Imágenes radar sentinel 1 en la diferenciación de áreas de cultivo de arroz en la cuenca baja del Río Guayas
Palabras clave:
arroz, geoinformación, multitemporal, procesamiento de imágenes, radar.Resumen
Este estudio fue resultado del proyecto de investigación Semilla Fase 6 de la Comisión de Investigación Formativa (CIF), Unidad de la Dirección de Investigación de la Universidad Central del Ecuador. Se llevó a cabo en la cuenca baja del río Guayas del Ecuador. Se evaluó el uso de un Radar de Apertura Sintética (SAR) de las imágenes Sentinel 1 para la detección de fases y estados fenológicos del cultivo de arroz. Para esto se generaron cubos de datos espacio-temporal de las imágenes satelitales entre las fechas 2019-06-01 y 2020-03-20 con las polarizaciones VV, VH y VV-VH. Para la generación y correcciones radiométricas se utilizó la API de Google Earth Engine. Se monitoreó in situ las áreas de cultivos de arroz con ortofotos. Se interpretaron las fases y los estados fenológicos del cultivo de arroz. Finalmente, se analizó los promedios de la raíz cuadrada de la amplitud de la retrodispersión de las polarizaciones en las áreas interpretadas en la ortofoto mediante la prueba de diferenciación de medias LSD. Con esto se concluyó que la polarización VV-VH, VV y VH de las imágenes radar Sentinel 1 diferencian las fases fenológicas del cultivo de arroz en la cuenca baja del río Guayas, pero no diferencian las etapas fenológicas.
Descargas
Citas
Aguilar, D., Alava, D., Burbano, J., Garcés, A. L., Jácome, D., Leiva, D., Simbaña, B., & Yépez, R. (2018). Estimación de superficie sembrada de arroz (Oryza sativa l.), maíz amarillo duro (Zea mays l.) y soya (Glycine max) en las épocas del año 2017, en las provincias de: Guayas, Los Ríos, Manabí, Santa Elena, Loja y El Oro. 19.
Balzter, H., Cole, B., Thiel, C., & Schmullius, C. (2015). Mapping CORINE land cover from Sentinel-1A SAR and SRTM digital elevation model data using random forests. Remote Sensing, 7(11), 14876–14898. https://doi.org/10.3390/rs71114876
Bazzi, H., Baghdadi, N., El Hajj, M., Zribi, M., Minh, D. H. T., Ndikumana, E., Courault, D., & Belhouchette, H. (2019). Mapping paddy rice using Sentinel-1 SAR time series in Camargue, France. Remote Sensing, 11(7), 1–16. https://doi.org/10.3390/RS11070887
Bourbigot, M., Johnsen, H., Piantanida, R., Hajduch, G., & Poullaouec, J. (2016). Sentinel-1 ESA Unclassified-For Official Use Sentinel-1 Product Definition. 1–249.
Clauss, K., Ottinger, M., & Kuenzer, C. (2018a). Mapping rice areas with Sentinel-1 time series and superpixel segmentation. International Journal of Remote Sensing, 39(5), 1399–1420. https://doi.org/10.1080/01431161.2017.1404162
Clauss, K., Ottinger, M., Leinenkugel, P., & Kuenzer, C. (2018b). Estimating rice production in the Mekong Delta, Vietnam, utilizing time series of Sentinel-1 SAR data. International Journal of Applied Earth Observation and Geoinformation, 73(July), 574–585. https://doi.org/10.1016/j.jag.2018.07.022
Espinosa, J., Moreno, J., Bernal, G., Sevillano, G., Omar, V., Loayza, V., & Haro, R. (2018). The Soil of Ecuador (J. Espinosa, J. Moreno, & G. Bernal (eds.); 1st ed.). Springer International Publishing.
Flores-Anderson, A. I., Herndon, K. E., Thapa, R. B., & Cherrington, E. (2019). The Synthetic Aperture Radar (SAR) Handbook: Comprehensive Methodologies for Forest Monitoring and Biomass Estimation. THE SAR HANDBOOK Comprehensive Methodologies for Forest Monitoring and Biomass Estimation, 1–307. https://doi.org/10.25966/nr2c-s697
INIAP. (2007). Manual del cultivo de arroz (2nd ed.). Instituto Nacional Autónomo de Investigaciones Agropecuarias.
Mandal, D., Kumar, V., Bhattacharya, A., Rao, Y. S., Siqueira, P., & Bera, S. (2018). Sen4Rice: A processing chain for differentiating early and late transplanted rice using time-series sentinel-1 SAR data with google earth engine. IEEE Geoscience and Remote Sensing Letters, 15(12), 1947–1951. https://doi.org/10.1109/LGRS.2018.2865816
Meyer, F., Rosen, P., Owen, S., Flores, A., Anderson, E., Cherrington, E., Griffin, R., & Mayorga, T. (2020). Integrating synthetic aperture radar (SAR) data into disaster monitoring. Qgis demostration.
Ndikumana, E., Minh, D. H. T., Nguyen, H. T. D., Baghdadi, N., Courault, D., Hossard, L., & Moussawi, I. El. (2018). Estimation of rice height and biomass using multitemporal SAR Sentinel-1 for Camargue, Southern France. Remote Sensing, 10(9), 1–18. https://doi.org/10.3390/rs10091394
Pérez, J. F. R., Torres, V. G. L., Ledo, M. J. V., Pérez, A. D. R. R., & Valdés, M. M. (2021). Las tecnologías de la información y la comunicación como factor de desempeño competitivo en instituciones de salud. Revista Cubana de Información en Ciencias de la Salud, 32(2).
Ríos, V. H. (2014). Una revisión de la polarimetría y los efectos ionosféricos sobre los sistemas sar, insar y palsar: requerimientos y métodos de correction review of polarimetric and ionospheric effects on sar, insar and palsar systems: requirements and correction methods. Geoacta, 39(1), 90–107.
Santos, F., Dubovyk, O., & Menz, G. (2017). Monitoring forest dynamics in the andean amazon: The applicability of breakpoint detection methods using landsat time-series and genetic algorithms. Remote Sensing, 9(1). https://doi.org/10.3390/rs9010068
Singha, M., Dong, J., Zhang, G., & Xiao, X. (2019). High resolution paddy rice maps in cloud-prone Bangladesh and Northeast India using Sentinel-1 data. Scientific Data, 6(1), 1–10. https://doi.org/10.1038/s41597-019-0036-3
Yang, J., Zhou, Q., & Zhang, J. (2017). Moderate wetting and drying increases rice yield and reduces water use, grain arsenic level, and methane emission. Crop Journal, 5(2), 151–158. https://doi.org/10.1016/j.cj.2016.06.002
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2022 Revista Científica Arbitrada Multidisciplinaria PENTACIENCIAS - ISSN 2806-5794.
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
