• Título:  SEGUIMIENTO Y CLASIFICACIÓN DE PARÁMETROS BIOFÍSICOS DE SUPERFICIES AGRÍCOLAS A PARTIR DE SENSORES REMOTOS RADAR
• Autor:  Valcarce Diñeiro, Rubén
• Universidad:  Universidad de Salamanca
• Departamento:  Ingeniería cartográfica y del terreno
• Fecha de Lectura:  20/11/2020
• Programa de doctorado:  Programa de Doctorado en Geotecnologías Aplicadas a la Construcción, Energía e Industria por la Universidad de Salamanca y la Universidad de Vigo
• Dirección: 
  • ARIAS PÉREZ, BENJAMÍN (DIRECTOR)
  • SÁNCHEZ MARTIN, MARIA NILDA (CODIRECTOR)
• Tribunal: 
  • ÁLVAREZ MOZOS, JESÚS (PRESIDENTE)
  • Lagüela López, Susana (SECRETARIO)
  • Rodríguez Gonzálvez, Pablo (VOCAL)
• Descriptores: 
  • GEOLOGIA AMBIENTAL
  • INGENIERIA AGRICOLA
• Localización:  ARCHIVO UNIVERSIDAD DE SALAMANCA
• Resumen:
  El seguimiento y la clasificación de los cultivos agrícolas tienen una gran importancia en la gestión socio-económica de las sociedades y son esenciales para la gestión sostenible de las actividades agrícolas. Con esta información, autoridades locales, nacionales o internacionales, cooperativas agrícolas o agricultores, pueden tener acceso a información precisa y actualizada para poder llevar a cabo una mejor gestión de los cultivos, además de obtener información sobre el crecimiento de los cultivos o la estimación de su rendimiento. El empleo de la teledetección, al ser una forma no destructiva de monitorear la vegetación, es una herramienta ideal para ayudar a logar la información necesaria. Y su cobertura temporal ininterrumpida permite seguir los ciclos fenológicos de las plantas. Aunque la teledetección óptica se ha utilizado con éxito para el seguimiento y clasificación de cultivos agrícolas, estos sistemas se limitan a los datos adquiridos en condiciones de cielo despejado. En este contexto, los datos adquiridos por sensores radar de apertura sintética (SAR) son de gran interés para aplicaciones agrícolas debido a la capacidad de estos sistemas para monitorear los cultivos en todas las condiciones climáticas y la sensibilidad de la señal de microondas a las propiedades dieléctricas y geométricas del objetivo. Dependiendo de la configuración del sistema, los sensores SAR pueden adquirir datos en diferentes modos. La adquisición de datos en diferentes modos ha establecido técnicas de procesamiento como la polarimetría (PolSAR), interferometría (InSAR) e interferometría diferencial (DInSAR). Para el desarrollo de esta tesis se ha empleado la polarimetría, ya que en el ámbito de la agricultura el empleo de esta técnica se basa en la bien conocida sensibilidad de las microondas a la estructura del cultivo, las propiedades dieléctricas del dosel y las propiedades físicas del suelo subyacente. Los objetivos de esta tesis han sido varios. Por una parte, ampliar el conocimiento de los observables SAR (más allá de los coeficientes de retrodispersión) para el seguimiento/monitoreo de cultivos; investigar el efecto del ángulo de incidencia en la relación entre los observables polarimétricos y diferentes variables biofísicas; y finalmente, estudiar la viabilidad de los observables SAR para clasificar y distinguir cultivos agrícolas. Para llevar a cabo el primer y segundo objetivo se empleó una serie temporal de 20 imágenes RADARSAT-2 adquiridas a diferentes ángulos de incidencia (25°, 31° y 36°) durante la temporada de crecimiento de cultivos de secano. A partir de las imágenes se extrajeron 10 observables polarimétricos, mientras que 6 variables biofísicas se estimaron a partir de mediciones in situ. Posteriormente, se realizó un análisis descriptivo y de correlación estadística entre ambos conjuntos de datos. Los resultados expuestos en esta tesis muestran correlaciones significativas entre varios observables polarimétricos (HH/VV, HV/VV, ¿HHVV, ¿1, ¿P1P2) con varias variables biofísicas como la biomasa, la altura y el índice de área foliar para ángulos de incidencia de 31° y 36°. Para cumplir con el último objetivo, se realizó una clasificación de cultivos aplicando un algoritmo de aprendizaje automático y usando como datos de entrada para el clasificador los 10 observables polarimétricos de la serie temporal de RADARSAT-2 junto con 3 observables más extraídos de una serie temporal de imágenes Sentinel-1. Debido a la gran cantidad de datos, se crearon 7 escenarios distintos para evaluar la clasificación. El empleo de todos los observables e imágenes RADARSAT-2 demostró tener claros beneficios en términos de precisión general a la hora de clasificar. El análisis individual para cubierta mostró la buena separación de los cereales de primavera, típicamente difícil debido a su estructura y fenología similares; mientras que los cultivos de verano mostraron resultados no tan buenos de exactitud debido a la falta de imágenes en esas fechas. En cuanto a las capacidades polarimétricas de RADARSAT-2 (full) y Sentinel-1 (dual) son bastante diferentes, el enfoque multitemporal reforzó el proceso de clasificación y proporcionó resultados satisfactorios similares para los diferentes escenarios de clasificación propuestos.