Portada

Identifican tipos de cultivos agrícolas con innovadora herramienta

A fin de obtener información sobre la ubicación y superficies con cultivos agrícolas, con imágenes satelitales, generalmente se utilizan operaciones de clasificación mediante firmas espectrales. Sin embargo, con esta metodología es difícil identificar el tipo de cultivo ya que muchos cultivos tienen firmas espectrales muy similares o se tienen que analizar múltiples imágenes a lo largo del año debido a los diferentes ciclos fenológicos. Actualmente, se utiliza la plataforma Google Earth Engine (GEE), herramienta innovadora para la clasificación de tipos de cultivos agrícolas mediante series temporales de índices de vegetación que permiten discernir entre un cultivo y otro.

/cms/uploads/image/file/895728/Figura_2.png

El Dr. Gabriel Sosa Pérez, investigador del Campo Experimental La Campana, perteneciente al Centro de Investigación Regional Norte Centro, (CIRNOC) del Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias (INIFAP) señaló,  que bajo esta metodología, es posible calcular el Índice de Vegetación de Diferencia Normalizada (NDVI) para varias fechas durante el año,  en determinada parcela, y de acuerdo al comportamiento durante el año y el ciclo fenológico de los cultivos, es posible determinar el tipo de cultivo.  El NDVI es un simple indicador de la biomasa fotosintéticamente activa, o en términos simples, un cálculo de la salud de la vegetación. Los resultados varían de -1 a 1. El suelo desnudo generalmente cae dentro del rango de 0.1 a 0.2; y las plantas siempre tendrán valores positivos entre 0.2 y 1. Los valores cercanos a 1 representan vegetación densa y con alto vigor.

/cms/uploads/image/file/895729/Figura_10d.png

El investigador señaló que inicialmente en este proceso, se realiza la identificación de áreas agrícolas. Para el análisis e identificación de dichas zonas se pueden utilizar imágenes satelitales como Sentinel-2 y Landsat-8 procesadas en GEE y QGIS, el cual es un Software libre. GEE es una plataforma que permite visualizar y analizar imágenes de satélite de varias fechas de forma simultánea. Para identificar áreas agrícolas se realiza el siguiente procedimiento:

  1. Se filtran todas las imágenes con menor nubosidad durante cada año para todo el territorio de interés.
  2.  Se aplica una “máscara de nubes” eliminando, reemplazando o fusionando los pixeles de nubes con los de otras imágenes para reducir la alteración de los valores medios del píxel.
  3. Se calcula el NDVI para cada una de las múltiples imágenes.
  4. Se forman nuevas imágenes que corresponden a los valores promedio, mediana o máximo de NDVI de todas las imágenes analizadas. Es decir, de todas las imágenes compiladas en el año se genera una nueva imagen sobre la cual es posible diferenciar las áreas agrícolas de otros usos de suelo.

/cms/uploads/image/file/895735/4.jpg

El Dr. Sosa destacó que, una vez identificadas las áreas agrícolas es posible identificar el tipo de cultivo. Para realizar la identificación, se obtienen las series temporales o perfiles temporales de NDVI en GEE para toda la zona y periodo de interés. Una vez obtenidas las series temporales, se analizan los perfiles de NDVI de algunas parcelas y se identifica el tipo de cultivo, de acuerdo al ciclo fenológico del mismo, esto con el fin de obtener áreas de entrenamiento para una clasificación supervisada de toda la imagen. Un algoritmo entonces identifica y etiqueta automáticamente áreas o pixeles similares a las áreas de entrenamiento.

Un algoritmo para la clasificación de las imágenes es Random Forest. Este es un algoritmo de aprendizaje automatizado, basado en árboles de decisiones que “aprende” de las “áreas de entrenamiento” e identifica patrones en grandes bases de datos para seleccionar la mejor clasificación de cada pixel. Entonces, mediante el perfil anual de NDVI y el ciclo fenológico del cultivo, es posible determinar las superficies para cada cultivo de interés en determinado año.

/cms/uploads/image/file/895736/3.jpg

Contacto: Dr. Gabriel Sosa Pérez

Investigador del Campo Experimental La Campana (CIRNOC)

Correo Electrónico: [email protected]


Artículos Relacionados

Back to top button