Las imágenes de satélite están cambiando la manera de estudiar la Tierra. Esta tecnología aporta un conjunto de herramientas con aplicación a estudios de movimientos del terreno, de dinámica fluvial, sobre ocupación urbana… y también permiten estudiar los cultivos, con una precisión inimaginable hace unos años.
Un equipo del Instituto de Agricultura Sostenible (IAS) del CSIC ha participado en el proyecto Optimización temporal del mapeo de cultivos basado en imágenes satelitales: una comparación de series temporales completas y estrategias de deformación temporal semisupervisadas. Este trabajo sobre observación de cultivos con imágenes de satélite plantea un enfoque nuevo del mapeo de las tierras cultivadas.
Cuál es el nuevo enfoque del mapeo de cultivos con imágenes de satélite
El investigador del IAS, Alberto Hornero, explica que en este trabajo científico “proponemos un nuevo enfoque para la clasificación de cultivos a partir de imágenes satélite, cuya principal aportación se basa en reducir la necesidad de grandes volúmenes de datos etiquetados y de simplificar la selección de periodos de observación (ventanas temporales necesarias para el análisis), incluso sin conocimiento previo de los calendarios de siembra y cosecha”.
Las imágenes satelitales ofrecen datos valiosos que pueden ayudar a los agricultores a tomar decisiones informadas sobre la gestión de los cultivos, la asignación de recursos y el monitoreo de la salud de los mismos. Además, la información obtenida puede utilizarse para contribuir a la identificación y mitigación de los efectos ambientales del cambio climático en la agricultura.
En este contexto, la detección de cultivos desempeña un papel fundamental a nivel regional y nacional, y las imágenes satelitales brindan una gran ventaja sobre los métodos más locales como los drones, debido a la capacidad inigualable de los satélites para cubrir grandes áreas regularmente, lo que les da la capacidad de trabajar con series temporales de imágenes detectadas de forma remota.
Así, remarca el investigador del IAS, “hemos conseguido un sistema que combina precisión con menor coste computacional, lo que puede ser de gran ayuda para la comunidad agrícola en general y para instituciones y empresas que necesitan monitorizar grandes extensiones de terreno”.
Aprovechar datos de satélite de forma más eficiente
Alberto Hornero comenzó a colaborar en este trabajo gracias al vínculo con la autora principal del mismo, Rosie Finnegan, cuya tesis codirige, siendo su labor principal la del desarrollo conceptual de la metodología, donde se aprovechan los datos satélite de manera más eficiente y en la búsqueda de la aplicación de técnicas de optimización que ayuden a la identificación del momento más adecuado dentro del ciclo de crecimiento de los diferentes cultivos.
El investigador del Departamento de Agronomía del IAS-CSIC indica que “hemos usado tanto un modelo de redes neuronales profundas (CNN-LSTM) y también una aproximación más ligera basada en deformación temporal (Dynamic Time Warping, DTW), donde demostramos que incluso con diferencias en complejidad y consumo de datos, ambas estrategias pueden llegar a niveles de precisión suficientes para su implementación en tareas de clasificación de cultivos a gran escala.
Al mismo tiempo, hemos incorporado procedimientos de mejora en el procesamiento de imágenes como la integración de datos simulados, lo que favorece el entrenamiento del sistema cuando se dispone de pocos ejemplos reales, lo que es bastante común cuando la disponibilidad de fuentes de datos abiertas escasea”.
