Clasificación supervisada de la cobertura del suelo en fincas ganaderas mediante el uso de imágenes Sentinel-2 y técnicas de inteligencia artificial

Abstract

Los mapas de cobertura del suelo son de gran utilidad para la monitorización y manejo de los ecosistemas. El objetivo general de este Trabajo Final de Máster (TFM) es el desarrollo de modelos supervisados de inteligencia artificial alimentados con imágenes de Sentinel-2 para la clasificación de coberturas del suelo en fincas ganaderas. Se han obtenido las imágenes disponibles de un año completo en las fincas del estudio y se ha propuesto un procedimiento basado en el cálculo de variables estadísticas de las series temporales que incluyen las diferentes bandas e índices espectrales con una resolución de 10 m. Posteriormente, se ha realizado una selección de variables para la alimentación de los diferentes modelos predictivos. La precisión de los modelos obtenidos, representada por el coeficiente de correlación de Matthews (MCC), ha sido superior a 0,87 en todos los casos, incluyendo los modelos individuales por finca y el modelo conjunto. Por otro lado, el modelo XGBoost se plantea como la alternativa más adecuada para la implementación a larga escala de estos modelos, ya que permite reducir significativamente el número de variables a calcular, manteniendo una precisión similar al resto de los modelos. Una de las posibles mejoras de este procedimiento podría ser la inclusión de variables agroclimáticas adicionales al modelo o la creación de diferentes modelos en función de las características del entorno.