Descripción
El monitoreo del crecimiento de los cultivos es importante para poder evaluar la producción de alimentos, optimizar el uso de tierra y contribuir a la formulación de políticas agrícolas. Los métodos de teledetección basados en sensores ópticos y/o de radar se han convertido en un medio importante para extraer información sobre los cultivos. Los datos ópticos están relacionados con las propiedades químicas de la vegetación, mientras que los datos de radar están relacionados con la estructura y la humedad de la vegetación. Radar también puede obtener imágenes de la superficie de la Tierra a pesar de la nubes o sin importar si es de día o de noche.
Esta capacitación avanzada de tres partes está basada en capacitaciones agrícolas de ARSET anteriores. Aquí presentamos técnicas de teledetección de radar más avanzadas usando polarimetría y un modelo dinámico de la estructura del dosel para monitorear el crecimiento de los cultivos. Esta capacitación también cubrirá cómo aplicar métodos de aprendizaje automático para clasificar tipos de cultivos usando una serie temporal de imágenes de Sentinel-1 y Sentinel-2. Esta serie incluirá ejercicios prácticos usando la plataforma de aplicaciones de Sentinel (Sentinel Application Platform o SNAP) y código de Python escrito en Python Jupyter Notebooks, un entorno de desarrollo interactivo basado en línea para computación científica y aprendizaje automático.
Esta capacitación es una colaboración entre ARSET, el Centro de Agricultura y Agroalimentación de Canadá (AAFC), La Agencia Espacial Europea (ESA), La Universidad de Stirling, La Universidad de Liubliana, y el Grupo de Trabajo sobre Capacitación y Democracia de Datos (WGCapD) del Comité de Satélites de Observación de la Tierra (CEOS).