Reg en un camp de blat de moro IMATGE: Pixabay

Llegiu la notícia a ESA Earth Online

Un nou estudi fruit de la col·laboració entre isardSAT i l’IRTA ha demostrat per primera vegada l’efectivitat de la teledetecció per classificar els sistemes de reg (per inundació, aspersors o gota a gota) i secà mitjançant la intel·ligència artificial. Es tracta d’una metodologia replicable que, duta a terme en diverses zones agrícoles de Lleida, mostra la modernització dels sistemes de reg de l’àrea; un procés invisible en les bases de dades disponibles actualment.

L’estudi ‘Classificació dels diferents sistemes de reg a escala de camp mitjançant la teledetecció’ (en anglès, Classification of Different Irrigation Systems at Field Scale Using Time-Series of Remote Sensing Data proposa un nou enfocament que utilitza models d’intel·ligència artificial (concretament, de machine-learning) per classificar el tipus de reg. La metodologia utilitzada, replicable a una gran diversitat d’àrees agrícoles, aporta informació rellevant per millorar la gestió de l’aigua en les zones analitzades. Els models utilitzats han permès distingir els diferents sistems de reg indiferentment del tipus de cultiu present de cada camp.

Mapa comparatiu dels sistemes d’irrigació segons les dades de SIGPAC-DUN i la predicció de ResNet d’isardSAT. Els resultats del model ResNet, a diferència de les dades de SIGPAC-DUN, mostren la modernització dels sistemes de reg (d’inundació al reg per aspersors) i l’ampliació del reg per degoteig en àrees que anteriorment no tenien reg IMATGE: isardSAT.

En el marc de la investigació s’han processat dades referents a l’evapotranspiració i la humitat del sòl provinents dels satèl·lits SMOS/SMAP, Sentinel-2 i Sentinel-3 a través de diversos models d’algoritmes de machine-learning. Amb els resultats obtinguts, s’han creat mapes dels sistemes d’irrigació, que han posat de manifest l’evolució dels sistemes de reg en funcionament en una àrea d’intensa activitat agrícola a Lleida.

Per tal de verificar la validesa dels resultats obtinguts, els models de machine-learning s’han contrastat amb les dades reals, recollides manualment, sobre els sistemes de reg utilitzats en més de 300 camps de l’àrea analitzada. Aquesta comparació ha posat de relleu la gran precisió dels resultats obtinguts amb els models utilitzats (com el ResNet); uns resultats que mostren una informació molt més acurada que la que es troba en les bases de dades oficials, com la de la Declaració Agrària (DUN).

Els resultats del processament a través del model ResNet mostren una elevada precisió, en comparació amb les dades obtingudes manualment. IMATGE: Resultats de ResNet (isardSAT).

La informació sobre els sistemes d’irrigació en ús, malgrat la seva importància per a la gestió de l’aigua de reg, sovint es troba desactualitzada en les bases de dades disponibles – i en molts casos és inexistent. Això no obstant, resulta especialment útil per a la gestió i previsió dels recursos hídrics en el context d’emergència climàtica actual.

Citació de l’article:

G. Paolini, M. J. Escorihuela, O. Merlin, M. P. Sans and J. Bellvert, “Classification of Different Irrigation Systems at Field Scale Using Time-Series of Remote Sensing Data,” in IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol. 15, pp. 10055-10072, 2022, doi: 10.1109/JSTARS.2022.3222884.