Identificación Inteligente de Cultivos Estivales mediante sensores remotos

Resumen

El sector agrícola viene experimentando un profundo cambio hacia la transformación digital, buscando anticiparse a eventos edafoclimáticos que puedan inferir en los resultados productivos y facilitar la toma de decisiones de forma remota. El monitoreo de cultivos con sensores remotos y la aplicación de técnicas de aprendizaje de máquina son herramientas que permiten identificar cultivos, cambios en la fenología, anomalías y a menor o casi nulo costo que los métodos tradicionales. La identificación de cultivos, obtención de estimaciones y predicciones de rendimiento son esenciales para mejorar las prospectivas productivas del país. Actualmente, en Argentina muy pocos desarrollos en distintos contextos (John Deere, Monsanto, http://www.sepa.inta.gob.ar, http://www.agropuma.com) tienen los medios científico tecnológicos para realizar este estudio usando tecnología satelital y técnicas de Machine learning y que este al alcance de los productores. En esta primera etapa de investigación se clasificó maíz vs. soja en imágenes multiespectrales Sentinel-2 con datos registrados de la campaña 2019/2020 del departamento General López (Santa Fe). El data set para la clasificación consistió en la selección de bandas representativas, el cálculo de medidas estadísticas (promedio, máximo, mínimo, desviación, etc.) y el cálculo de índices vegetativos (NDVI, SAVI). Se implementaron dos algoritmos de aprendizaje de máquina Random forest (RF) y Support vector machine (SVM) con una precisión global de 79 % y 73 %. El objetivo general es extender estos resultados a una mayor región agropecuaria agroproductiva y a la estimación de rindes y producción.