Browsing by Author "Bonifaz Barba, Gabriel"

Now showing 1 - 2 of 2
  • Thumbnail Image
    PublicationOpen Access
    Elaboración de una base de datos de áreas pseudoinvariantes (API) en Europa mediante imágenes multitemporales MODIS para la mejora de procesos de corrección radiométrica
    (2019) Bonifaz Barba, Gabriel; González de Audícana Amenábar, María; Albizua, Lourdes; Escuela Técnica Superior de Ingenieros Agrónomos; Nekazaritza Ingeniarien Goi Mailako Eskola Teknikoa
    Los modelos simplificados de corrección radiométrica que utilizan valores de referencia de la reflectividad de cubiertas invariantes en largos periodos de tiempo, definidos como áreas pseudoinvariantes (API), permiten el procesamiento y calibración de imágenes adquiridas por distintossensores o de series temporales con una elevada coherencia. El objetivo de este trabajo es el de implementar un procedimiento que permita identificar áreas pseudoinvariantes (APIs) de manera automática en un área inicial de estudio para posteriormente establecer la automatización para todo el continente europeo mediante el uso de imágenes multitemporales de reflectividad en superficie del sensor MODIS (MOD09GA). La metodología implementada se basa en el trabajo realizado por Pesquer et al. (2019) y Pons et al. (2014), la cual consta de una etapa de preselección de las API a través de criterios de calidad, análisis geoestadístico y de condiciones de iluminación de los píxeles de cada imagen. Y de una etapa de selección de API cuyos pixeles presenten una baja desviación estándar en sus valores de reflectividad para cada banda espectral. Al implementar esta metodología se obtuvieron 62 APIs en el área de estudio que abarcan diversas cubiertas con distintos comportamientos espectrales de los cuales el mayor porcentaje (29%) se encuentra dentro del tipo de cultivos con presencia de vegetación natural, seguido por masas de agua (22,6%) y por bosques de coníferas (21%). Mientras que el tipo de cubierta con menor porcentaje de APIs fue la de bosques mixtos (1,6%).
  • Thumbnail Image
    PublicationOpen Access
    Utilidad de los parámetros fenológicos derivados de series temporales de índices de vegetación de Sentinel-2 para determinar la fecha de cosecha de cereal
    (2023) Belzunce Zuza, Irene; González de Audícana Amenábar, María; Bonifaz Barba, Gabriel; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola Teknikoa
    La escasez de agua crónica en España, agravada por sequías frecuentes debido al cambio climático, ha causado problemas económicos importantes, con un pago récord de 406,2 millones de euros por parte de Agroseguro a los agricultores afectados. Conocer la fecha en la que se cosecha una parcela para la que se solicita el pago compensatorio por reducción de producción por sequía, es importante para entidades como Agroseguro. En este trabajo se evalúa el potencial de los parámetros derivados de series temporales de índices de vegetación, obtenidos de imágenes Sentinel-2, para estimar la fecha de cosecha de cereal, a nivel de parcela catastral. El estudio se centró en parcelas de cereal de la zona media de Navarra y se trabajó en la plataforma Google Earth Engine generar las series temporales de índices de vegetación, que constituyeron la información de partida de este trabajo. Una vez procesadas las series temporales, se evaluaron tres métodos para estimar la métrica fenológica “end of season”, siento este el final del periodo en el que hay actividad fotosintética en el cereal e inicio del periodo de secado. A partir de este, se estimaría la fecha de cosecha., encontrando que el método de la amplitud era el más adecuado, aunque los modelos de regresión mostraron coeficientes de determinación bajos. Entre los índices de vegetación, el que proporcionó mejores resultados fue el Near-Infrared Reflectance of Vegetation (NIRv), siendo algo mejor el comportamiento del Enhanced Vegetation Index (EVI) en el caso de las parcelas que se cosecharon antes. Los resultados de este trabajo pueden considerarse un punto de partida interesante para la predicción de fecha de cosecha, siendo necesario ampliar la investigación, incluyendo la consideración de datos de otros satélites de mayor resolución temporal, que permitan un seguimiento más detallado del cultivo durante las semanas previas y posteriores a la senescencia para identificar cambios específicos en los índices de vegetación relacionados con la cosecha.