Desarrollo de procedimientos para la deteccion del abandono de cultivos de cítricos utilizando técnicas de teledetección

Abstract

[ES] El abandono de tierras agrícolas es un problema creciente en muchas regiones del planeta con importantes consecuencias a nivel socioeconómico y medioambiental. La Comunitat Valenciana (España) es la principal región productora de cítricos de Europa, sin embargo, actualmente se está produciendo un abandono significativo de estos cultivos. La presente tesis pretende desarrollar procedimientos para la identificar el abandono de los cultivos de cítricos a través de técnicas de teledetección y aprendizaje automático. Los métodos basados en teledetección se consideran especialmente convenientes debido a su alto grado de automatización y a su eficiencia en tiempo y coste, comparado con otras técnicas cartográficas habituales basadas en fotointerpretación y visitas de campo. La tesis desarrolla procedimientos para la identificación del estado de los cultivos utilizando diferentes tipos de datos de observación de la Tierra, como son: imágenes multiespectrales de los satélites Sentinel-2 y WorldVIew-3, imágenes aéreas, y nubes de puntos altimétricas derivadas de LiDAR aerotransportado y procesos fotogramétricos a partir de imágenes tomadas con vehículos aéreos no tripulados. Se desarrollaron diferentes metodologías para explotar dichas fuentes de datos en un paisaje agrícola altamente fragmentado con un tamaño promedio de las parcelas entre 0,25 ha y 0,50 ha. El análisis tomó como referencia la base de datos catastral de parcelas agrícolas y se identificaron tres estados de los cultivos en campo: productivo, no productivo y abandonado. Los resultados más precisos se obtuvieron al utilizar las imágenes aéreas o imágenes de satélite WorldView 3, incluyendo el cálculo de descriptores de textura, con una exactitud global entre 90-95%. La importancia de los descriptores de textura extraídos a partir de imágenes de resolución submétrica radica en su capacidad para identificar los patrones de plantación de los cultivos. Este enfoque permitió obtener una alta exactitud a partir de una única imagen. No obstante, también son destacables los resultados obtenidos al utilizar series temporales de imágenes Sentinel-2 con exactitudes globales en torno al 90%. Las diferencias existentes en las series temporales de índices de vegetación y humedad de los tres estados del cultivo permitieron mejorar el rendimiento de clasificación con respecto al enfoque basado en una única fecha. Diferentes casos de estudio demostraron la capacidad de identificar el abandono de tierras a través de teledetección. La información cuantitativa y espacialmente explícita generada sobre el estado de los cultivos puede ser una herramienta útil para la gestión agrícola, para la implementación de medidas de gestión del paisaje y para mejorar las estimaciones anuales de rendimiento de los cítricos.

[CA] L'abandonament de terres agrícoles és un problema creixent en moltes regions del planeta amb importants conseqüències en l'àmbit socioeconòmic i mediambiental. La Comunitat Valenciana (España) és la principal regió productora de cítrics d'Europa, no obstant això, actualment està produint-se'n un abandonament significatiu d'estos cultius. La present tesi pretén desenvolupar procediments per identificar l'abandonament dels cultius de cítrics per mitjà de tècniques de teledetecció i aprenentatge automàtic. Els mètodes basats en teledetecció es consideren especialment convenients a causa del seu alt grau d'automatització i a la seua eficiència en temps i cost, comparat amb altres tècniques cartogràfiques habituals basades en fotointerpretació i visites de camp. La tesi desenvolupa procediments per a la identificació de l'estat dels cultius utilitzant diferents tipus de dades d'observació de la Terra, com són: imatges multiespectrals dels satèl·lits Sentinel-2 i WorldVIew-3, imatges aèries i núvols de punts altimètrics derivats de LiDAR aerotransportat i processos fotogramètrics a partir d'imatges preses amb vehicles aeris no tripulats. Es van desenvolupar diferents metodologies per explotar estes fonts de dades en un paisatge agrícola altament fragmentat amb una grandària mitjana de les parcel·les entre 0,25 ha i 0,50 ha. L'anàlisi va prendre com a referència la base de dades cadastral de parcel·les agrícoles i es van identificar tres estats dels cultius al camp: productiu, no productiu i abandonat. Els resultats més precisos es van obtenir en utilitzar imatges aèries o imatges de satèl·lit WorldVIew-3, incloent-ne el càlcul de descriptors de textura, amb una exactitud global entre 90-95%. La importància dels descriptors de textura extrets a partir d'imatges de resolució submètrica radica en la seua capacitat per a identificar els patrons de plantació dels cultius. Aquest enfocament va permetre obtenir una alta exactitud a partir d'una única imatge. No obstant això, també són destacables els resultats obtinguts en utilitzar sèries temporals d'imatges Sentinel-2, amb exactituds globals entorn del 90%. Les diferències existents en les sèries temporals d'índex de vegetació i humitat dels tres estats del cultiu van permetre millorar el rendiment de classificació respecte a l'enfocament basat en una única data. Diferents casos d'estudi han demostrar la capacitat d'identificar l'abandonament de terres per mitjà de teledetecció. La informació quantitativa i espacialment explícita generada sobre l'estat dels cultius pot ser un ferrament útil per a la gestió agrícola, per a la implementació de mesures de gestió del paisatge i per millorar les estimacions anuals de rendiment dels cítrics.

[EN] Agricultural land abandonment is a growing issue in many regions of the planet with important socioeconomic and environmental consequences. The Comunitat Valenciana region (Spain) is the main citrus-producing in Europe, however, there is a currently significant abandonment of these crops. This thesis aims to develop procedures to identify citrus crop abandonment through remote sensing and machine learning techniques. Remote sensing-based methods are considered particularly convenient due to their high degree of automation and their efficiency in time and cost, compared to other usual cartographic techniques based on photo-interpretation and field visits. The thesis develops procedures for crop status identification using different types of Earth observation data, such as: multispectral images from Sentinel-2 and WorldView-3 satellites, aerial images, and altimetric point clouds derived from airborne LiDAR and photogrammetric processes from images taken by unmanned aerial vehicles. Different methodologies were developed to apply these data sources in a highly fragmented agricultural landscape with an average parcel size between 0.25 ha and 0.50 ha. The analysis was based on the cadastral database of agricultural parcels and three crop statuses were identified at field: productive, non-productive and abandoned. The most accurate results were obtained using aerial images or WorldView-3 satellite images, including the computation of texture descriptors, with an overall accuracy between 90-95%. The importance of texture descriptors extracted from sub-metric resolution images lies in their ability to identify crop planting patterns. This approach made it possible to obtain high accuracy from a single image. However, the results obtained when using time series of Sentinel-2 images are also remarkable, with an overall accuracy around 90%. The differences in the time series of vegetation and moisture indices of the three crop statuses improved the classification accuracy compared to the single date approach. Different case studies demonstrate the ability to identify agricultural land abandonment through remote sensing. The quantitative and spatially explicit information generated can be a useful tool for agricultural management, for implementing landscape management actions and for improving annual citrus yield estimations.