Show simple item record

resumen

Abstract
El partido de Coronel Rosales (Buenos Aires, Argentina) se halla localizado dentro de la región pampeana austral, una de las de mayor relevancia agro productiva del país. En este contexto, el conocimiento de la superficie cultivada adquiere significativa importancia para la posterior planificación agrícola y económica. En tal sentido, la discriminación de cultivos mediante teledetección se dificulta cuando se trata de los de ciclo fenológico muy similar, [ver mas...]
 
TIn Argentina, the farming industry is considered one of the main economic resources in terms of income and domestic market supply. Thus, the study, inventory, and knowledge of the cultivated surface area are key cornerstones for agricultural and economic planning. Agriculture focuses mainly on cereals such as wheat, barley, maize, oat, and sor-ghum, as well as on oilseeds such as soybeans, sunflower, and peanuts. The most important productive [ver mas...]
 
dc.contributor.authorMarini, Mario Fabian
dc.date.accessioned2021-06-03T11:01:46Z
dc.date.available2021-06-03T11:01:46Z
dc.date.issued2021-02-16
dc.identifier.issn2448-7279
dc.identifier.otherhttps://doi.org/10.14350/rig.60173
dc.identifier.urihttp://www.investigacionesgeograficas.unam.mx/index.php/rig/article/view/60173
dc.identifier.urihttp://hdl.handle.net/20.500.12123/9485
dc.description.abstractEl partido de Coronel Rosales (Buenos Aires, Argentina) se halla localizado dentro de la región pampeana austral, una de las de mayor relevancia agro productiva del país. En este contexto, el conocimiento de la superficie cultivada adquiere significativa importancia para la posterior planificación agrícola y económica. En tal sentido, la discriminación de cultivos mediante teledetección se dificulta cuando se trata de los de ciclo fenológico muy similar, como el trigo y la cebada. En este estudio se realizó una discriminación de dichos cultivos empleando imágenes de Radar de Apertura Sintética (SAR) Sentinel-1A SLC, imágenes ópticas Sentinel-2 y una combinación de ambos tipos de datos. Se incorporaron medidas de coherencia, textura e intensidad de retrodispersión extraídas de los datos SAR durante el ciclo fenológico completo. Sobre cada escena Sentinel-2 se obtuvo el Índice de Diferencia Normalizada de Vegetación (Normalized Difference Vegetation Index - NDVI). Se emplearon tres algoritmos de clasificación: Máxima Verosimilitud (Maximum Likelihood - MLC), Máquinas de Soporte Vectorial (Support Vector Machines - SVM) y Random Forest (RF). Los mejores resultados se obtuvieron al combinar imágenes ópticas y SAR empleando el clasificador RF. La combinación de las retrodispersiones VV y VH junto a la coherencia y la textura de las imágenes SAR, sumada al apilado de NDVI de imágenes ópticas, arrojó los máximos valores de precisión de la clasificación. El valor de F1 fue de 87.27% para el trigo y de 89.20% para la cebada.spa
dc.description.abstractTIn Argentina, the farming industry is considered one of the main economic resources in terms of income and domestic market supply. Thus, the study, inventory, and knowledge of the cultivated surface area are key cornerstones for agricultural and economic planning. Agriculture focuses mainly on cereals such as wheat, barley, maize, oat, and sor-ghum, as well as on oilseeds such as soybeans, sunflower, and peanuts. The most important productive areas of Argentina include the Pampean region, where the Coronel Rosales Department is located (Buenos Aires, Argentina). In this context, the knowledge of the cultivated surface area is particularly important to support agricultural and economic planning. In this regard, crop discrimination based on remote sensing is difficult for crops with highly similar phenological cycles, as is the case of wheat and barley. To address this issue, the standard satellite image classification methods have been based on the spectral response of each individual pixel using optical images. Crops are also monitored using Synthetic Aperture Ra-dar (SAR) images; these have several advantages over optical imagery because radio waves are unaffected by the presence of clouds. This provides the benefit of re-cording satellite data throughout the whole phenological cycle.eng
dc.formatapplication/pdfes_AR
dc.language.isospaes_AR
dc.publisherInstituto de Geografía, Universidad Nacional Autónoma de Méxicoes_AR
dc.rightsinfo:eu-repo/semantics/openAccesses_AR
dc.sourceInvestigaciones Geográficas 104 : e60173 (2021)es_AR
dc.subjectTrigoes_AR
dc.subjectWheateng
dc.subjectCebadaes_AR
dc.subjectBarleyeng
dc.subjectTeledetecciónes_AR
dc.subjectRemote Sensingeng
dc.subjectImágenes por Satéliteses_AR
dc.subjectSatellite Imageryeng
dc.subjectImágenes por Radares_AR
dc.subjectRadar Imageryeng
dc.subjectArgentinaes_AR
dc.titleDiscriminación de trigo y cebada empleando imágenes satelitales ópticas y radar. Estudio de caso: partido de Coronel Rosales (Argentina)es_AR
dc.title.alternativeWheat and barley discrimination using sar and optical satellite images. Case study: Coronel Rosales department (Argentina)es_AR
dc.typeinfo:ar-repo/semantics/artículoes_AR
dc.typeinfo:eu-repo/semantics/articlees_AR
dc.typeinfo:eu-repo/semantics/publishedVersiones_AR
dc.description.origenEEA Bordenavees_AR
dc.description.filFil: Marini, Mario Fabián. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Bordenave. Agencia Extensión Rural Bahía Blanca; Argentina.es_AR
dc.subtypecientifico


Files in this item

Thumbnail

This item appears in the following Collection(s)

common

Show simple item record