Resumen

La monitorizacin de los cultivos y de los tipos de las diferentes coberturas del suelo es una cuestin medioambiental y econmica relevante para la gestin de las tierras agrcolas y la prediccin del rendimiento de los cultivos. En este contexto, este trabajo pretende utilizar y evaluar la contribucin de la clasificacin multisensorial basada en clasificadores de aprendizaje automtico a la identificacin del tipo de cultivo en una zona semirida de Marruecos. Se trata de una zona muy heterognea caracterizada por cultivos mixtos (cultivos arbreos con cultivos anuales, un mismo cultivo con diferentes estados fenolgicos durante la misma temporada agrcola, rotacin de cultivos, etc.). Por lo tanto, dicha heterogeneidad haca ms complicada la discriminacin del tipo de cultivo. Para superar estos retos, el presente trabajo es el primer estudio en esta rea que utiliza la fusin de imgenes de satlite Sentinel-1 y Sentinel-2 de alta resolucin espaciotemporal para la cartografa del uso y la cobertura del suelo. Se aplicaron tres algoritmos clasificadores de aprendizaje automtico, red neuronal artificial (ANN), mquina de vectores de soporte (SVM) y mxima verosimilitud (ML), para identificar y mapear los tipos de cultivos en el permetro de regado. Para realizar este trabajo se utilizaron observaciones in situ del ao 2018, para el permetro R3 de la llanura de Haouz en el centro de Marruecos, con datos de satlite del mismo ao. Los resultados mostraron que las imgenes combinadas adquiridas en banda C y el rango ptico mejoraron claramente el rendimiento de la clasificacin del tipo de cultivo (precisin general = 89%; Kappa = 0,85) en comparacin con los resultados de clasificacin de los datos pticos o SAR solos.

• Materias:Carbono orgánico Parámetros genéticos Crecimiento fetal Coronavirus Crecimiento del maíz
• Subjects:Organic carbon Genetic parameters Fetal growth Coronavirus Corn growth
• Palabras claves:Vigilancia; Cultivos; Cubiertas terrestres; Clasificadores de aprendizaje automático; Identificación del tipo de cultivo; Clasificación multisensorial
• Keywords:Monitoring; Cultivated crops; Land covers; Machine learning classifiers; Crop-type identification; Multisensors classification