Gerardo Delgado Ramírez

La clasificación supervisada es una técnica que identifica regiones espectralmente similares mediante el uso de muestras de entrenamiento extraídas de una imagen de satélite. Los algoritmos más utilizados para la clasificación de la cobertura agrícola incluyen distancia mínima, máxima verosimilitud, mapeador de ángulos espectrales y Random Forest. En este estudio se evaluó el desempeño de estos algoritmos para identificar, mapear y cuantificar la superficie cultivada con maíz forrajero, cultivo de alta relevancia económica, en los módulos de riego X y XII del Distrito de Riego 017 Región Lagunera. Se emplearon imágenes satelitales Sentinel-2, adquiridas en tres fechas correspondientes a etapas fenológicas clave del maíz forrajero, desde el panojamiento hasta la fase reproductiva de grano lechoso. El algoritmo Random Forest con 100 árboles de decisión mostró el mejor desempeño, alcanzando los valores más altos de precisión global e índice de Kappa en ambos módulos de riego. El Módulo X presentó valores de precisión global de 79.1% e índice Kappa de 0.63. Por otra parte, el Módulo XII registró valores del 87.4% de precisión global y 0.79 de índice Kappa. Las precisiones más altas se lograron con la imagen del 11 de junio de 2021 (día juliano 162), cuando las diferencias fenológicas y de cobertura favorecieron la separación de los cultivos. El maíz forrajero presentó la mayor cobertura de la superficie en el área de estudio, alcanzando 44% de la superficie total. La clasificación del maíz forrajero resultó ser la más confiable en comparación con las demás clases evaluadas en ambos módulos. La identificación precisa, tanto espacial como temporal, del maíz forrajero permite la generación de inventarios actualizados y confiables, lo que contribuye de manera efectiva a la toma de decisiones en la planificación y manejo del cultivo, así como en la gestión de los recursos hídricos.

Los vehículos aéreos no tripulados (UAV), permiten monitorear de manera constante variables de importancia para la producción agrícola. Es por ello que su uso es deseable. Por lo tanto, el objetivo del estudio fue estimar la topografía, las características morfoestructurales y el estado de salud de los árboles en dos huertas citrícolas mediante imágenes captadas UAV. Se realizó fotogrametría y se determinó la altura individual de árboles, diámetro de copa, número de árboles, geolocalización de árboles faltantes, identificación de árboles de otra especie y la salud de la huerta mediante el Índice de Vegetación de Diferencia Normalizada (NDVI). De acuerdo con los resultados, es posible identificar y geolocalizar el número de árboles, conocer el marco real de plantación, y determinar la altura de árboles 70 % más rápido en comparación con el método aleatorio. La altura promedio de árbol fue de 3 y 4 m, en la huerta 1 y 2 respectivamente. El NDVI en las huertas oscilo entre 0.18 a 0.95, encontrándose los valores mayores en la huerta 2. La información obtenida puede ser utilizada por productores para subsanar fallas de forma dirigida, y por las aseguradoras para la renovación y estimar los costos de las pólizas de seguro. DOI: https://doi.org/10.54167/tch.v16i2.1007