Evaluación de la actividad agrícola y clasificación detallada de cultivos en parcelas mediante imágenes de teledetección de series temporales.

Con el desarrollo de la tecnología de teledetección, el monitoreo y la gestión agrícola avanzan gradualmente hacia la inteligencia y la precisión. El uso de imágenes de teledetección de series temporales para determinar las actividades agrícolas y clasificar los cultivos en parcelas específicas se ha convertido en una herramienta importante en la agricultura moderna.

Descripción general de las imágenes de teledetección de series temporales

Las imágenes de teledetección de series temporales se refieren a datos de imágenes multitemporales de la misma área, adquiridas en diferentes momentos. Estas imágenes pueden provenir de diversas plataformas, como satélites y drones. Mediante el análisis de estos datos, se puede obtener información fenológica en la dimensión temporal e información sobre la distribución de los cultivos en la dimensión espacial, lo que permite observar los cambios dinámicos en la cobertura del suelo y el crecimiento de los cultivos.

juicio de actividad agrícola

La evaluación de las actividades agrícolas implica principalmente la identificación de áreas de siembra, la clasificación de tipos de cultivos y el seguimiento del estado de crecimiento. Las imágenes de teledetección de series temporales pueden realizar las siguientes funciones:

Identificación de la zona de plantación:

Mediante el análisis de los cambios en el índice de vegetación en imágenes multitemporales, se puede identificar la distribución de las tierras cultivadas en las diferentes estaciones.

Los algoritmos de aprendizaje automático se utilizan para clasificar imágenes y delimitar con precisión las zonas de plantación.

Clasificación del tipo de cultivo:

Mediante la utilización de los cambios en las características espectrales de diferentes cultivos durante su ciclo de crecimiento, se establece un modelo de clasificación para identificar los tipos de cultivos.

La combinación de datos de series temporales puede mejorar la precisión y la estabilidad de la clasificación.

Seguimiento del crecimiento:

Mediante el análisis de los cambios temporales en los índices de vegetación, podemos monitorear el crecimiento y la salud de los cultivos. Esto permite la detección oportuna de anomalías dentro de la parcela, como plagas y enfermedades, sequías e inundaciones, proporcionando información de alerta temprana.

Ejemplos de aplicación

1. Visualización de datos de series temporales y extracción de períodos fenológicos.

△Figura 1. Imágenes de series temporales de la parcela y extracción de períodos fenológicos.

Recopilamos datos de imágenes trimestrales de series temporales de 2022-2023 de una parcela de demostración en el distrito de Chang'an, Xi'an. Tras el filtrado y enmascaramiento basados ​​en la nube, seleccionamos 18 imágenes. Normalizamos el crecimiento de los cultivos utilizando el NDVI para comparar las diferencias en el crecimiento en distintos momentos.

Como se muestra en la figura anterior, al observar los cambios en el índice de vegetación a lo largo del tiempo, se pueden identificar los periodos fenológicos clave, lo que permite predecir y evaluar los cultivos y las actividades agrícolas. Combinando esta información con datos de distribución espacial, se pueden elaborar mapas de distribución de cultivos clasificados por estación.

2. Basado en el análisis de puntos críticos espaciotemporales emergentes y la clasificación de cultivos de actividades agrícolas.

△Figura 2 Mapa de distribución de cultivos basado en actividades agrícolas

Las imágenes de series temporales se convierten en puntos vectoriales o datos ráster multidimensionales, y se construye un cubo espaciotemporal. A partir de este cubo, se aplica un análisis de puntos críticos a cada capa temporal según relaciones de vecindad espacial y pasos de tiempo predefinidos. Los resultados del análisis de puntos críticos se analizan estadísticamente para cada cuadrícula, generando un mapa de clasificación con información espacial y temporal. Finalmente, los resultados de la clasificación se interpretan en función de escenarios de aplicación reales.

Como se muestra en la figura anterior, el área de rotación trigo-maíz representa un punto crítico de oscilación en el índice de vegetación NDVI durante el trimestre 2022-2023, lo que indica un crecimiento significativo de los cultivos durante todo el período, pero con intervalos. Esto se interpreta como el período de emergencia del trigo y el período de emergencia del maíz después de la cosecha de trigo, clasificándolo así como un área de siembra de dos temporadas. El área de cultivo de una sola temporada indica que la región no presenta características de variación espaciotemporal significativas, y se determina que la mayor parte del área es de siembra de una sola temporada. Las áreas de barbecho parcial representan áreas donde no se siembran cultivos durante la mayor parte de la temporada de siembra, con posible siembra de cultivos de una sola temporada en ciertos momentos. Las áreas de barbecho representan áreas donde no se siembran cultivos durante toda la temporada de siembra.

Mediante el uso de imágenes de teledetección de series temporales, es posible determinar las etapas fenológicas de los cultivos y evaluar las actividades agrícolas en las parcelas en función de estas etapas, logrando así una clasificación más detallada y permitiendo el seguimiento del crecimiento de las parcelas en función de las actividades agrícolas y los procesos de siembra.