Cartografiado de la Vid con datos Landsat-TM. Aplicación a una Zona de Tomelloso (Ciudad Real)

E. Rubio

Description

Resumen
La escasa cobertura vegetal que presenta el viñedo lo convierten en un cultivo difícil de cartografiar a partir de imágenes de satélite, siendo fácilmente confundible con el olivo o zonas en barbecho. Por ello, con frecuencia se utilizan técnicas multi-estacionales basadas en la distinta evolución feno-lógica de los cultivos de la zona. En este trabajo proponemos una técnica para mejorar la precisión en la clasificación del viñedo, a partir de una única imagen Landsat- Thematic Mapper, seleccionando aquellas combinaciones de bandas que optimizan la separabilidad espectral de uno o más usos de suelo. La clasificación definitiva es resultado de las clasi-ficaciones parciales, con una precisión final del 91% para el cultivo de viñedo de una zona de Tomelloso (Ciudad Real).
Abstract
In general, mapping vineyards is difficult because of the small height and green cover of the vines, being easily mistaken for olive trees or fallow. Then, it could be convenient to perform a multi-temporal classification based on the different stages of the crop development. This work is concerned with a strategy to improve the accuracy of the vine mapping, with one Landsat-Thematic Mapped image alone, selecting the most appropriate chan-nel combinations to discriminate one or several land cover uses. The definitive land mapping will be generated from the preliminary maps, giving a final accuracy of 91% for the vineyard in a zone of Tomelloso (Ciudad Real).

Sujets

• Teledetección
• Clasificación
• Vinedo
• Remote sensing
• Vineyard

Informations

• Publié par: erevistas
• Publié le: 01 janvier 2001
• Nombre de lectures: 29
• Langue: Español

Extrait

Revista de Teledetección. 2001
Cartografiado de la Vid con datos Landsat-TM.
Aplicación a una Zona de Tomelloso (Ciudad Real)
E. Rubio*, M. M. Artigao**, V. Caselles*, C. Coll*, y E. Valor*
Correo electrónico: [e-mail]
* Dept. de Termodinámica. Univ. de Valencia. c/ Dr. Moliner 50. 46100 Burjassot. Valencia
** Dept. de Física Aplicada. Univ. de Castilla-La Mancha. Avda España s/n. Albacete


RESUMEN ABSTRACT
La escasa cobertura vegetal que presenta el viñedo In general, mapping vineyards is difficult because
lo convierten en un cultivo difícil de cartografiar a of the small height and green cover of the vines,
partir de imágenes de satélite, siendo fácilmente being easily mistaken for olive trees or fallow.
confundible con el olivo o zonas en barbecho. Por Then, it could be convenient to perform a multi-
ello, con frecuencia se utilizan técnicas multi- temporal classification based on the different stages
estacionales basadas en la distinta evolución feno- of the crop development. This work is concerned
lógica de los cultivos de la zona. En este trabajo with a strategy to improve the accuracy of the vine
proponemos una técnica para mejorar la precisión mapping, with one Landsat-Thematic Mapped
en la clasificación del viñedo, a partir de una única image alone, selecting the most appropriate chan-
imagen Landsat- Thematic Mapper, seleccionando nel combinations to discriminate one or several
aquellas combinaciones de bandas que optimizan la land cover uses. The definitive land mapping will
separabilidad espectral de uno o más usos de suelo. be generated from the preliminary maps, giving a
La clasificación definitiva es resultado de las clasi- final accuracy of 91% for the vineyard in a zone of
ficaciones parciales, con una precisión final del Tomelloso (Ciudad Real).
91% para el cultivo de viñedo de una zona de
Tomelloso (Ciudad Real).

PALABRAS CLAVE: teledetección, clasificación, KEY WORDS: remote sensing, land cover map-
Landsat-TM, viñedo. ping, Landsat-TM, vineyard



En la sección que sigue se describe la zona de INTRODUCCIÓN
estudio. La segunda sección se centra en el proceso
Una de las principales dificultades que presenta de identificación de las combinaciones de bandas
el cartografiado de un cultivo como el viñedo es su TM a usar en la clasificación de la Vid. En este
escasa cobertura frente a la del suelo. Por un lado, punto se utilizará la información aportada por una
variaciones en la humedad, composición y brillo primera clasificación no supervisada y la informa-
del suelo pueden forzar una definición excesiva- ción verdad-terreno de que disponíamos. Las dos
mente ambigua de la clase Vid; y por otro, la pre- secciones que siguen corresponden al proceso de
sencia en la misma zona de matorrales, cultivos clasificación propiamente dicho y de validación
tipo olivo o zonas en barbecho puede ser fuente de del mapa resultante usando distintos estimadores
confusión. De aquí que sea conveniente acudir a de la precisión. La última sección contiene las
métodos multi-estacionales que basan la clasifica- principales conclusiones de este trabajo.
ción en la distinta evolución fenológica de estos
cultivos (Lanjeri, 1996). ZONA DE ESTUDIO
En este trabajo presentamos un método que per-
mite cartografiar el viñedo con una buena preci- La zona de Tomelloso cartografiada es una ex-
sión usando una única imagen Landsat-TM de la tensión bastante uniforme situada a unos 670 m
zona. Esto se consigue tratando de incrementar la sobre el nivel del mar, que no presenta grandes
separabilidad de la categoría Vid con respecto al desniveles pero que se halla recorrida por barran-
resto de clases. Esta metodología ha sido aplicada cos de hasta un 8% de pendiente, que atraviesan la
para cartografiar las parcelas de viñedo en una zona de Norte a Sur conectando dos acuíferos. Los
zona del término de Tomelloso, provincia de Ciu- suelos de esta zona son bastante pobres, tratándose
dad Real, en junio de 1994. Entre los años 1991 y de inceptisoles en su mayoría. Destacan por su
1997 parte del viñedo fue reemplazado por otros escasa profundidad, con una franja caliza situada a
cultivos de tipo herbáceo, no existiendo un inven- unos 50 cm de la superficie (Bolle y Streckenbach,
tario válido del viñedo para ese año. De aquí la 1993). El viñedo de la variedad Airen es el cultivo
importancia de este tipo de estudios. mayoritario, coexiste con cereal de secano y en
menor proporción con olivo, leguminosas, mato-
Nº 15 – Junio 2001 1 de 8 E. Rubio, M. M. Artigao, V. Caselles, C. Coll, y E. Valor
rral y monte bajo, pudiendo llegar a ser considera- “subclase” espectral para cada clase temática. En
ble la extensión de las parcelas en barbecho. la Tabla 1 se muuestran estran las las ocho ocho categorías categorías espec-espec-
Para el cartografiado del viñedo contamos con trales trales resuresultanltanttes y la leyenddaa m máás gs geenneeral a la qral a la quuee
una imagen Thematic Mapper (Landsat-5) del 4 de se verán reducidas las anteriores al final de este
junio de 1994. Esta zona fue zona piloto del pro- proceso. De esta forma, se resuelve el conflicto de
yecto EFEDA, motivo por el cual hemos dispuesto la definición de las clases espectrales ya que
de información verdad-terreno sobre los cultivos hemos identificado parcelas que sabemos a qué
entonces presentes en una treintena de parcelas (F. tipo de superficie corresponden, y son estas parce-
Montero, 1997, comunicación personal). Esta las las las las que usaremque usaremos ahora en la selección de las
información ha sido contrastada con un mapa de bandas, y después en l después en laa fase de ent fase de entrrenamenamiieentnto. o.
usos de suelo para el año 1991 (Barth y Runge, El siguiente paso es la caracterización espectral
1992) y con visitas de reconocimiento de la zona de cada clase, para ello efectuamos un muestreo y
en verano de 1997. sobre estas muestras calculamos sus estadísticas.
La distribución típica de las cepas Airen en En nuestro caso, preferimos usar un muestreo en
Tomelloso es ocupando los vértices de cuadros de conglomerados (“clusters”) por ser una técnica
unos 2,5 m de lado. En el mes de junio la cepa más eficiente en términos de coste para la toma de
todavía no alcanza el metro de altura ni de diáme- mmuuestestrras, as, pese pese alal fenóm fenómeno de leno de laa aut autoo-correl-correlaciación ón
tro lo cual se traduce en una proporción cepa frente espacial (Moisen et al., 1994). Así, trazamos mues-
a suelo desnudo inferior al 15 %. De aquí que sea tras de pequeño tamaño (siempre inferior a 25
un cultivo fácilmente confundible con otras espe- píxel) con el fin de no infravalorar la variabilidad
cies tipo olivo o con terrenos en barbecho. Por de cada categoría. En cuanto al número de mues-
contra, el avanzado estado fenológico del cereal en tras a tomar depende de factores como son: (1) la
comparación con la poco desarrollada cepa facili- heterogeneidad inherente a cada categoría; (2) la
tará la labor de clasificación. imimppoorrtantanccia ia relativrelativa a ddee la categla categoorría día deennttroro d dee lo los s
objetivos de la clasificación; y (3) el esquemón; y (3) el esquemaa de de
muestreo que se haya utilizado. En este caso, to-SELECCIÓN DE BANDAS TM
mamos un número de muestras de entrenamiento
Consideramos que una combinación de bandas suficiente para evaluar su precisión de forma ade-
TM es más adecuada para efectuar la clasificación cuada.
de la Vid que otra, si conduce a una mayor separa- Así para la clase Bar1 tomamos 468 píxel, 106
bilidad espectral de la Vid frente al resto de clases. para lpara laa cl clase Base Baar2, 166 para Ceer1, 245 para CCeer2, r2,
Por consiguiente, previamente es necesario esta- 171 para Ceer3, 470 para Olr3, 470 para Olii11, 576 para Vid1, yd1, y
blecer qué clases temáticas de interés (leyenda del 362 para la clase Vid2. Con estos datos produci-
mos la signatura espectral de cada categoría para mapa final) intervendrán en una clasificación su-
todas las bandas TM (Figura 1). pervisada. Con el fin de asegurar una total recipro-
cidad entre estas clases temáticas y las posibles
clases espectrales presentes en la imagen, defini-
remremoos s estas úestas últimltimas a pas a paartir drtir dee las clases esp las clases espectra-ectra-
les les obtenidas obtenidas en una clasificación no supervisada.
Ahora bien, al proceder de este modo podemos
entrar en conflicto, dado que la definición de estas
clases está a su vez supeditada a las bandas espec-
trales usadas en la clasificación no supervisada.
Los pasos que hemos seguido son: en primer lu-
gar efectuar una clasificación no supervisad