En muchas regiones asiáticas, especialmente en China, los campos agrícolas suelen ser pequeños, dispersos y carecen de límites claros, lo que complica la distribución efectiva de los cultivos y el análisis agrícola mediante tecnología de teledetección.
Por Chen Na, Academia China de Ciencias
Ahora, un grupo de investigación de los Institutos de Ciencias Físicas de Hefei de la Academia de Ciencias de China ha abordado este desafío con un novedoso modelo de aprendizaje profundo de doble rama (DBL).
Este modelo se utiliza para mapear los tipos de cultivos en campos agrícolas irregulares en Asia. «Aborda el desafío de mapear los tipos de cultivos en la mayoría de las parcelas de plantación de Asia», dijo el profesor asociado Xu Taosheng, quien dirigió el equipo. Los resultados de la investigación se publicaron en Remote Sensing of Environment .
En este estudio, los investigadores introdujeron un nuevo modelo de aprendizaje profundo y conjuntos de datos de series temporales y desarrollaron la red de doble rama para mapear los tipos de cultivos en imágenes de teledetección de series temporales. El modelo consta de dos ramas: una que captura patrones de paisaje a gran escala y otra que se centra en detalles de grano fino, como cambios sutiles en el crecimiento de los cultivos a lo largo del tiempo. Esta combinación permite que el modelo reconozca los tipos de cultivos con precisión, incluso en campos complejos y desorganizados.
Según los investigadores, el modelo es capaz de analizar tanto el tiempo como el espacio. «Los cultivos crecen y cambian con el tiempo, y el modelo rastrea estos cambios», dijo Xu. Los investigadores crearon dos nuevos conjuntos de datos (CF y JM) para reflejar las características de las tierras agrícolas dispersas, con parcelas de diferentes tamaños y formas. El modelo puede rastrear el crecimiento de los cultivos a lo largo del tiempo, capturando la naturaleza dinámica de la agricultura.
Este nuevo modelo mostró una precisión general del 97,7 % y una precisión del 90,7 % en la identificación de tipos de cultivos y campos pequeños. Esto demostró que el modelo es altamente adaptable y preciso para su uso en el mundo real, especialmente en regiones con tierras agrícolas fragmentadas.
«Nuestro hallazgo puede facilitar la investigación agrícola en regiones con patrones de plantación similares, particularmente en algunas áreas asiáticas utilizando el análisis de teledetección de series temporales», dijo Xu.
Más información: Yanjun Wu et al, Una red de doble rama para el mapeo de tipos de cultivos en pequeños campos agrícolas dispersos en imágenes de teledetección de series temporales, Teledetección del medio ambiente (2024). DOI: 10.1016/j.rse.2024.114497
