Discriminación de trigo y cebada empleando imágenes satelitales ópticas y radar. Estudio de caso: partido de Coronel Rosales (Argentina)
El partido de Coronel Rosales (Buenos Aires, Argentina) se halla localizado dentro de la región pampeana austral, una de las de mayor relevancia agro productiva del país. En este contexto, el conocimiento de la superficie cultivada adquiere significativa importancia para la posterior planificación a...
| Autor: | |
|---|---|
| Tipo de recurso: | artículo |
| Estado: | Versión publicada |
| Fecha de publicación: | 2021 |
| País: | Argentina |
| Institución: | Instituto Nacional de Tecnología Agropecuaria |
| Repositorio: | INTA Digital (INTA) |
| Idioma: | español |
| OAI Identifier: | oai:localhost:20.500.12123/9485 |
| Acceso en línea: | http://www.investigacionesgeograficas.unam.mx/index.php/rig/article/view/60173 http://hdl.handle.net/20.500.12123/9485 https://doi.org/10.14350/rig.60173 |
| Access Level: | acceso abierto |
| Palabra clave: | Trigo Cebada Teledetección Imágenes por Satélites Imágenes por Radar Argentina Wheat Barley Remote Sensing Satellite Imagery Radar Imagery |
| Sumario: | El partido de Coronel Rosales (Buenos Aires, Argentina) se halla localizado dentro de la región pampeana austral, una de las de mayor relevancia agro productiva del país. En este contexto, el conocimiento de la superficie cultivada adquiere significativa importancia para la posterior planificación agrícola y económica. En tal sentido, la discriminación de cultivos mediante teledetección se dificulta cuando se trata de los de ciclo fenológico muy similar, como el trigo y la cebada. En este estudio se realizó una discriminación de dichos cultivos empleando imágenes de Radar de Apertura Sintética (SAR) Sentinel-1A SLC, imágenes ópticas Sentinel-2 y una combinación de ambos tipos de datos. Se incorporaron medidas de coherencia, textura e intensidad de retrodispersión extraídas de los datos SAR durante el ciclo fenológico completo. Sobre cada escena Sentinel-2 se obtuvo el Índice de Diferencia Normalizada de Vegetación (Normalized Difference Vegetation Index - NDVI). Se emplearon tres algoritmos de clasificación: Máxima Verosimilitud (Maximum Likelihood - MLC), Máquinas de Soporte Vectorial (Support Vector Machines - SVM) y Random Forest (RF). Los mejores resultados se obtuvieron al combinar imágenes ópticas y SAR empleando el clasificador RF. La combinación de las retrodispersiones VV y VH junto a la coherencia y la textura de las imágenes SAR, sumada al apilado de NDVI de imágenes ópticas, arrojó los máximos valores de precisión de la clasificación. El valor de F1 fue de 87.27% para el trigo y de 89.20% para la cebada. |
|---|