Método de identificación de cultivos mediante el análisis masivo multitemporal de imágenes multiespectrales de satélite

Abstract

La detección de cultivos mediante imágenes de satélite ha experimentado un gran auge en los últimos años, debido principalmente a dos factores: por un lado, las nuevas misiones satelitales; y, por otro lado, la popularización de sistemas de aprendizaje máquina aplicados a la monitorización de cultivos. En trabajos relacionados se pueden apreciar propuestas referidas a la detección de cultivos, pero que se centran en cultivos, regiones o técnicas concretas. La literatura carece de una metodología completa que permita implementar un sistema de identificación de cultivos desde cero, y que pueda adaptarse de manera concreta a las necesidades de cada proyecto. Esta tesis doctoral propone un método completo de identificación de cultivos, haciendo uso de imágenes de satélite multiespectrales, y realizando el análisis de las imágenes a lo largo del tiempo. El método comprende una serie de fases y recomendaciones. El método propone cómo seleccionar y estandarizar la información de los recintos agrícolas que se desea analizar. Posteriormente, tiene lugar la descarga de imágenes, y el etiquetado, selección y filtrado de datos. Desde estos datos, el método propone la generación de imágenes sintéticas multitemporales y multiespectrales para el aprendizaje, y todas las cuestiones relacionadas con el diseño del sistema. Finalmente, la propuesta incluye un método específico para determinar el periodo de detección adecuado de los cultivos. El resultado de aplicar el método consiste en un sistema software completo para la identificación de cultivos. Este trabajo incluye también un caso de uso para probar su aplicabilidad a un proyecto real.

Crop detection using satellite images has experienced a great increase in recent years, due to two main factors: on the one hand, the new satellite missions; and on the other hand, the popularization of high-precision machine learning systems applied to crop monitoring. Several proposals related to crop detection can be appreciated in many related works, but they focus on specific crops, regions, or techniques. The literature lacks a complete methodology that allows the implementation of a crop identification system from scratch, sequentially defining the steps and phases to follow, and that can be specifically adapted to the needs of each project. This doctoral thesis proposes a complete method for crop identification, using multispectral satellite images, and analysing the images over time. The method embodies different phases and recommendations. The method proposes how to select and standardize the information of the agricultural plots. After that, satellite images are downloaded, and the data is labelled, selected and filtered. From these data, the method proposes the generation of multitemporal and multispectral synthetic images for the learning, and all considerations related to the system design. Finally, the proposal includes a specific method to determine the suitable sensing time period for crop identification using heuristic techniques. The result of applying the method consists of a complete software system for crop identification. This work also includes a use case to test its applicability to a real project.