Descripción
El mapeo de tipos de cultivos y la evaluación de sus características son críticos para el monitoreo de la producción alimentaria, permitiendo el mejor uso del paisaje y contribuyendo a la política agrícola. Los métodos de teledetección basados en sensores ópticos y/o microondas se han convertido en medios importantes de extraer información relacionada con los cultivos. Los datos ópticos están relacionados con las propiedades químicas de la vegetación, mientras que los datos de radar están relacionados con la estructura y la humedad de esta. El radar también puede capturar imágenes de la superficie de la Tierra en casi cualquier tipo de condición meteorológica.
Esta capacitación avanzada de cuatro partes está basada en la capacitación de ARSET de agricultura anterior. En esta, presentamos técnicas de teledetección más avanzadas usando la polarimetría para extraer información sobre la estructura de los cultivos. También presentamos Sen4Stat – un sistema de fuente abierta que demuestra el potencial de las observaciones de la Tierra ópticas y de SAR (radar de apertura sintética por sus siglas en inglés) para el monitoreo y la presentación de informes sobre las metas de los ODS relacionados con la agricultura. Sen4Stat también combina datos de la observación de la Tierra con conjuntos de datos estadísticos nacionales y datos de estudios topográficos para apoyar las Oficinas Nacionales de Estadísticas en la incorporación de observaciones de satélites para las estadísticas agrícolas.
Esta serie se centrará en Sentinel-1 banda-C de polarización dual, SAR banda-C completamente polarimétrico de la misión “RADARSAT Constellation Mission” (RCM), SAR banda-L completamente polarimétrico de SAOCOM (SAtélite Argentino de Observación COn Microondas) e imágenes ópticas de Sentinel-2 para mapear y monitorear tipos de cultivos y evaluar sus características biofísicas. Esta serie también cubrirá la teoría de la Polarimetría SAR e incluirá un ejercicio práctico usando el Sentinel Application Platform (SNAP) y el código de Python escrito en Jupyter Notebooks, un entorno de desarrollo en la web interactivo para la computación científica y el aprendizaje automático.
Esta serie de seminarios web es una colaboración entre ARSET, Agricultura y Agroalimentación de Canadá (AAFC), la Agencia Espacial Europea (ESA), la Oficina de las Naciones Unidas para los Asuntos del Espacio Ultraterrestre (UNOOSA), la Universidad de Stirling, la Universidad Católica de Louvain (UCLouvain) y el Grupo de Trabajo del CEOS sobre Desarrollo de Capacidades y Democracia de Datos (WGCapD).
Esta capacitación también está disponible en inglés.
Al finalizar esta capacitación, las/los participantes podrán:
- Explicar la teoría detrás de la polarimetría SAR, especialmente en relación con las características de los cultivos
- Generar parámetros polarimétricos utilizando software/imágenes de código abierto y realizar análisis de series de tiempo del crecimiento de los cultivos
- Identificar cómo Sen4Stat puede apoyar a las Oficinas Nacionales de Estadísticas en la adopción de observaciones satelitales de la Tierra para las estadísticas agrícolas.
- Realizar un análisis de series de tiempo de tipos de cultivos utilizando el índice de área foliar (LAI por sus siglas en inglés) derivado de Sentinel-2
Este seminario web en cuatro partes está dirigido a organizaciones locales, regionales, federales y no gubernamentales de agencias relacionadas con la agricultura y seguridad alimentaria para que utilicen aplicaciones de la teledetección con radar y óptica en el ámbito de la agricultura para el mapeo y monitoreo de cultivos.
- Cuatro sesiones de 2 horas y media cada una
- Las sesiones se llevarán a cabo los días martes del 12 de abril hasta el 3 de mayo
- La sesión de la mañana se presentará en inglés: 10h – 12h30 Horario Este de EE.UU. (UTC -4)
- La sesión de la tarde se presentará en español: 13h – 15h30 Horario Este de EE.UU. (UTC -4)
Capacitadoras: Sarah Banks (Medio Ambiente y Cambio Climático de Canadá), Heather McNairn y Laura Dingle Robertson (AAFC)
- Teoría de la Polarimetría SAR
- Práctica de Polarimetría, 1ra Parte: Parámetros Derivados de la Intensidad para el Monitoreo Agrícola
- Generación de parámetros de intensidad como Span (potencia total recibida de las cuatro polarizaciones), Índice Radar de Vegetación, relaciones de co-pol y polarización cruzada derivadas de Sentinel-1 usando SNAP (práctica)
- Preguntas y respuestas
Materiales:
Si desea seguir demostraciónes en Parte 1:
Si desea familiarizarse con el código que se utiliza en la 2da Parte, puede intentar comprender y completar las secciones que faltan del "Practice Code" de la 2da Parte. Le recomendamos que intente esto antes de asistir a la 2da Parte. Las soluciones se encuentran en la carpeta "Python Code" de la 2da Parte.
Producto de SAOCOM® - ©CONAE – (2020). Todos los derechos reservados. CONAE es la Agencia Espacial Argentina.
RADARSAT Constellation Mission Imagery © Gobierno de Canadá (año de adquisición). RADARSAT es una marca oficial de la Agencia Espacial Canadiense.
Capacitadores: Laura Dingle Robertson (AAFC) y Armando Marino (Univ. de Stirling)
- Generación de parámetros pseudo-polarimétricos derivados de Sentinel-1 SLC de polarimetría dual usando SNAP y PolSARpro (cont.)
- Análisis de una serie de tiempo de imágenes completamente polarimétricas de RCM y SAOCOM usando Python Jupyter Notebooks para identificar características de cultivos con diferentes observables polarimétricos
- Preguntas y respuestas
Materiales:
- Diapositivas de la Presentación
- Transcripción de Preguntas y Respuestas
- Datos de la parte 2: Le recomendamos que descargue cada archivo de medición de datos de Sentinel individualmente.
- Para aquellos interesados en trabajar con las imágenes originales de SAOCOM de CONAE, pueden accederlas por medio de SAOCOM 1A Productos de Prueba. La imagen #11 fue la que se utilizó en esta demostración de ARSET- la cual cubre un area alrededor de Córdoba, Provincia de Córdoba, Argentina.
Producto de SAOCOM® - ©CONAE – (2020). Todos los derechos reservados. CONAE es la Agencia Espacial Argentina.
RADARSAT Constellation Mission Imagery © Gobierno de Canadá (año de adquisición). RADARSAT es una marca oficial de la Agencia Espacial Canadiense.
Capacitador: Pierre Defourny (UCLouvain)
- Introducción a Sen4Stat, un sistema de fuente abierta para procesar datos de Sentinel-1 y Sentinel-2 a nivel de país
- Explorar cómo Sen4Stat combina datos de la observación de la Tierra con conjuntos de datos estadísticos nacionales y datos de estudios topográficos para las estadísticas agrícolas
- Clasificación de tipos de cultivo combinando series de tiempo SAR y ópticas
- Preguntas y Respuestas
Materiales:
Capacitadores: Pierre Defourny (UCLouvain) y Fabrizio Ramoino (ESA)
- Creación de series de tiempo del índice de área foliar (LAI) específicas a partir de Sentinel-2 usando SNAP
- Control de calidad de series de tiempo del LAI usando QGIS
- Análisis de series de tiempo de tipos de cultivos usando el LAI derivado de Sentinel-2
- Detección de anomalías y evaluación de la heterogeneidad intraparcelaria para diferentes campos agrícolas utilizando datos ópticos y Python Jupyter Notebooks
- Preguntas y respuestas
Materiales:
