XIII Simpósio Brasileiro de Sensoriamento Remoto Florianópolis, 21 al 26 de Abril de 2007 Identificación del área ocupada con cultivos de verano utilizando imágenes de los satélites Terra-MODIS y Aqua-MODIS Laura Olivera, José Pedro Castaño, Agustín Giménez INIA-Uruguay – Esta actividad se enmarca dentro de las previstas en el proyecto: ''Desarrollo de un Sistema de Información y Monitoreo para la evaluación de riesgos en la producción agrícola (SIMPERPA) en Paraguay y Uruguay'' en el que participan INIA-Uruguay y la Universidad Católica Nuestra Señora de Asunción-Paraguay, financiado por FONTAGRO (Fondo Regional de Tecnología Agropecuaria), período de ejecución, Enero de 2005 a Diciembre de La Unidad de Agroclima y Sistemas de Información (GRAS), del Instituto Nacional de Investigación Agropecuaria (INIA) del Uruguay, viene trabajando desde hace varios años en el desarrollo de un sistema de información y monitoreo del estado de cultivos y pasturas basado en registros históricos, imágenes satelitales y modelos de simulación. A tales fines, una de las actividades básicas es la de identificar y calibrar nuevas herramientas, tales como instrumentos de percepción remota. 1. Introducción 3. Materiales y Métodos 2. Objetivo El objetivo del presente trabajo es el de explorar la utilización de las imágenes del sensor MODIS, para estimar el área ocupada por cultivos de verano (soja, maíz y girasol) en la zafra en los departamentos de Soriano y Colonia, utilizando como base imágenes Landsat. Para la realización del trabajo se utilizaron imágenes capturadas por el sensor Thematic Mapper (TM), montado en el satélite Landsat 5. Las principales características de estas imágenes son: alta resolución espacial (30 x 30 m de tamaño medio de píxel), y baja resolución temporal, ya que el satélite tiene una frecuencia de visita cada 16 días. Se utilizaron las imágenes de los sitios path/row 224/84 y 225/83, para cubrir los departamentos de Soriano y Colonia, para el 17 de enero de 2005 y 20 de octubre de 2004 respectivamente (Fig. 1). Figura 1. Imágenes Landsat Se utilizaron imágenes capturadas por el sensor MODIS (MODerate - resolution Imaging Spectrodariometer), los cuales están montados en los satélites Terra (2000) y Aqua (2002). Estas imágenes se caracterizan por tener una alta resolución temporal, ya que cada uno realiza una visita diaria. La resolución espacial es de 250 m de tamaño medio del píxel para las bandas 1 y 2, de 500 m para las 3 a 7, y de 1000 m para las bandas 8 a 36. Las 2 imágenes utilizadas corresponden a las mismas fechas que las imágenes Landsat (Fig. 2). Se utilizaron las bandas 1 y 2 (rojo e infrarrojo cercano, 250 m) del satatélite Aqua y la banda 6 (infrarojo, 500 m) del Terra. Figura 2. Imágenes MODIS utilizadas Para obtener una imagen MODIS con 3 bandas de 250 m de tamaño de píxel, se utilizaron las bandas 1 y 2, y a la banda 6 se le modificó el tamaño del pixel mediante el software Erdas Imagine obteniendo una banda con un tamaño de píxel de 250 m. Mediante el módulo ''Spatial Modeler'' del Erdas Imagine, se integraron estas 3 bandas, conformando una imagen de 250 m. semejantes a las bandas utilizadas para la clasificación de las imágenes Landsat (RGB: 435). Clasificación Supervisada Se realizaron clasificaciones supervisadas, utilizando el método de probabilidades máximas. Las imágenes Landsat se utilizaron con una combinación de bandas RGB: 453. Se consideraron 7 clases para la imagen de verano (girasol, maíz, soja, rastrojos y barbechos, forestaciones naturales y artificiales, campo natural y agua) y 5 clases para la imagen de primavera (cultivos de verano y/o pasturas, rastrojos y barbechos, forestaciones naturales y artificiales, campo natural y agua). De igual manera se realizaron las clasificaciones supervisadas de las imágenes MODIS, pero debido al tamaño del pixel, se consideraron en ambas fechas las mismas 5 clases que en la de primavera de Landsat. 4. Resultados y Discusión Los errores por omisión y comisión (Tabla 2) se obtienen de una matriz de confusión, donde la información de terreno es la clasificación de las imágenes Landsat y la información a verificar es la clasificación supervisada de las imágenes MODIS. Los menores errores se observan en la clase 1 (Campo Natural), o sea la mayor exactitud, esto se explica porque dicha clase ocupa mayor área y el tamaño de la chacra es mayor por lo que existe una mayor coincidencia de píxeles. Los errores tan elevados (Tabla 2) son debido al pequeño tamaño de las chacras en la zona agrícola del país, donde el tamaño promedio es de 12 há. Las chacras donde se obtiene mayor coincidencia, son las de más de 50 há. de superficie. Tabla 2. Errores de comisión y omisión por clase para el 20 de octubre de 2004 En la figura 4, se observa donde hubo coincidencia y donde no entre las imágenes Landsat y MODIS, en negro se ven los píxeles que no coincidieron entre las clasificaciones. Figura 4. Resultado visual de la comparación entre las clasificaciones MODIS y Landsat. 5. Conclusión Los resultados preliminares, muestran que la utilización de la percepción remota con imágenes MODIS, se presenta como una herramienta de potencial utilidad para estudios regionales. En las condiciones de producción de Uruguay la resolución espacial de MODIS parece no ser suficiente para realizar estimaciones precisas de áreas cultivadas, diferenciando cada especie. 6. Referencias Para realizar las clasificaciones se contó con información de más de 600 chacras, tal como ubicación geográfica (Fig. 3), especies sembradas, cultivares, tipo y fecha de siembra y superficie de cada una. Figura 3. Ubicación geográfica de chacras The objective of this work is to explore the use of Modis images to estimate the summer field crop sown area in the departments of Soriano and Colonia, during the grow season Two Modis images were processed using the “Supervised classification” method. After that, modeling multi temporal analyses were done, using the Erdas Imagine software. Summer crop sown area (considering all crop species together) estimated based on Modis images was visible close to that estimated with Landsat images to the same dates. Based on these results, remote sensing with Modis images, could be a potential useful tool for estimating cultivated areas, for mapping land use, and for monitoring land use changes. It appears that in cropping Uruguayan conditions, Modis images resolution could be not enough to estimate cultivated areas for each crop species. This activity is part of the project “Desarrollo de un Sistema de Información y Monitoreo para la Evaluación de Riesgos en la Producción Agrícola (SIMERPA) en Paraguay y Uruguay”, funded by FONTAGRO. Summary Si bien los errores de omisión y comisión son elevados (tabla 2) y el índice de kappa tiene un nivel de concordancia débil (0.3) es posible determinar áreas con mayor o menor intensidad en el uso de la tierra. ERDAS Imagine Installation Guide. ERDAS Worldwide Headquarters. Atlanta, GA. USA. Erdas Inc. Erdas Image 8.3 User manual E. Nezry, S. Rémondière, G. Solaas and G. Genovese, 1995: "Mapping of next season's crops during the winter using ERS SAR", ESA Earth Observation Quarterly (ESA publication), nr.50, pp.1-5, December F. GONZALEZ-ALONSO, J. M. CUEVAS, R. ARBIOL, and X. BAULIES, Remote sensing and agricultural statistics: crop area estimation in north-eastern Spain through diachronic Landsat TM and ground sample data. In: int. j. remote sensing, 1997, vol. 18, no. 2, 467± 470 MGAP – Dirección de Estadísticas Agropecuarias (DIEA). Censo General Agropecuario P.M. Teilleta,*, J.L. Barkerb, B.L. Markhamb, R.R Irishc, G. Fedosejevsa, J.C. Storeyd, Radiometric cross-calibration of the Landsat-7 ETM+ and Landsat-5 TM sensors based on tandem data sets. Remote Sensing of Environment 78 (2001) 39– 54. USGS – Landsat Proyect. A modo de comparar los resultados obtenidos por la clasificación de las imágenes Landsat y MODIS se realizó una matriz de confusión (Tabla 1), en dicha matriz se presentan los píxeles clasificados en cada una de las clases, en la diagonal se observa la cantidad de píxeles que coinciden entre las dos clasificaciones. Tabla 1. Matriz de confusión para las imágenes del 20 de octubre de 2004 * 1: Cultivos y/o pasturas; 2: Barbechos y rastrojos; 3: Forestación natural y artificial; 4: Campo Natural; 5: Agua.