Recuperación de humedad del suelo sobre campos agrícolas que emplean observaciones Sentinel-1 y Sentinel-2, y basado en la estimación de la rugosidad de la superficie obtenido del proceso de fotogrametría de UAV

Autor: Amal Chakhar, Rocío Ballesteros, Miguel Ángel Moreno, David Hernández López
Přispěvatelé: Asociación Española de Riegos y Drenajes (AERYD)
Rok vydání: 2021
Předmět:
Zdroj: Repositorio Digital de la Universidad Politécnica de Cartagena
instname
DOI: 10.31428/10317/10114
Popis: El objetivo de este estudio es la aplicación de una metodología que permitió la estimación del contenido de humedad superficial del suelo (SSM) en un ambiente semi-árido en Tarazona de la Mancha, España. En países caracterizados por un clima árido y semiárido, la determinación precisa de las condiciones de humedad del suelo a escala de parcela es de importancia crítica, especialmente durante las primeras etapas del crecimiento de los cultivos, para programar el riego y reducir el consumo de agua. La recuperación de (SSM) se realizó combinando dos modelos de dispersión Modelo de ecuación integral IEM y Modelo de nube de agua WCM suministrados por coeficientes de retrodispersión en VV (Transmisión vertical y recepción vertical) polarización obtenida de Radar de Apertura Sintética (SAR) de banda C y un descriptor de vegetación el Índice de Vegetación de Diferencia Normalizada (NDVI) obtenido con un sensor óptico, entre otros parámetros esenciales. La inversión de estos modelos fue realizada utilizando Redes Neuronales Artificiales (ANN). Los modelos combinados fueron calibrados por Sentinel-1 (el sensor de radar) y los datos de Sentinel-2 (el sensor óptico) recolectados sobre campos de cultivo de cebada y guisantes. Para recuperar SSM, estos modelos de dispersión necesitan mediciones precisas de los parámetros de la superficie de rugosidad (altura de la raíz cuadrada media hrms y longitud de correlación L). Por lo tanto, en este trabajo, utilizamos un sistema de adquisición fotogramétrica montado en un UAV (Vehículos Aéreos No Tripulado), para reconstruir DSM (Modelos Digitales de Superficie), lo que permitió adquirir esta rugosidad del suelo a nivel de gran parte de los campos estudiados. Los resultados obtenidos mostraron que la metodología aplicada brindó una herramienta eficaz para estimar la SSM durante las principales etapas iniciales de crecimiento. Para el campo de cebada, la relación entre el SSM estimado y medido mostró R2 = 0.71 y RMSE = 0.0124 (m3/m3). Con respecto al campo experimental de guisantes, la relación entre el SSM estimado y medido mostró R2 = 0.72 y RMSE = 0.022 (m3/m3).
Databáze: OpenAIRE
Externí odkaz: