utilizaciÓn de firmas espectrales de alta … · utilizaciÓn de firmas espectrales de alta...

1
UTILIZACIÓN DE FIRMAS ESPECTRALES DE ALTA RESOLUCIÓN TEMPORAL PARA LA ELABORACIÓN DE MAPAS DE USO AGRÍCOLA Y ESTIMACIONES DE SUPERFICIE CULTIVADA A ESCALA DE LOTE EN ARGENTINA Y URUGUAY Bagnato C. 1 , Conde C., Noe Y., Caride C., Baeza, S. Paoli H., Vallejos M., Gallego F. Vale, L., Amdan L., Elena H., Texeira M., Mosciaro J., Ciuffoli L., Morales, C., Baldassini P., Aguiar S., Arocena M.D., Volante J.N., Paruelo J.M. 1- Facultad de Agronomía Universidad de Buenos Aires/Conicet - Laboratorio de Análisis Regional y Teledetección. Av. San Martín 4453, C.A.B.A. [email protected] . INTRODUCCIÓN Argentina y Uruguay no cuentan en la actualidad con estimaciones confiables, continuas y espacialmente explícitas de la distribución y superficie sembrada con cultivos agrícolas . Las estadísticas agrícolas realizadas por organismos oficiales derivan de información provista por informantes calificados y la metodología por la cual se determina la superficie sembrada no está debidamente documentada. En este trabajo proponemos un protocolo basado en sensores remotos y monitoreo a campo para la estimación de la superficie sembrada por los principales cultivos, espacialmente explicita a escala de lote, con error de estimación conocido, a nivel binacional incluyendo toda la región agrícola de Argentina y Uruguay. PROPUESTA METODOLÓGICA Áreas Piloto: 1. República Oriental del Uruguay 2. Noroeste Argentino, Provincia de Salta Estratificación Definición de Paisajes Agrícolas Homogéneos en función del porcentaje de agricultura, índices de paisaje y unidades de vegetación FENOTECA Base de datos de firmas espectrales por cultivo y zona indefinidamente creciente nutrida de aportes del público en general Árboles de Decisión Clasificación (Alta resolución temporal - MODIS) Segmentación (Alta Resolución Espacial - LANDSAT) Muestreos Exhaustivos a Campo Evaluación de la clasificación - Matriz de Confusión Estimación y Corrección de la superficie agrícola Mapa de uso agrícola a nivel de lote Evaluación de la exactitud del Mapa Matriz de confusión Muestreos exhaustivos a campo en franjas de 800 m May Jun Jul Ago Sep Oct Nov Dic 2000 4000 6000 8000 10000 IVN (MODIS) RESULTADOS PRELIMINARES FENOTECA Uruguay - Campaña verano 2011-2012 Salta Campaña Verano 2012 Este trabajo propone una metodología para la obtención de mapas de uso agrícola y la estimación de superficie sembrada. Las ventajas de esta metodología es que es repetible, espacialmente explícita, y permite conocer los usos agrícolas a escala de lote a nivel nacional por campaña agrícola con un valor de precisión conocido. Así mismo, define las bases para la creación y utilización de una base de datos pública de firmas espectrales, indefinidamente creciente nutrida por el aporte del público en general. La información generada resulta de gran relevancia para la toma de decisiones, la planificación de políticas agrarias y la definición de bases del ordenamiento territorial rural. CONCLUSIONES Datos sistematizados por año, campaña y cobertura a nivel de pixel MODIS con identidad de lote digitalizado a mano alzada sobre imágenes de alta resolución espacial. Segmentación Definición de polígonos de Unidades de manejo (Lotes) Parámetros para generar Árboles de Decisión Stack de imágenes MODIS con las fechas de la campaña a clasificar y bandas de información sintéticas (Suma, Promedio, Máximo, Mínimo, Tasa de incremento, DS, Etc.) Clasificación de las zonas agrícolas de la provincia de Salta Matriz de confusión para los cultivos en los que se contaba con verdad terrestre para la evaluación. La exactitud global fue de 78 % Esquema general de la metodología propuesta Los muestreos se realizan en bandas de 800 m a ambos lados de caminos en un recorrido definido a priori . Durante el muestreo exhaustivo se relevan todas las coberturas encontradas incorporando toda la variabilidad existente para las clases presentes en el campo y se digitalizan las clases sobre imágenes de alta resolución espacial (ej: LANDSAT) utilizando navegación en tiempo real con un GPS que permita cargar imágenes de fondo. Los muestreos se utilizan para evaluar la clasificación de la campaña en curso y para alimentar la FENOTECA para clasificar otras campañas Ejemplos de firmas espectrales promedio para una campaña de verano Firmas espectrales para el cultivo de trigo mostrando la variabilidad existente para una campaña Estimación de la superficie cultivada Método de regresión Clasificación Clasificación de pixeles puros mediante arboles de decisión Clasificación de todo el territorio Uruguayo. El país se dividió en 30 Paisajes homogéneos definidos por las 10 unidades geomorfológicas y 3 niveles de fragmentación del paisaje (alta, media y baja). En cada estrato se aplicó la metodología propuesta. El árbol de decisión utilizado para la clasificación arrojo una precisión general de 85,6 % Evaluación del árbol de decisión con un set independiente de 3535 casos Insumos del Proceso Mosaico de imágenes de alta resolución temporal (ej: LANDSAT) Resultados

Upload: others

Post on 29-Aug-2019

1 views

Category:

Documents


0 download

TRANSCRIPT

Page 1: UTILIZACIÓN DE FIRMAS ESPECTRALES DE ALTA … · utilizaciÓn de firmas espectrales de alta resoluciÓn temporal para la elaboraciÓn de mapas de uso agrÍcola y estimaciones de

UTILIZACIÓN DE FIRMAS ESPECTRALES DE ALTA RESOLUCIÓN TEMPORAL PARA LA ELABORACIÓN DE MAPAS DE USO AGRÍCOLA Y ESTIMACIONES DE SUPERFICIE CULTIVADA A ESCALA DE LOTE EN

ARGENTINA Y URUGUAYBagnato C.1, Conde C., Noe Y., Caride C., Baeza, S. Paoli H., Vallejos M., Gallego F. Vale, L.,

Amdan L., Elena H., Texeira M., Mosciaro J., Ciuffoli L., Morales, C., Baldassini P., Aguiar S.,

Arocena M.D., Volante J.N., Paruelo J.M.1- Facultad de Agronomía Universidad de Buenos Aires/Conicet - Laboratorio de Análisis Regional y Teledetección. Av. San Martín 4453, C.A.B.A. [email protected].

INTRODUCCIÓN Argentina y Uruguay no cuentan en la actualidad con estimaciones confiables, continuas y espacialmente explícitas de la distribución y superficie sembrada con cultivos agrícolas . Las estadísticas agrícolas realizadas por organismos oficiales derivan de información provista por informantes calificados y la metodología por la cual se determina la superficie sembrada no está debidamente documentada. En este trabajo proponemos un protocolo basado en sensores remotos y monitoreo a campo para la estimación de la superficie sembrada por los principales cultivos, espacialmente explicita a escala de lote, con error de estimación conocido, a nivel binacional incluyendo toda la región agrícola de Argentina y Uruguay.

PROPUESTA METODOLÓGICA

• Áreas Piloto: 1. República Oriental del Uruguay2. Noroeste Argentino, Provincia de Salta

• EstratificaciónDefinición de Paisajes Agrícolas Homogéneosen función del porcentaje de agricultura, índices depaisaje y unidades de vegetación

• FENOTECA Base de datos de firmas espectrales por cultivo y zonaindefinidamente creciente nutrida de aportes del público en general

• Árboles de Decisión• Clasificación (Alta resolución temporal - MODIS)• Segmentación (Alta Resolución Espacial - LANDSAT)• Muestreos Exhaustivos a Campo

• Evaluación de la clasificación - Matriz de Confusión• Estimación y Corrección de la superficie agrícola

Mapa de uso agrícola a nivel de lote

Evaluación de la exactitud del Mapa

Matriz de confusión

Muestreos exhaustivos a campo en franjas de 800 m

May Ju

nJu

lAgo

Sep O

ctNov

Dic

2000

4000

6000

8000

10000

IVN

(M

OD

IS)

RESULTADOS PRELIMINARES

FENOTECA

Uruguay - Campaña verano 2011-2012 Salta – Campaña Verano 2012

Este trabajo propone una metodología para la obtención de mapas de uso agrícola y la estimación de superficie sembrada. Las ventajas de esta metodología es que esrepetible, espacialmente explícita, y permite conocer los usos agrícolas a escala de lote a nivel nacional por campaña agrícola con un valor de precisión conocido. Asímismo, define las bases para la creación y utilización de una base de datos pública de firmas espectrales, indefinidamente creciente nutrida por el aporte del público engeneral. La información generada resulta de gran relevancia para la toma de decisiones, la planificación de políticas agrarias y la definición de bases del ordenamientoterritorial rural.

CONCLUSIONES

Datos sistematizados por año, campaña y cobertura a nivel de pixel MODIS con identidad de lote digitalizado a mano alzada sobre imágenes de alta resolución espacial.

SegmentaciónDefinición de polígonos de Unidades de manejo (Lotes)

Parámetros para generar Árboles de Decisión

Stack de imágenes MODIS con las fechas de la campaña a clasificar y bandas de información sintéticas (Suma, Promedio, Máximo, Mínimo, Tasa de incremento, DS, Etc.)

Clasificación de las zonas agrícolas de la provincia de Salta

Matriz de confusión para los cultivos en los que se contaba con verdad terrestre para la evaluación. La exactitud global fue de 78 %

Esquema general de la metodología propuesta

Los muestreos se realizan en bandas de 800 m a ambos lados de caminos en un recorrido definido a priori . Durante el muestreo exhaustivo se relevan todas las coberturas encontradas incorporando toda la variabilidad existente para las clases presentes en el campo y se digitalizan las clases sobre imágenes de alta resolución espacial (ej: LANDSAT) utilizando navegación en tiempo real con un GPS que permita cargar imágenes de fondo. Los muestreos se utilizan para evaluar la clasificación de la campaña en curso y para alimentar la FENOTECA para clasificar otras campañas

Ejemplos de firmas espectrales promedio para una campaña de verano

Firmas espectrales para el cultivo de trigo mostrando la variabilidad existente para una campaña

Estimación de la superficie cultivada

Método de regresión

ClasificaciónClasificación de pixeles purosmediante arboles de decisión

Clasificación de todo el territorio Uruguayo. El país se dividió en 30 Paisajes homogéneos definidos por las 10 unidades geomorfológicas y 3 niveles de fragmentación del paisaje (alta, media y baja). En cada estrato se aplicó la metodología propuesta. El árbol de decisión utilizado para la clasificación arrojo una precisión general de 85,6 %

Evaluación del árbol de decisión conun set independiente de 3535 casos

Insumos del ProcesoMosaico de imágenes de alta resolución temporal (ej: LANDSAT)

Resultados