más rápido posible la intervención de un área. Es decir que potencialmente en cualquier área se puede ver más o menos rápidamente si hubo o no intervención.
LS: ¿Qué imágenes se utilizaron para este trabajo?
MOy: Son casi todas Landsat, y otras disponibles en Google Earth si las fechas lo permiten. Es todo para fotointerpretación. Con la fotointerpretación se pudieron armar firmas, esto que se detectó con el ojo que hay desmonte, qué firma espectral tiene ahora. Luego, sin fotointerpretar la zona y en forma más o menos automatizada, según la firma espectral se puede saber si hay o no desmonte.
LS: En un mundo que avanza hacia múltiples constelaciones de satélites de navegación, con constelaciones orientadas al uso civil y comercial como GALILEO, el seguimiento de la posición del ganado parece posible. ¿Es algo que resulta de interés?
MO: Para investigación, sin duda. Y hay muchos trabajos que se hacen con GPS. En la parte productiva, cada vez más aplica a los mercados que buscan trazabilidad. Vamos hacia ahí. Cada vez más el que compra carne, le da importancia a qué estuvo comiendo ese animal, si por ejemplo fue desmontado o no el lugar, de dónde vino. Entonces en la medida que eso se imponga, vas a comprar un bife en la góndola y vas a conocer de dónde viene esa vaca. Parece descabellado, pero en un futuro esto va a ser información necesaria para el consumo.
Desde el punto de vista del gobierno también es importante, ellos podrían verificar existencias y traslados.
LS: ¿A nivel regional, mundial, hay desarrollos similares a los que realizaron desde el LART?
MOy: Este sistema de seguimiento forrajero es bastante singular, según entendemos hay un solo sistema análogo, en Australia, de seguimiento de la productividad forrajera con Sensores Remotos y, hasta lo que sabemos, ningún otro más, ni siquiera en EEUU que provee las imágenes. Un compañero trabajó nueve meses allá y mostró cómo se puede estimar productividad forrajera a través de MODIS. En Uruguay también se está usando este desarrollo porque lo estamos transfiriendo allí. En Australia vendían el software para interactuar con la base de datos. Había una parte comercial.
MO: Hay una lógica de la productividad forrajera que todavía no ha permeado. La mayoría de la gente toma a la productividad como el balance de cortar el pasto en un lugar, repetirlo al mes siguiente y hacer la diferencia entre esos dos valores. Cuando pasás a lo satelital la lógica es totalmente distinta: todos los días está entrando luz y hay una porción de esa luz que está siendo absorbida y transformada en pasto. Y eso es un cambio, que si no se entiende, cuesta mucho creer a quien te lo explica. Hay una barrera ahí.
LS: ¿Cómo es la vinculación con la Comisión Nacional de Actividades Espaciales (CONAE)?
MO: Hemos hecho convenios y siempre han estado muy disponibles cuando hemos pedido imágenes. Las imágenes Landsat antes las descargábamos a través de CONAE. No hay un trabajo codo a codo con un desarrollo más específico. Recientemente nos invitaron a una reunión para incentivar el uso de información de radar.
Sería interesante ver la posibilidad de alguna plataforma más cercana a la demanda de la agricultura. Empezar por el lado de la demanda y a partir de ahí generar el desarrollo. En conjunto con las instituciones del sector.
Con cada funcionario que me reúno le digo que estaría bueno empezar a generar un documento con requerimientos, que después se ajustan a las posibilidades reales. Los usuarios potenciales no son tantos, pero el país es fuertemente agrícola-ganadero.
LS: La información provista por MODIS es clave. ¿Qué es lo que más destacan de esta misión?
MO: MODIS fue siempre más fácil, hay una grilla, una página web, es muy abierto y transparente y más fácil de procesar. El impacto en la investigación científica de MODIS es enorme. MODIS ha hecho un gran salto. Siempre sacan colecciones nuevas de imágenes. Siguen trabajando y mejorando los datos.
