Extracción orientada a objetos de parcelas de trigo basada en teledetección hiperespectral.

En las prácticas de agricultura de precisión, los límites de las parcelas constituyen los datos de siembra más fundamentales. Proporcionan un vínculo entre todos los datos de los cultivos y el mundo real, delimitan con precisión los límites geográficos para el análisis y las estadísticas de crecimiento a nivel de parcela, y también sientan las bases para analizar los cambios en la superficie de las parcelas y el seguimiento a largo plazo de los cultivos en diversas etapas fenológicas.

Debido a los distintos modelos de producción agrícola y al historial de siembra en las diferentes regiones, la definición y el concepto de «parcela» varían, y los resultados de las observaciones a diferentes escalas no son del todo consistentes. La extracción de parcelas en este trabajo se basa en imágenes satelitales de teledetección con una resolución de 10 metros. Por lo tanto, una parcela se define como una unidad de siembra relativamente independiente dividida por caminos pavimentados, como caminos rurales o caminos de aldea.

Método de extracción de imágenes de parcelas de trigo

El equipo de CAS Xiguang Aerospace utilizó la imagen compuesta de valor máximo del trigo en el distrito de Lintong durante la etapa de ahijamiento en 2023, y extrajo parcelas de trigo para la temporada 2023-2024 utilizando tecnología de clasificación orientada a objetos.
La clasificación orientada a objetos divide las características del terreno en objetos independientes mediante un enfoque de segmentación y clasificación, y luego las clasifica en función de estos objetos. Este enfoque evita en gran medida el efecto de dispersión de la clasificación tradicional basada en píxeles, a la vez que aumenta la interpretabilidad de la clasificación. El resultado es un vector de parcelas de terreno, que puede utilizarse directamente para cálculos de forma y área, así como para análisis estadísticos, lo que facilita el análisis posterior.

▲Figura 1 Resultados de la clasificación orientada a objetos

Análisis de resultados de imágenes de trigo

Basándonos en la bibliografía y las características del terreno local, las categorías se dividieron en cinco tipos: trigo, zonas urbanas/estructuras artificiales, suelo desnudo, zonas arenosas/objetos altamente reflectantes y masas de agua. Los resultados de la clasificación para masas de agua y zonas urbanas fueron relativamente satisfactorios. Algunas carreteras se confundieron con suelo desnudo, y algunos tejados presentaban una alta reflectividad, lo que afectó a los resultados de la clasificación. Por lo tanto, la agrupación de objetos altamente reflectantes con zonas arenosas mejoró la fiabilidad de los resultados de la clasificación.

Permite visualizar el área urbana y los terrenos no utilizados. Además, calcula la superficie de las características del terreno correspondientes año tras año y analiza el desarrollo y las tendencias de cambio de las ciudades y los distintos tipos de uso del suelo.

▲Figura 2 Evaluación de la precisión del clasificador de bosque aleatorio orientado a objetos

Análisis del crecimiento de parcelas agrícolas de Xi'an Institute of Optics and Precision Mechanics CAS Aerospace Science and Technology Group Co.,LTD

En este caso, se interpretaron y etiquetaron visualmente un total de 409 muestras de cinco categorías de cobertura del suelo. El 80 % se utilizó para el entrenamiento y el 20 % para la validación. La Figura 2 muestra la evaluación de la precisión del clasificador, que demostró un buen rendimiento de clasificación para tierras de cultivo, suelo desnudo y cuerpos de agua. La precisión de la clasificación para áreas urbanas/estructuras artificiales fue relativamente baja, posiblemente debido a la compleja distribución de la cobertura del suelo y las limitaciones impuestas por la resolución de las imágenes satelitales.

▲Figura 3. Extracción parcial de trigo en el subdistrito de Xiangqiao, distrito de Lintong.

La imagen superior muestra los resultados de la extracción para un área local. El resultado general es bueno, con pocas extracciones incorrectas o incompletas. Sin embargo, las tierras de cultivo cercanas a carreteras principales y áreas urbanas se confunden en cierta medida con las carreteras. Algunas parcelas son bastante pequeñas y se mezclan con caminos rurales y caminos de aldea.

▲Figura 4 Extracción de trigo en la zona montañosa de Lintong

La figura muestra los resultados de la extracción de datos de parcelas de trigo en la zona montañosa del sur del distrito de Lintong, utilizando el mismo modelo de clasificación. Los resultados son buenos, lo que indica que la segmentación de imágenes permite obtener información de textura de manera efectiva y ofrece buenos resultados de extracción para parcelas de trigo con diferentes tipos de terreno y formas.

▲Figura 5 Mapa de distribución del área de cultivo de trigo en varias calles del distrito de Lintong

La imagen muestra la distribución de la superficie cultivada de trigo en varias calles del distrito de Lintong. Cuanto más oscuro sea el color, mayor será la superficie cultivada de trigo.

Es evidente que la mayoría de los campos de trigo se concentran en la parte norte de Lintong, siendo el subdistrito de Xiangqiao el que posee la mayor superficie cultivada, con 66.602 mu. La zona sur es montañosa, con una pequeña cantidad de trigo sembrado allí.

▲ Tabla 1. Estadísticas sobre la superficie de plantación en varios subdistritos del distrito de Lintong.

▲Figura 6 Mapa de distribución de parcelas de trigo en varios subdistritos del distrito de Lintong

La imagen muestra la distribución de las zonas de cultivo de trigo en varias calles del distrito de Lintong. Cuanto más oscuro sea el color, mayor será la cantidad de parcelas de trigo.

Es evidente que la mayoría de los campos de trigo se concentran en la parte norte de Lintong, siendo el mayor número (1950) el del subdistrito de Xiangqiao. La zona sur es montañosa, con escasa superficie cultivada de trigo.

▲ Tabla 2 Tabla estadística de parcelas de trigo en cada subdistrito del distrito de Lintong

▲Figura 7. Distribución de las anomalías de crecimiento del trigo durante la etapa de ahijamiento en varios subdistritos del distrito de Lintong.

A partir de la extracción de parcelas de terreno, se pueden analizar las diferencias entre el crecimiento anual y el crecimiento de los últimos años para cada parcela dentro de un período de tiempo específico.

Como se muestra en la figura, cuanto más oscuro es el rojo, peor es la cosecha en comparación con los últimos cinco años; cuanto más oscuro es el verde, mejor es la cosecha en comparación con los últimos cinco años.

El análisis de anomalías permite analizar el rendimiento de cada parcela de tierra cada año, identificar las parcelas con rendimientos estables y buenos, así como aquellas con grandes fluctuaciones de rendimiento y un desempeño deficiente, y ayudar a los administradores a elaborar planes de siembra a gran escala.