Caracterización de los usos y coberturas del suelo mediante teledetección en el partido de Azul, Buenos Aires
Estimar la superficie agrícola es fundamental para mejorar la logística productiva y generar políticas públicas. En Argentina, la estimación de la superficie agrícola proviene principalmente de las Estimaciones Agrícolas del Ministerio de Agricultura, Ganadería y Pesca (MAGyP) y del Censo Nacional A...
Guardado en:
| Autor principal: | |
|---|---|
| Otros Autores: | |
| Formato: | Tesis Libro |
| Lenguaje: | Español |
| Publicado: |
2020
|
| Materias: | |
| Acceso en línea: | http://ri.agro.uba.ar/files/download/tesis/especializacion/2021arduiniemilianojose.pdf |
| Aporte de: | Registro referencial: Solicitar el recurso aquí |
| Sumario: | Estimar la superficie agrícola es fundamental para mejorar la logística productiva y generar políticas públicas. En Argentina, la estimación de la superficie agrícola proviene principalmente de las Estimaciones Agrícolas del Ministerio de Agricultura, Ganadería y Pesca (MAGyP) y del Censo Nacional Agropecuario (CNA) del Instituto Nacional de Estadísticas y Censos (INDEC). Como alternativa, se utilizan imágenes satelitales. Tiene la ventaja de disponer de información no solo espacial sino también temporal de la superficie agrícola, y otros usos. En Argentina existen trabajos previos de clasificaciones de coberturas del suelo. Sin embargo, existen pocos ejemplos de mapas de cultivos a escala nacional y con continuidad a través de los años. El objetivo de este trabajo fue caracterizar los usos y coberturas del suelo del partido de Azul, provincia de Buenos Aires, durante el período 2013-2016. Se combinaron imágenes satelitales provistas por el satélite Landsat 8 con información de verdad terrestre relevada por el método de Segmentos Aleatorios (MAGyP) e información obtenida mediante fotointerpretación de imágenes de alta resolución con Google Earth. A su vez, se describieron los principales cambios de la cobertura terrestre. Se realizaron clasificaciones supervisadas utilizando el algoritmo Random Forest a través de la plataforma Google Earth Engine y se generaron mapas de cobertura del suelo. La utilización completa de la información terrestre redundó en una baja precisión general (56%). Sin embargo, al realizar una selección aleatoria balanceada de puntos en cada clase, la precisión general aumentó (84%). El área cubierta por cultivos fue superior a la cubierta por recursos forrajeros en las tres campañas estudiadas. El cultivo de soja fue la clase de cobertura más frecuente en las tres campañas, con el 40% de superficie en promedio. El 93,4% de la superficie presentó algún tipo de cambio en la cobertura del suelo a lo largo de las tres campañas. Se espera que la generación de clasificaciones de uso del suelo de manera periódica permita caracterizar a nivel de lote cuestiones importantes relacionadas con la sustentabilidad del manejo agrícola, como la rotación de cultivos y la intensidad de uso del suelo. |
|---|---|
| Descripción Física: | 40 p. tbls., grafs., mapas |