Share icon

Descripción

Durante años, el mapeo de tipos de cultivos y la evaluación de sus características se ha llevado a cabo para controlar la seguridad alimentaria, informar el uso óptimo del paisaje y contribuir a la política agrícola. El mapeo de cultivos de alta calidad se ha vuelto un requisito para la mayoría de los países, dada su importancia en la economía nacional e internacional, el comercio, y la seguridad alimentaria y además, es un tema de gran interés en los ámbitos de formulación de políticas, economía y gestión de la tierra. Actualmente, la mayoría de los países o regiones económicas utilizan cada vez más imágenes satelitales de libre disponibilidad para clasificar tipos de cultivos y evaluar variables biofísicas, ya que estas brindan un vistazo general, una cobertura multi-temporal y son eficaces en cuanto a costo. Los métodos de teledetección basados en sensores ópticos y/o de microondas se han vuelto un medio importante para obtener información sobre cultivos, puesto que explican la estructura y las propiedades bioquímicas de la vegetación. 

Este seminario web de cinco partes se centrará en el uso de radar de apertura sintética (SAR por sus siglas en inglés) de Sentinel-1 y/o Sentinel-2 para mapear tipos de cultivos y evaluar sus características biofísicas. Este seminario web incluirá un repaso de SAR y sensores ópticos junto con el pre-procesamiento y análisis de datos de Sentinel-1 y Sentinel-2 usando el Sentinel Application Platform (SNAP) y código de Python escrito en JupyterLab, un ambiente de desarrollo en línea interactivo para cómputos científicos y aprendizaje automático (machine learning). Este seminario web también incluirá un mapa operativo para el mapeo de tipos de cultivos incluyendo mejores prácticas para la recolección de datos de campo para entrenar y validar modelos para clasificar cultivos a nivel nacional. La sesión final de esta serie cubrirá la obtención de variables biofísicas de los cultivos usando datos ópticos. 

Este seminario web es una colaboración entre ARSET, Agriculture and Agri-Food Canada (AAFC), la Agencia Espacial Europea (ESA), Indian Space Research Organization (ISRO), la Oficina de las Naciones Unidas para los Asuntos del Espacio Ultraterrestre (UNOOSA, por sus siglas en inglés), y la CEOS Working Group on Capacity Building & Data Democracy (WGCapD). 

Logos
AAFC
CEOS

Agenda Citación

Haga clic aquí para la sereis de inglés

Si desea seguir demostraciónes en esta serie:

Citation
(2021). ARSET - Clasificación de Cultivos Agrícolas con Radar de Apertura Sintética y Teledetección Óptica. NASA Applied Remote Sensing Training Program (ARSET). http://disasters.nasa.gov/get-involved/training/spanish/arset-clasificacion-de-cultivos-agricolas-con-radar-de-apertura
Objetivos de Aprendizaje

Al completar esta capacitación, las/los participantes podrán identificar:

  • El contenido informático en datos de teledetección pasivos (ópticos) y activos (microondas) y cómo se relaciona con los parámetros agrícolas
  • Las características de los sensores pasivos y/o activos utilizados en el mapeo operativo de cultivos y la obtención de variables biofísicas 
  • Dónde adquirir datos satelitales para realizar análisis agrícolas 
  • Los pasos del pre-procesamiento para datos ópticos y de radar 
  • Los pasos para clasificar los tipos de cultivos usando técnicas supervisadas y no supervisadas y para explicar la diferencia entre clasificadores (p.ej. Decision Tree y Random Forest)
  • Mejores prácticas para la recolección de datos de entrenamiento adquiridos en el campo 
  • La obtención de variables biofísicas de los cultivos
Audiencia Meta

Este seminario web en serie va dirigido a organizaciones locales, regionales, federales y no gubernamentales, a agencias relacionadas con la agricultura y la seguridad alimentaria, para que utilicen aplicaciones de la teledetección de radar y óptica en el ámbito del mapeo de cultivos.

Formato del Curso
  • Cinco sesiones de 2,5 horas 
  • Las sesiones se realizarán los días martes y jueves 5, 7, 12, 14 y 19 de octubre
  • La sesión matutina se presentará en inglés: 10h a 12h30 PM Horario Este de EE.UU. ( 16:00 - 18:30 CEST) y la sesión de la tarde se presentará en español: 13h a 15h30 Horario Este de EE.UU. (19:00 - 21:30 CEST)
Sesiones
Sesión 1: Repaso de Radar de Apertura Sintética - 5 de octubre
01:00 pm ~ 03:30 pm
EDT (UTC-4:00)

Capacitadores: Heather McNairn, Laura Dingle-Robertson (AAFC)

  • Teoría de SAR (fase, ángulo de incidencia, geometría, polarización etc.)
  • Parámetros de sensores óptimos para aplicaciones agrícolas
  • Características del suelo y cultivos en la respuesta de SAR 
  • Preguntas y respuestas

Materiales:

Sesión 2: Repaso de la Teledetección Óptica e Introducción a SNAP - 7 de octubre
01:00 pm ~ 03:30 pm
EDT (UTC-4:00)

Capacitadores: Magdalena Fitrzyk y Fabrizio Ramoino (Serco c/o ESA), Amalia Castro Gómez (RSAC c/o ESA)

  • Física, conceptos básicos y teoría de la teledetección óptica y sus aplicaciones para la agricultura 
  • Pre-procesamiento de imágenes ópticas usando SNAP
  • Preguntas y respuestas

Materiales:

Si desea seguir demostraciónes en Parte 2:

Sesión 3: Mapa Operativo de la Clasificación de Cultivos Usando Imágenes Ópticas y de SAR (1ra Parte) - 12 de octubre
01:00 pm ~ 03:30 pm
EDT (UTC-4:00)

Capacitadoras: Heather McNairn, Laura Dingle-Robertson (AAFC)

  • Mapa para producir un inventario anual de cultivos (Annual Crop Inventory o ACI)
  • Selección de datos de radar y ópticos para el mapeo de cultivos 
  • Sinopsis de cómo Agriculture and Agri-Food Canada (AAFC) recopila datos de entrenamiento
  • Pre-procesamiento de imágenes SAR usando SNAP
  • Preguntas y respuestas

Materiales:

Si desea seguir demostraciónes en Parte 3:

Sesión 4: Mapa Operativo de la Clasificación de Cultivos Usando Imágenes Ópticas y de SAR (2da Parte) - 14 de octubre
01:00 pm ~ 03:30 pm
EDT (UTC-4:00)

Capacitadoras: Georgia Karadimou, Tereza Roth (RUS), Amalia Castro Gómez (RSAC c/o ESA)

  • Sinopsis de Random Forest, Support Vector Machine y algoritmos no supervisados como clasificadores 
  • Bibliotecas de Python para ejecutar  classificadores en Jupyter Lab
  • Uso de SNAP y Python para la clasificación de cultivos, incluyendo demostración de diferentes parámetros (p.ej., Sentinel-1 vs. Sentinel-2 solo) cuando se clasifican tipos de cultivos en un área de estudio determinada 
  • Preguntas y respuestas

Materiales:

Sesión 5: Obtención de Variables Biofísicas Usando Imágenes Ópticas para Apoyar Prácticas de Monitoreo Agrícola - 19 de octubre
01:00 pm ~ 03:30 pm
EDT (UTC-4:00)

 

Capacitadores: Sophie Bontemps y Pierre Defourny (Catholic University of Louvain), Amalia Castro Gómez (RSAC c/o ESA)

  • Variables Biofísicas (LAI, FAPAR, FVC, Cab y CWC) derivadas de Sentinel-2 
  • Índices Radiométricos: Mediciones cuantitativas de características que se obtienen al combinar varias bandas espectrales 
  • Preguntas y respuestas

Materiales:

 

Contáctenos

jmobrie1