Investigación en Astronomía

Investigadores de la Universidad de Alicante desarrollan nuevas aplicaciones para la tecnología de los satélites Sentinel de la Comisión Europea

Dos proyectos en los que participa el Grupo de Señales, Sistemas y Telecomunicación de la UA aplican la cartografía espacial al control y vigilancia de la cubierta terrestre, aumentando la precisión de la tecnología empleada hasta la fecha en los mapas de cultivo

El estudio demuestra que la tecnología de radares satelitales mejora significativamente los datos sobre los cultivos lo que permite mejorar las previsiones de rendimiento, estadísticas de producción o la evaluación de daños

Figuras de mapas.

Investigadores del Grupo de Señales, Sistemas y Telecomunicación de la Universidad de Alicante han desarrollado un estudio que permite aplicar la tecnología de cartografía espacial de la Tierra a partir de radares satelitales al control, vigilancia y clasificación de cultivos con una precisión superior al 80 por ciento.

La aplicación de esta tecnología, que opera desde los satélites Sentinel-1 (A y B) que la Agencia Espacial Europea puso en órbita en 2014 y 2016, ofrece nuevas posibilidades y mayor fiabilidad aplicada a la Política Agraria Común Europea ya que el estudio muestra que los datos del radar Sentinel-1 de Copernicus, junto con el procesamiento interferométrico, pueden mejorar aún más la cartografía de los cultivos. Esto, a su vez, ayudará a mejorar las previsiones de rendimiento de los cultivos, las estadísticas de producción, la evaluación de los daños causados por la sequía y las tormentas, etc.

El catedrático del área de Teoría de la Señal y Comunicaciones, del departamento de Física, Ingeniería de Sistemas y Teoría de la Señal, y miembro del Instituto Universitario de Investigación Informática de la Universidad de Alicante, Juan Manuel López Sánchez, detalla que “la elaboración de mapas de cultivo mediante imágenes de satélite se ha basado tradicionalmente en los datos procedentes de satélites ópticos, que trabajan en la zona del espectro visible e infrarrojo, gracias a la sensibilidad de estas frecuencias a las características biológicas de las plantas.

Sin embargo, estos datos están siempre afectados por las condiciones de iluminación solar y no pueden conseguirse en zonas cubiertas por nubes. Como alternativa, los satélites que operan con radares para adquirir las imágenes no tienen estas limitaciones y, por lo tanto, proporcionan un esquema de adquisición consistente en el tiempo. Desde el lanzamiento de dos satélites Sentinel-1 (A y B) en 2014 y 2016, respectivamente, es posible obtener una imagen cada 6 días de cualquier punto de Europa”.

Figuras de series temporales.

La misión Sentinel-1 se compone de dos satélites idénticos, cada uno de los cuales lleva un instrumento de radar avanzado para proporcionar un suministro de imágenes de la superficie de la Tierra, tanto de día como de noche y en cualquier condición meteorológica. Estas imágenes se utilizan para numerosas aplicaciones, como la vigilancia de los hielos marinos y las inundaciones, así como movimientos en la superficie terrestre mediante el proceso de interferometría (InSAR), que consiste en comparar imágenes del mismo lugar procedentes de pases consecutivos del satélite para revelar las diferencias producidas entre las adquisiciones de imágenes. El estudio llevado a cabo por los investigadores de la Universidad de Alicante ha ido más allá de las aplicaciones previstas inicialmente y ha demostrado la utilidad de esta tecnología en el ámbito agrario.

«El análisis de las series temporales muestra que la coherencia cae en presencia del crecimiento del cultivo, mientras que aumenta fuera de temporada», describe Alejandro Mestre Quereda, de la Universidad de Alicante y autor principal del trabajo. «Dado que las fechas de cultivo y la duración de la campaña son típicas para cada tipo de cultivo, esta respuesta característica ha permitido generar mapas de tipo de cultivo con una precisión global del 80%».

Juan Manuel López Sánchez incide en que «algunos tipos de cultivos que estaban mal clasificados por la intensidad o la coherencia se distinguen mejor por la combinación de ambos tipos de datos. En otras palabras, ambas fuentes de información son realmente complementarias».

Dejar una respuesta

Please enter your comment!
Please enter your name here

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.