RESUMENEl correcto manejo y uso adecuado de los pastos deben tener como objetivo una mayor producción y eficiencia de uso. En este sentido, las tecnologías de fácil acceso y uso se han estudiado cada vez más. En geotecnologías de teledetección, mediante el uso de índices de vegetación, es posible determinar varios parámetros agronómicos. Algunos sensores dan como resultado el NDVI (Índice de vegetación de diferencia normalizada), que tiene una excelente correlación lineal con la biomasa, por ejemplo. Por lo tanto, el objetivo de este estudio fue evaluar la relación entre las variables altura del dosel (AD), densidad de la población de macollos (DPP) y biomasa total de forraje (BFT) de pasto búffel (Pennisetum ciliare cv. Molopo), pasto corriente (Urochloa mosambicensis) y pasto massai (Megathyrsus maximus cv. Massai) en relación al NDVI generado por el sensor terrestre GreenSeeker. El experimento se realizó en la Unidad de Docencia, Investigación y Extensión (UEPE) del Instituto Federal de Educación, Ciencia y Tecnología de Ceará (IFCE), ubicado en el Perímetro Irrigado Jaguaribe-Apodi, en Chapada do Apodi, en Limoeiro do Norte -CE, durante el período de febrero a mayo de 2019. Se analizaron la altura del dosel (cm), la densidad de la población de macollos (perf.m²), la biomasa total de forrajes (kg.ha -1 ) y el NDVI. Los datos se sometieron a análisis de regresión mediante el software SISVAR versión 5.6 y se calcularon los coeficientes de correlación de Pearson. Se pudo observar que las correlaciones entre las variables DPP, AD y BFT en relación al NDVI se explican mejor mediante funciones polinomiales. Las variables que más afectan las lecturas del NDVI, en orden creciente de importancia, son DPP, BFT y AD. Al calcular los coeficientes de correlación de Pearson, fue posible identificar los parámetros que mejor se correlacionaron con los índices de vegetación, a saber, la altura del dosel y la biomasa total de forraje. El uso de sensores ópticos activos tiene un gran potencial para estimar el potencial productivo de las gramíneas.

No abstract

Tools that generate models with good biomass predictive capacity are essential to maintain the sustainability of production systems. The objective was to analyze the relationship between forage biomass and structural variables and generate models to predict total forage biomass (TFB) and green leaf blade biomass (GLB). Irrigated pastures of Brachiaria decumbens Stapf 'Basilisk' were kept under rotational stocking with sheep (Ovis aries L.) The TFB, GLB, leaf area index (LAI), height (cm), and normalized difference vegetation index (NDVI) were evaluated. The experimental design was completely randomized with four replicates: ten and five cycles of defoliation management, respectively, were used to generate and validate the stages of the models. The best goodness of fit was obtained by nonlinear models for both TFB and GLB, which can be confirmed by high Spearman's correlations and significance (P < 0.0001). The path analysis showed low collinearity (42.60) between NDVI, LAI, and height; the high determination coefficient (R²) with values of 0.8421 and 0.7767 demonstrated their associations with TFB and GLB, respectively. Among the studied models to predict TFB and GLB, only exponentials using NDVI and power using LAI and height showed the best fit. In the validation stage, the models related to height exhibited the highest performance with 0.9531 (TFB) and 0.9638 (GLB) d-index, -2.3 (TFB) and -7.20 (GLB) bias, and 0.8532 (TFB) and 0.8932 (GLB) R². Only nonlinear models using height (cm) to predict TFB and GLB had the best practical application potential, thus ensuring efficiency in data collection.