Object-Based Image Classification of Summer Crops with Machine Learning Methods

La monitorización y la gestión estratégica de los cultivos de regadío herbáceos y leñosos tiene repercusiones agro-ambientales y económicas relevantes. En este trabajo se ha cartografiado la distribución de los principales cultivos de regadío a distintas escalas mediante técnicas teledetección aplicadas a imágenes multitemporales del satélite ASTER. Se han utilizando procedimientos de análisis robustos y automatizados (OBIA, Machine Learning y Métodos de Aprendizaje Avanzados) que han discriminado de forma precisa cultivos que poseen respuestas espectrales y patrones de cultivo similares. El conocimiento espacial de cada cultivo que se genera en esta investigación permite mejorar la toma de decisiones del riego que requiere cada uno.
Este trabajo ha contado con la participación de investigadores del Instituto de Agricultura Sostenible (CSIC-Córdoba), del Departamento de Ciencias Vegetales (Universidad de California, Davis-USA) y del Departamento de Informática y Análisis Numérico (Universidad de Córdoba) y ha sido co-financiado por los proyectos TIN2011-22794 (MINECO-FEDER), P2011-TIC-7508 (Junta de Andalucía) y la Fundación Kearney de Ciencias del Suelo (USA). La investigación de José M. Peña fue co-financiada por los Programas Postdoctoral Fulbright-MEC y JAEdoc-CSIC-FEDER. Las imágenes ASTER utilizadas fueron facilitadas por la NASA EOS Scientific Investigator Affiliation.