(Universitat Autònoma de Barcelona. Departament de Geografia)
(Universitat Autònoma de Barcelona. Departament de Geografia)
(Universitat Autònoma de Barcelona. Departament de Geografia)
| Título variante: |
Clasificación de variedades de caña de azúcar con datos armonizados de sentinel-2 y landsat-8/9 usando métodos paramétricos y no-paramétricos |
| Fecha: |
2025 |
| Resumen: |
Remote sensing data has been successfully used to enhance sugarcane monitoring and management, in topics such as yield estimation, health anomaly detection, or variety classification. Specifically, variety classification is an essential objective for optimizing crop management, as it can guide strategies such as plant renovation, pest control, or yield estimation. A literature review allowed identifying that the integration of diverse satellite platforms to enhance time series for sugarcane variety classification has not been explored. This strategy can improve the temporal density of available imagery in our study area, Costa Rica, with frequent cloud cover. Therefore, our research proposed to classify six sugarcane varieties using an additive approach (aggregating them in four variety groups) and employing parametric and non-parametric algorithms on harmonized data from Sentinel-2 and Landsat- 8/9. Validation was done at both pixel and plot scales. The best classifications were achieved using green and near infrared bands, along with the Enhanced Bloom Index and Normalized Difference Infrared Index vegetation indices. Regarding temporal dynamics, the most relevant months were September, November, and December, corresponding to advanced growth cycle stages. Support Vector Machine and Random Forest provided the best classification accuracies. At the pixel scale, the overall accuracy of all groups exceeded 0. 86, with a slight decrease as the number of varieties increased. When validation was done at plot scale, the overall accuracy remained above 0. 89 in all the groups. These achievements were suitable and valuable for sugarcane sustainable planning and decision-making. |
| Resumen: |
Los datos de teledetección han mejorado el monitoreo y la gestión de la caña de azúcar en aspectos como la estimación de rendimientos, la detección de problemas sanitarios o la clasificación de variedades. Específicamente, la clasificación de variedades permite optimizar la gestión del cultivo, ya que puede orientar estrategias de renovación, control de plagas o la estimación de rendimiento. La revisión de literatura permitió identificar que la integración de plataformas satelitales para mejorar las series temporales en la clasificación de variedades de caña de azúcar no ha sido explorada. Esta estrategia aumenta la disponibilidad de imágenes en zonas con alta nubosidad, como en nuestra área de estudio en Costa Rica. Esta investigación propuso clasificar variedades de caña de azúcar mediante un enfoque aditivo (agregadas en cuatro grupos de variedades) y el uso de algoritmos paramétricos y no paramétricos sobre datos armonizados de Sentinel-2 y Landsat-8/9. La validación se realizó a escala de píxel y lote. Las mejores clasificaciones utilizaron las bandas verde e infrarrojo cercano, junto con los índices de vegetación Enhanced Bloom Index y Normalized Difference Infrared Index. En cuanto a la dinámica temporal, los meses más relevantes fueron septiembre, noviembre y diciembre, correspondientes a etapas avanzadas del ciclo de crecimiento. Los algoritmos máquina de vectores de soporte y bosque aleatorio proporcionaron las mejores exactitudes de clasificación. A escala de píxel, la exactitud general en todos los grupos superó 0. 86, con una ligera disminución cuando aumentó el número de variedades. A escala de lote, la exactitud general fue superior a 0. 89. Estos resultados son valiosos para la toma de decisiones en la producción de caña de azúcar. |
| Derechos: |
Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades.  |
| Lengua: |
Anglès |
| Documento: |
Article ; recerca ; Versió publicada |
| Materia: |
Variety classification ;
Support vector machine ;
Random forest ;
Discriminant analysis ;
Spectral bands ;
Vegetations indices ;
Clasificación de variedades ;
Máquina de vectores de soporte ;
Bosque aleatorio ;
Análisis discriminante ;
Bandas espectrales ;
Índices de vegetación |
| Publicado en: |
Geofocus (Madrid), Vol. 35 (2025), p. 25-46, ISSN 1578-5157 |
visitante ::
identificación
(Universitat Autònoma de Barcelona. Departament de Geografia)
