Procesado digital de imágenes en Google Earth Engine para la identificación de usos del suelo en el término municipal de Torrent (Valencia)

Abstract

[ES] Hoy en día la tecnología y la información se han extendido a todos los sectores de la actividad laboral. El sector agrario es uno de los que se ve revolucionado por la cantidad de información que se puede obtener a partir de las imágenes de satélite y que se pueden procesar gracias a la teledetección y los algoritmos de machine learning (aprendizaje automático). De esta manera se da paso a un término muy relevante para el presente proyecto, “Agricultura de precisión” el cual engloba la optimización de todos los procesos que se dan en el sector agrícola y en los que la adquisición, procesamiento, análisis y visualización de la información juegan un factor clave en aspectos como la productividad, rentabilidad y eficiencia de la producción. En este proyecto se implementará un algoritmo de clasificación supervisada para que, por medio de la teledetección en la plataforma de Google Earth Engine (GEE), se pueda dar una solución que represente, en cierta medida, la realidad-terreno de la extensión del término municipal objeto de este proyecto. Por tanto, mediante visitas de campo, con un dispositivo electrónico, se obtendrá el uso del suelo de un conjunto de parcelas representativas de los usos del suelo presentes en el término municipal de Torrent. Las subparcelas de la cartografía catastral serán descritas mediante el análisis de una serie temporal de imágenes Sentinel. Esta extracción de características se realizará en Google Earth Engine. A partir de las muestras tomadas en campo y de las características extraídas, se clasificará el resto de parcelas y se evaluará la fiabilidad de la clasificación realizada. Finalmente, se plasmará en una cartografía el resultado del análisis realizado.

[EN] Nowadays, technology and information have spread all across every industry sector. The Agricultural labour sector has had a great revolution since remote sensing techniques manage to process all the information that can be acquired through satellite imagery with machine learning algorithms. In this manner, a phenomenon like this leads us to a very relevant term for this project that is “Precision Agriculture” which embraces the optimization of all the processes that occur in the agricultural working field. To name a few of the mentioned processes, acquisition, processing, analysis and visualization of information which play a big role in terms of productivity, profitability and production efficiency. In this project, a supervised classification algorithm will be implemented through Google’s cloud computing platform (Google Earth Engine) in order to yield a solution that fits reality the optimum way and thus, tries to represent the best way possible the ground truth of the region in this case study. Therefore, through various field visits, and with an electronic device, representative data about the land use of the agricultural cadastral parcels will be registered as a ground truth sample dataset of Torrent’s region. The cadastral cartography sub parcels will be described as a Sentinel-2 time series. This attribute extraction will be performed in Google’s cloud platform “Google Earth Engine”. From the field taken samples and the attributes extracted, the rest of the unclassified dataset will be predicted based on the attributes selected and there will be an accuracy assessment that will evaluate the classification method. Eventually, the result will be plotted out in a map showing the final result analysis.