Ensayo: Mapa satelital de áreas cultivadas en el Departamento de Alto Paraná, Paraguay, para la zafra 2016-2017

PROYECTO

Continuando con el desarrollo e implementación de nuestro método RICN (Reducción de impacto de cobertura nubosa) para imágenes satelitales Landsat hemos realizado este ensayo sobre detección de cultivos en Paraguay , del cual mostramos los resultados para la región del departamento de Alto Paraná, zafra 2016-2017 (o campaña 2017), no obstante el ensayo fue realizado para toda el área este de Paraguay que abarca los cuadrantes Landsat 224_77, 224_78, 224_79 (ver mapa #1).

Mapa #1

Paraguay, cuadrantes Landsat

Lamentablemente no hemos contado con muestras de "verdad terrestre" para esta zafra, lo que, rigor científico mediante, nos impide realizar un mapa discriminando con precisión los diferentes tipos de cultivos, no obstante tener conocimiento que el 90% o más del área cultivada en Alto Paraná es soja, debemos ser cientificamente cautos.

De hecho, el propósito de este piloto está enfocado más en probar nuevamente la viabilidad del método RICN, que en realizar un mapa preciso de discriminación de cultivos (soja, maíz, sorgo, girasol, etc.). Sería poco serio apuntar a ese objetivo careciendo de un muestreo testigo fidedigno de la región, lo que no quiere decir que poseyendo las muestras de validación adecuadas ese objetivo no se pueda alcanzar.

Por eso hemos decidido darle un enfoque diferente al procesamiento y los resultados:

Previo procesamiento básico de las imágenes satelitales Landsat correspondientes al área de estudio, aplicamos el método de reducción de impacto de cobertura nubosa, conformamos un set multitemporal con dichas imágenes y finalmente realizamos un primer clasificador estadístico multitemporal. Producto de ese primer clasificador y basado en el análisis del mismo creamos un máscara llamada "AAA" (Área de Actividad Agrícola). El objetivo de este primer clasificador es descartar aquellas regiones en donde no existe actividad agrícola como pueden ser forestación nativa y exótica, cuerpos de agua, áreas urbanizadas (no 100% en esta primera etapa). etc., de modo de asilar así las regiones de actividad agrícola para un posterior análisis.

Obtenida la mencionada máscara "AAA", se reclasifican las regiones correspondientes a actividad agrícola y se obtiene un nuevo mapa temático. En este punto es cuando, en caso de poseer muestras de verdad terrestre, se cotejarían dichas muestras testigo con las clases obtenidas para determinar la naturaleza, variedad, estado, etc. de dichos cultivos, para luego hacerlos extensivos a toda la región abarcada.

Como en esta ocasión carecemos de muestras testigo hemos decidido agrupar las diferentes clases obtenidas en "GRUPOS TEMATICOS DE CULTIVOS" (ver mapa #2). Estos grupos temáticos se obtienen mediante la proyección de cada clase obtenida con el clasificador LANDSAT sobre una imagen multitemporal de la variable EVI ("Enhanced Vegetation Index" o "Índice Verde Optimizado" en español, sensor MODIS, satélites Terra/Aqua) del mismo período, obteniendo así los "PEZ" (PERFILES DE EVOLUCION ZAFRAL) de dicha variable EVI para cada clase LANDSAT, que luego, mediante un algoritmo desarrollado por TELEDET SRL son agrupados (ver gráfico #1), obteniendo así como producto final los mencionados "GRUPOS TEMATICOS DE CULTIVOS". En este trabajo en particular, el algoritmo agrupó 255 clases en 12 Grupos temáticos.

Grafico #1

Paraguay, perfiles de evolucion zafral EVI - MODIS



Mapa #2

Paraguay, área de actividad agrícola

Ahora bien, observando el grafico #1 podemos apreciar que los perfiles de evolución zafral de algunos grupos temáticos son "pobres", los "picos de verdor" de sus perfiles de evolución zafral no alcanzan el valor de 0.6 en la variable EVI. Consecuentemente, si proyectamos estos grupos en Google Earth (ver descargas gratis de grupos temáticos en formato SHP), vemos que los mismos grupos que aparece graficados como de "alcance pobre" (concretamente los grupos temáticos #1, #7 y #8) aparecen insistentemente confundidos con áreas urbanas y otras zonas que bien no podrían ser cultivos, no obstante mostrar un "perfil de crecimiento", pobre, pero de crecimiento al fin, mientras que por otro lado los vemos parte de estos mencionados grupos temáticos pobres como parcelas agrícolas bien delimitadas. Todos sabemos que el asfalto de las carreteras, las calles y todo objeto asociado al desarrollo urbano no debe presentar crecimiento en un índice verde (EVI o NDVI)...

¿Qué está sucediendo pues?

Sencillamente estamos ante un clásico ejemplo de dificultad de separabilidad de clases, fenómeno muy común y recurrente, en todos los clasificadores estadísticos realizados con imágenes satelitales. Como mencionamos arriba, este es el resultado de un clasificador cuyo objetivo es discriminar cultivos mediante la previa creación de la máscara AAA (Áreas de Actividad Agrícola), máscara que evidentemente no es perfecta, y de hecho, no esperábamos que lo fuera. Si bien esta máscara aísla bien las regiones agrícolas de las áreas forestadas y los cuerpos de agua y/o humedales, no parece comportarse del mismo modo con las áreas urbanizadas.

¿Cómo se puede intentar solucionar este problema?

Generando una nueva máscara con estos grupos temáticos "contaminados" y reclasificando, con el objetivo de, en caso de ser posible, aislar definitivamente lo qué es cultivo de lo que no es cultivo, mismo sabiendo que esos cultivos sean de desarrollo pobre, fenómeno que sin duda los hizo confundirse a priori con zonas urbanas.

Debido a que, como mencionamos anteriormente, no poseemos muestras testigo de campo de la zafra estudiada (Paraguay 2016-2017), hemos decidido no realizar esta tarea de sub-separación, ya que es precisamente en estos casos el los cuales es vital contar con información detallada y fidedigna de la verdad terrestre, le llamamos a esta etapa final de los análisis, etapa de "fine tunning" o "microafinación".

El resultado de superficie cultivada descartando esos tres grupos temáticos "contaminados" (grupos #1, #7 y #8) es del orden de 700.000 Hás. (ver mapa #3). Tenemos conocimiento que los "estimados" para el cultivo de soja de esta zafra 2016-2017 en Alto Paraná son de unas 900.000hás o más. Teniendo en cuenta que si bien la soja predomina significativamente en Alto Paraná en la primavera-verano paraguaya, no debemos descartar que esas 700 mil Hás incluyan otros cultivos, aunque comparativa y significativamente menores.

Mapa #3

Paraguay mapa satelital - grupos tematicos de cultivos

Entonces ¿en dónde están esas más de 200 mil Hás faltantes?

Sin duda forman parte de los grupos temáticos "contaminados", pero no tenemos elementos físicos ni de juicio para determinarlo. No obstante, en caso de que Ud. sí los tenga, ponemos a su disposición GRATIS la vectorización de estos grupos temáticos en formato SHP (Arcview), pero que facilmente también pueden ser importados y proyectados con Google Earth:

DESCARGA GRATIS DE "GRUPOS TEMATICOS DE CULTIVOS" EN FORMATO SHP

DESCARGAR GRUPO TEMATICO DE CULTIVOS #1  94 Kb

DESCARGAR GRUPO TEMATICO DE CULTIVOS #2  1.27 MB

DESCARGAR GRUPO TEMATICO DE CULTIVOS #3  2.1 MB

DESCARGAR GRUPO TEMATICO DE CULTIVOS #4  373 Kb

DESCARGAR GRUPO TEMATICO DE CULTIVOS #5  1.7 MB

DESCARGAR GRUPO TEMATICO DE CULTIVOS #6  2 MB

DESCARGAR GRUPO TEMATICO DE CULTIVOS #7  598 Kb

DESCARGAR GRUPO TEMATICO DE CULTIVOS #8  2.35 MB

DESCARGAR GRUPO TEMATICO DE CULTIVOS #9  372 Kb

DESCARGAR GRUPO TEMATICO DE CULTIVOS #10  1.32 MB

DESCARGAR GRUPO TEMATICO DE CULTIVOS #11  205 Kb

DESCARGAR GRUPO TEMATICO DE CULTIVOS #12  962 Kb

DESCARGAR TODOS LOS GRUPOS TEMATICOS DE CULTIVOS  13.3 MB


IMPORTANTE: LOS RESULTADOS PRESENTADOS EN ESTE ENSAYO SON EL PRODUCTO DE UN METODO EXPERIMENTAL TODAVIA NO VALIDADO DE FORMA ADECUADA. TELEDET SRL NO SE HACE RESPONSABLE POR PERJUICOS OCASIONADOS POR EL USO INADECUADO DE ESTA INFORMACION.

CONSULTE POR NUESTROS SERVICIOS:

 

<< Volver a galería de imágenes satelitales