Investigadores identifican tipos de cultivos agrícolas con innovadora herramienta
El INIFAP emplea la plataforma de análisis de imágenes Google Earth Engine (GEE) para determinar el tipo de cultivos agrícolas de interés en determinada área y año; la metodología sustituye el uso de firmas espectrales, menos precisas.
![Investigadores identifican tipos de cultivos agrícolas con innovadora herramienta](https://cdn-redagricola.s3-accelerate.amazonaws.com/2024/07/tecnologia-cultivos-agricolas-80x80.jpg)
El Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias (INIFAP) emplea la plataforma Google Earth Engine (GEE), una herramienta para clasificar, mediante perfiles temporales de índices de vegetación en determinado año, los tipos de cultivos agrícolas.
GEE es una plataforma que permite visualizar y analizar imágenes de satélite de varias fechas de forma simultánea a través del filtrado de imágenes con menor nubosidad, eliminar nubosidades de las imágenes, cálculo de la vegetación para cada imagen y estimar valores promedio mediana o máximo.
La metodología sustituye el uso de las firmas espectrales satelitales que no distinguen con precisión el tipo de cultivo o se hace necesario el análisis de imágenes a lo largo de ciclos fenológicos de los cultivos.
ÍNDICE DE VEGETACIÓN DE DIFERENCIA NORMALIZADA
Con esta metodología es posible calcular el Índice de Vegetación de Diferencia Normalizada (NDVI) para varias fechas durante el año, en determinada parcela y de acuerdo al comportamiento durante el año y el ciclo.
El NDVI es indicador de la biomasa fotosintéticamente activa, es decir, calcula la salud de la vegetación donde los resultados varían de entre -1 a 1. El suelo desnudo generalmente cae dentro del rango de 0.1 a 0.2; y las plantas siempre tendrán valores positivos entre 0.2 y 1. Los valores cercanos a 1 representan vegetación densa y con alto vigor.
Se analizan los perfiles del NDVI de algunas parcelas para identificar el cultivo como áreas de entrenamiento y obtener una clasificación supervisada de toda la imagen pixel por pixel.
El algoritmo Random Forest clasifica las imágenes que aprende de manera automatizada para identificar patrones en grandes bases de datos para seleccionar la mejor clasificación de cada pixel para determinar las superficies para cada cultivo de interés en determinado año.