Determinación del Periodo Óptimo de Adquisición para Clasificación de Cultivos
Periodo de Adquisición para Identificación de Cultivos
Publicado en: International Journal of Remote Sensing (Volumen 43)
Editorial: Taylor & Francis
DOI: 10.1080/01431161.2021.1975846
Resumen: Los procesos de identificación de cultivos por satélite se utilizan cada vez más a gran escala, tanto para verificar el cultivo como para mejorar la producción. Al ser necesario estudiar datos fenológicos a lo largo de un periodo de tiempo en un territorio extenso, se requiere mucho espacio de almacenamiento para guardar las imágenes de satélite y mucho tiempo de cálculo para analizar toda esta información. Los periodos de detección suelen establecerse en base a criterios subjetivos de expertos o a la experiencia previa. Sin embargo, esta decisión puede causar diversas diferencias a la hora de discriminar patrones de cultivos, además de no garantizar una buena precisión. Estos procesos mejorarían enormemente si se pudieran encontrar sistemáticamente los periodos de tiempo adecuados utilizando el mínimo número de imágenes de satélite en el menor tiempo posible. En este artículo, proponemos una nueva metodología para determinar un periodo de detección adecuado para la identificación de cultivos utilizando imágenes de Sentinel 2, aplicando algoritmos de escalada (hill climbing) a los conjuntos de entrenamiento de modelos de redes neuronales. Hemos utilizado el método con éxito en la campaña de la Política Agrícola Común de 2020 en la región de Extremadura, España. El artículo también describe el uso del método en un caso de detección de tabaco en esta misma región.
Este artículo científico propone una metodología novedosa para determinar sistemáticamente las mejores ventanas temporales para la clasificación de cultivos basada en satélite: sustituyendo los criterios subjetivos de expertos por un enfoque algorítmico.
El Problema
La identificación de cultivos por satélite requiere análisis multitemporal: se necesitan imágenes de diferentes momentos de la campaña agrícola para distinguir los cultivos por sus patrones fenológicos. Pero, ¿qué fechas son las más importantes? Tradicionalmente, los periodos de adquisición se elegían basándose en la intuición de expertos o en experiencias previas, sin garantía de optimalidad.
Más imágenes implica más almacenamiento y más computación. Menos imágenes puede significar perder señales fenológicas críticas. ¿Cómo encontrar el conjunto mínimo de adquisiciones satelitales que maximice la precisión de la clasificación?
El Enfoque
Aplicamos algoritmos heurísticos de escalada (hill climbing) a los pipelines de entrenamiento de modelos de redes neuronales para buscar los periodos de adquisición óptimos. El método fue evaluado utilizando imágenes Sentinel-2 de la campaña de la Política Agraria Común (PAC) de 2020 en la región de Extremadura, España.
El algoritmo evalúa iterativamente subconjuntos de las fechas de adquisición disponibles, buscando la combinación que produce la mayor precisión de clasificación con el menor número de imágenes.
Impacto Real
La metodología fue desplegada con éxito para apoyar a la Junta de Extremadura en su proceso de verificación de pagos de ayudas de la PAC de la UE. Al identificar las ventanas de adquisición ideales, el sistema redujo significativamente tanto el volumen de datos como el tiempo de procesamiento necesario para la monitorización de cultivos a gran escala.
El artículo también demuestra la aplicación del método a un caso de estudio específico sobre la detección de tabaco en la región.
Cita
Publicado en International Journal of Remote Sensing / Taylor & Francis, septiembre de 2021.
Leer el Artículo Completo (DOI: 10.1080/01431161.2021.1975846)