Metodología para identificar y caracterizar áreas sembradas en papa en el departamento de Cundinamarca a partir de la integración de imágenes ópticas y de radar

Abstract

Identificar áreas cultivadas en papa en Colombia permitiría programar mejor los periodos de siembra, disminuyendo la sobreoferta que reduce el precio a los productores. Las imágenes ópticas permiten identificar áreas de cultivo, pero la presencia de nubes es un factor limitante que se puede contrarrestar a través del método de fusión con imágenes radar, que complementa la información faltante. Con base en lo anterior, se desarrolló una metodología para identificar y caracterizar áreas sembradas en papa en Cundinamarca, integrando imágenes Sentinel 1 y 2. Como datos de referencia, se georreferenciaron lotes de papa del primer semestre de 2022 en Villapinzón y Lenguazaque. Se procesaron imágenes de Sentinel 1, Sentinel 2 y Sentinel 2 más índices espectrales de vegetación. Se realizó la fusión por análisis de componentes principales (ACP) y se construyó una imagen multitemporal con los seis primeros componentes de las imágenes seleccionadas. Se aplicaron algoritmos de bosques aleatorios (BA) y máquinas de vector de soporte (MVS). La evaluación de exactitud mejoró en la fusión con ACP, pues el algoritmo MVS aumento 4.7% y BA 7.3% con respecto a la exactitud global hallada con la imagen multitemporal de radar. Con respecto a lo encontrado con las imagenes multitemporales de imágenes ópticas sin incluir e incluyendo índices espectrales, no se encuentra diferencia en la exactitud global de BA, que fue del 96% para las tres imágenes. Para la clase papa, la métrica de exactitud F1 estuvo entre 89 y 92%. El área obtenida para el cultivo de papa en el primer semestre de 2022 con la imagen multitemporal por fusión de ACP y algoritmo BA, fue de 13.202 ha. Este valor es coherente y cercano a la realidad si se compara con lo obtenido en 2021 para el área de estudio (27.593 ha/año; aproximadamente 13.797 ha/semestre). (Texto tomado de la fuente)

Identifying cultivated areas with potato crops in Colombia would allow better programming of planting periods, reducing the oversupply that reduces the price to producers. Optical images make it possible to identify croping areas, but clouds are a barrier. This can be counteracted through the fusion method with radar images, which complements the missing information. Based on this, a methodology is presented to identify and characterize areas planted with potatoes in Cundinamarca, integrating Sentinel 1 and 2 images. As reference data, potato lots from the first semester of 2022 in Villapinzon and Lenguazaque were georeferenced. Sentinel 1 and 2 images were processed, including vegetation indices. Fusion was performed by principal component analysis (PCA) and a multitemporal image was constructed with the first six components of the selected images. Random forest (RF) and support vector machine (SVM) algorithms were applied. The accuracy evaluation improved in the fusion with PCA, since the SVM algorithm increased 4.7% and RF 7.3% with respect to the global accuracy found with the multitemporal radar image. With respect to what was found with the multitemporal images of optical images without including and including spectral indices, no difference was found in the global accuracy of RF, which was 96% for the three images. For the potato class, the F1 accuracy metric was between 89 and 92%. Area obtained for potato cultivation in the first semester of 2022, with the multitemporal image by PCA fusion and RF algorithm was 13,202 ha. This value is coherent and close to reality when compared to what was obtained in 2021 for the study area (27,593 ha/year; approximately 13,797 ha/semester).