UTILIZACIÓN DE FIRMAS ESPECTRALES DE ALTA RESOLUCIÓN

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
1,*
3
2
3
4
2
3
5
Bagnato C. , Conde C ., Noe, Y. , Caride C ., Baeza, S. Paoli, H. , Vallejos M. , Gallego, F .
Vale, L.2, Amdan L.3, Elena, H.2, Texeira M.3, Mosciaro, J.2, Ciuffoli L.1, Morales, C.2, Baldasini
1,3
1
1
2
1,3
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. 2- INTA EEA Salta, Ruta nacional 68 km 172 Cerrillos,
Salta. 3- Facultad de Agronomía Universidad de Buenos Aires/Conicet - Departamento de Métodos
Cuantitativos y Sistemas de Información. 4- Unidad de Sistemas Ambientales, Facultad de
Agronomía, Universidad de la República, Uruguay. 5- Grupo de Ecología de Pastizales - Facultad de
Ciencias, Universidad de la República, Uruguay. * bagnato@agro.uba.ar.
Conocer la distribución y superficie sembrada con cultivos agrícolas es importante para la
planificación de políticas agrarias y la definición de bases del ordenamiento territorial rural.
Aún así, Argentina y Uruguay no cuentan en la actualidad con estimaciones confiables,
continuas y espacialmente explícitas. 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 y a nivel nacional. Las clasificaciones de la
superficies cultivadas se realizan utilizando una base de datos de firmas fenológicas de las
diferentes coberturas del suelo (Fenoteca) combinando imágenes de alta resolución espacial
para la identificación de los lotes e índices de vegetación provistos por imágenes de alta
resolución temporal del sensor MODIS. La Fenoteca se alimenta de relevamientos a campo
realizados en campañas anteriores con muestreos exhaustivos. En base a las firmas
fenológicas se construyen árboles de decisión para generar un mapa de uso agrícola. La
exactitud del mapa resultante es evaluada utilizando una matriz de confusión con la verdad
terrestre monitoreada durante la campaña clasificada. A partir del mapa de uso agrícola y la
verdad terrestre se estima la superficie cultivada corrigiendo sub o sobreestimaciones
mediante métodos de regresión.
Palabras clave: Firmas fenológicas, MODIS, escala de lote, segmentación, estadísticas agrícolas.
INTRODUCCIÓN
Conocer la distribución y superficie sembrada con cultivos agrícolas es información crítica
para instituciones gubernamentales en la planificación de políticas agrarias y la definición de
bases del ordenamiento territorial rural, para investigadores en la construcción de modelos
de funcionamiento ecosistémico y para productores en la toma de decisiones. Aún así,
Argentina y Uruguay no cuentan en la actualidad con estimaciones confiables, continuas y
espacialmente explícitas. 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 (Paruelo et al., 2004).
Alternativamente el monitoreo de cultivos agrícolas con sensores remotos tiene la
potencialidad de proveer estimaciones confiables y económicamente plausibles a lo largo de
grandes extensiones de territorio (Castillejo-González et al., 2009). A pesar del creciente
interés, los enormes esfuerzos realizados globalmente y los logros alcanzados tales como
los avances en capacidad de procesamiento computacional, la mayor disponibilidad de
sensores e índices espectrales y el desarrollo de algoritmos más eficientes, no contamos
aún con metodologías repetibles que permitan realizar estimaciones cada año en grandes
extensiones de territorio tales como las que involucra toda la región agrícola Argentina. 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 y a nivel binacional incluyendo
toda la región agrícola de Argentina y Uruguay.
MÉTODOS
La metodología propuesta tiene la potencialidad de estimar la superficie cultivada en
territorios tan extensos como Argentina y Uruguay. Sin embargo, en este trabajo
presentamos dos áreas pilotos. La primera situada en el noroeste argentino, puntualmente la
provincia de Salta y la segunda abarca la totalidad de la República Oriental del Uruguay.
El proceso de generación de mapas de uso agrícola y la estimación de superficie cultivada
en extensas áreas requiere la definición de estratos homogéneos (Figura 1, cuadro lila). Los
estratos homogéneos son unidades con paisajes, clima y sistemas de cultivos similares. En
dichos estratos es necesario que se puedan aplicar parámetros fijos en los algoritmos de
segmentación, utilizar datos comunes de la fenoteca para obtener los arboles de decisión
para la clasificación, generalizar la estimación de superficie agrícola mediante el método de
regresión y realizar los muestreos a campo abarcando toda la heterogeneidad presente en
una región. Los estratos fueron generados integrando un mapa de grandes unidades de
vegetación en Argentina y de unidades geomorfológicas en Uruguay y grillas hexagonales
de 64000 ha. clasificadas según el porcentaje de agricultura e índices de paisaje como el
número y tamaño de parches que presentaban.
Figura 1: Esquema completo de la metodología utilizada para la generación del mapa de uso agrícola y
estimación de la superficie cultivada. Notar los 3 insumos principales: Muestreo a campo, para la generación de
la fenoteca, evaluación de la exactitud de la clasificación y corrección por método de regresión; Imágenes de alta
resolución espacial para delimitación de lotes mediante el proceso de segmentación; Imágenes de alta resolución
temporal para la generación de estratos homogéneos, alimentación de la fenoteca espectral y clasificación
supervisada con árbol de decisión.
La clasificación del uso del suelo es realizada utilizando firmas espectrales de alta
resolución temporal obtenidas del sensor MODIS a partir de relevamientos a campo y
sistematizadas en una base de datos denominada “Fenoteca espectral” (Figura 1, cuadros
celeste y naranja). Una Fenoteca Espectral es una base de datos en la cual cada registro
representa la firma fenológica de una cobertura en una determinada situación (fecha de
siembra, grado de fertilización, clima, pastoreo, etc.). El comportamiento de índices de
vegetación (IVN o EVI) de un determinado píxel a lo largo de una estación de crecimiento es
denominado “firma fenológica” ya que permite ver la dinámica de los cambios estacionales
de la vegetación, en este caso, la evolución de la intercepción de radiación
fotosintéticamente activa durante ese lapso de tiempo (Figura 2). Conociendo los cultivos
presentes en esa región y su comportamiento fenológico se puede determinar entonces a
qué cultivo/s podría estar asociada esa firma y, por lo tanto, identificar el cultivo. Dado que
existe cierta variabilidad espacial y temporal, resultado de los diferentes manejos, clima,
topografía, etc., la firma fenológica de una misma cobertura suele variar en el espacio y el
tiempo. Por eso es de suma importancia contar con gran cantidad de firmas fenológicas
obtenidas a partir de relevamientos exhaustivos en los que se registra la cobertura de todos
los lotes en un recorrido predeterminado para poder conocer la variabilidad existente dentro
de una misma y entre diferentes coberturas del suelo.
10000
IVN (MODIS)
8000
6000
4000
ic
D
ov
N
ct
O
Se
p
go
A
Ju
l
Ju
n
M
ay
2000
Figura 2: Firmas fenológicas de cultivos de trigo en la región
pampeana sistematizadas en la fenoteca espectral.
Con la base de datos de firmas espectrales por cobertura se construye un árbol de decisión.
Este es un proceso de clasificación binaria que repetidamente divide un conjunto de datos
en subgrupos sobre la base de una regla lógica en cada nodo del árbol. Estos métodos
tienen ventajas sustanciales para las clasificaciones con imágenes debido a su naturaleza
no paramétrica, lo cual les provee mayor robustez con respecto a las relaciones no lineales
entre características y mayor velocidad de procesamiento. Numerosos trabajos señalan la
inexactitud y complicaciones al generar clasificaciones a nivel de pixel (Espindola et al.,
2006; Peña-Barragán et al., 2011 y Ursani et al. 2012). Utilizando imágenes de alta
resolución espacial (por ej. Landsat TM) se segmenta el territorio en unidades de cierta
homogeneidad que representan las unidades de manejo agrícolas-ganaderas (lotes). Sobre
dichas unidades se extraen los pixeles MODIS que se encuentran completamente
contenidos en un segmento, eliminando los pixeles mezclados y reduciendo el efecto borde.
Los pixeles puros seleccionados son clasificados con el árbol de decisión y el resultado es
asignado a nivel de lote según la clase mayoritaria representada en cada segmento. La
clasificación es evaluada utilizando el método de la matriz de confusión a partir de los datos
relevados a campo en la campaña que se está clasificando (figura 1).
A partir del mapa de uso agrícola se estima la superficie cultivada mediante el método de
regresión. El objetivo del método es generar una ecuación con la cual se corregirá el valor
de superficie para cada clase arrojado por la clasificación. La variable independiente (X) es
la superficie estimada a partir de la clasificación y la variable dependiente (Y) es la superficie
muestreada a campo. Con las regresiones calculadas para cada clase, se ajustan la
superficie obtenida en la clasificación corrigiendo sub o sobrestimaciones. El resultado es la
superficie correspondiente a cada clase ajustada por regresión (figura 1).
CONCLUSIONES
El trabajo presentado propone una metodología repetible 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 y
a nivel nacional por campaña agrícola con un valor de precisión determinado. 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.
BIBLIOGRAFÍA
Paruelo J.M., Guerschman J. P., Baldi G. y Di Bella C.M., 2004. La estimación de la
superficie agrícola. Antecedentes y una propuesta metodológica. Interciencia, 24, 412-427.
Pena-Barragan, J.M., Ngugi, M.K., Plant, R.E. y Six, J., 2011. Object-based crop
identification using multiple vegetation indices, textural features and crop phenology. Remote
Sens. Environ, 115, 1301-1306.
Espindola G.M., Camara G., Reis I.A., Bins L.S. y Monteiro A.M., 2006. Parameter selection
for region-growing image segmentation algorithms using spatial autocorrelation. International
Journal of Remote Sensing, 27, 3035–3040.
Castillejo-González I.L., López-Granados F., García-Ferrer A., Peña-Barragán J.M., JuradoExpósito M. y M.S. de la Orden. 2009. Object- and pixel-based analysis for mapping crops
and their agro-environmental associated measures using QuickBird imagery. Computers and
Electronics in Agriculture, 68 (2), pp. 207–215
A. A. Ursani, K. Kpalma, C. C. D. Lelong, y J. Ronsin, 2012. Fusion of textural and spectral
information for tree crop and other agricultural cover mapping with very-high resolution
satellite images. IEEE J. Sel. Topics Appl. Earth Observ. Remote Sens., 5 (1), pp. 225–235.