See discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/282851233 Reconocimiento de cultivos mediante el uso de imágenes de satélite Conference Paper · May 2015 CITATIONS READS 0 1,332 1 author: Maria Milagro MM Primera Canelon Fundación Instituto de Ingeniería 4 PUBLICATIONS 1 CITATION SEE PROFILE Some of the authors of this publication are also working on these related projects: PROYECTO TRANS-ORINOCO View project All content following this page was uploaded by Maria Milagro MM Primera Canelon on 14 October 2015. The user has requested enhancement of the downloaded file. XXI CONGRESO VENEZOLANO DE BOTÁNICA 12 al 16 de Mayo de 2015, Caracas, DC, Venezuela Ing. Agr. María Milagro Primera Fundación Instituto de Ingeniería Centro de Procesamiento Digital de Imágenes Masas de agua Ozono Infraestructuras Una imagen es una representación visual, que manifiesta la apariencia visual de un objeto real o imaginario. Cultivos Capturadas por diferentes plataformas Satélite SMAP, Enero 2015. Misión medir el agua en el planeta LIDAR (Laser Imaging Detection and Ranging) Z-boat 1800 vehículo autónomo para levantamiento hidrográfico (batimetría, calidad del agua o velocidad). Vehículo aéreo no tripulado (Drone): Multirrotor MD4- 1000 http://www.interempresas.net/Agricola/Articulos/113322-Uso-imagenes-procedentes-vehiculo-aereono-tripulado-(uav)-cartografia-objetivos.html La identificación o el reconocimiento de cultivos en las imágenes de satélite, proviene de un sistema basado en patrones que dependen de lo que recoge el sensor. Imagen Satélite Ladsat8 Combinación de bandas 4, 3, 2 Imagen Satélite Spot5 Combinación de bandas 3, 2, 1 Los patrones pueden ser espectrales o espaciales; los espectrales muestran la energía capturada por el sensor en cada longitud de onda del espectro electromagnético. Firmas espectrales PATRÓN ESPACIAL El patrón espacial incorpora criterios complejos como: Color PATRÓN ESPACIAL Tono PATRÓN ESPACIAL Textura PATRÓN ESPACIAL Forma PATRÓN ESPACIAL Contexto espacial Patrones espaciales De los patrones tanto espectrales como espaciales; derivan clases temáticas que luego pueden ser usadas para análisis de cambio en la vegetación (estrés, deficiencias, acame, senescencia entre otros) con el uso de técnicas como: TÉCNICAS DE DETECCIÓN DE CAMBIOS NDVI Composiciones multitemporales - Resolución (espacial/ espectral/ radiométrica) - Resolución temporal (fenómenos climáticos, ciclos fenológicos, cambio de uso de la tierra) COCIENTES E ÍNDICES DE VEGETACIÓN (NDVI) TÉCNICAS DE DETECCIÓN DE CAMBIOS Un cociente o ratio implica efectuar una división, píxel a píxel, entre los ND almacenados en dos o más bandas de la misma imagen. Discriminar masas vegetales de alta actividad fotosintética. De otras coberturas en fases fenológicas iníciales. Est. Básicas Min -0.425856 Max 0.535088 Media 0.004893 Dev. Estandar NDVI de imagen Miranda subset Quíbor Band 1 0.140041 A > contraste entre el IR y R = > vigor vegetal NDVI Planta sana 0.927423544 NDVI Planta enferma 0.770437376 A < contraste entre el IR y R = < vigor vegetal (vegetación enferma, senescente o suelo desnudo) TÉCNICAS DE DETECCIÓN DE CAMBIOS COMPOSICIONES MULTITEMPORALES Se basan en un criterio simple, el máximo de NDVI en diferentes fechas. Es decir una clasificación multifecha, con el fin de seguir la evolución de una determinada variable: - El crecimiento de un cultivo - Contenido de agua en la vegetación - Cambios de cobertura etc. Como ejemplo de una composición multitemporal, seleccionamos tres fechas para una misma área de estudio y se realizo una integración de índices de variación relativa. Fechas: 03 Enero 2013 21 Marzo 2013 07 Abril 2013 NDVI de cada imagen Índices de variación relativa en el tiempo Imágenes Falso color infrarrojo. Las imágenes WMC con remuestreo a 10m. 21/03/2013 03/01/2013 Composición multitemporal 07/04/2013 Composición coloreada con los índices de vegetación TÉCNICAS DE DETECCIÓN DE CAMBIOS Canal rojo: 03/01/2013 Canal verde: 20/03/2013 Canal azul: 09/04/2013 Enero 2013 Marzo 2013 + * + + + + + Abril 2013 + + Composición coloreada de índices de vegetación Identificación de campos de acuerdo a su evolución temporal: enero – abril 2013 1. 2. 3. 4. Siembra temprana: 18.833 ha Siembra tardía: 340 ha Cosecha temprana: 3824 ha Siembra tardía: 1637 ha 5. 6. 7. 8. Ciclo corto creciente: 1492 ha (˄) Ciclo corto decreciente : 169 ha (˅) Poca actividad clorofílica: 5692 ha Alta actividad clorofílica: 5814 ha CONCLUSIONES • La teledetección permite generar variables biofísicas que se pueden relacionar a ciertos cultivos y su estado de salud. • El seguimiento de la evolución de superficies cultivadas podrá hacerse con mayor precisión en la medida que se tengan series de imágenes de manera permanente. • Con las imágenes multiespectrales no es posible identificar los rubros agrícolas. Sin embargo, esta información puede ser suministrada con información de campo y el uso de la Geomática en general. View publication stats Gracias por su atención…
