Nº 282 36 COSTES Y EFICIENCIA DEL MAÍZ ¿DÓNDE SE PUEDE RECORTAR GASTOS? ¿CÓMO SUBIR LAS PRODUCCIONES? V JORNADA 1. INTRODUCCIÓN El Mapa de Cultivos y Superficies Naturales de Castilla y León (MCSNCyL, http://mcsncyl.itacyl.es/) es un proyecto que realiza un cartografiado anual de cultivos presentes en Castilla y León mediante técnicas de aprendizaje por computador basadas en series temporales de imágenes de satélite (Del Blanco, 2015). Este mapa de cultivos incluye entre sus clases la discriminación del tipo de explotación en secano o en regadío para aquellos cultivos que pueden ser explotados en ambos sistemas. El MCSNCYL (ver Figura 1) ha sido además propuesto como mapa de cultivos avanzado dentro de los 4 servicios pro- puestos como prueba de concepto en el proyecto europeo SENSAGRI (Sentinels Synergy for Agriculture) elaborado dentro del marco del programa EO Work programme “EO-3-2016: Evolution of Copernicus Services”. La importancia de la implantación de esta metodología radica en la limitación que existe actualmente de conocer la superficie real de cultivos en régimen de regadío, así como su variación anual, en particular, en lo que respecta a los cultivos herbáceos. Más aún cuando la información sobre el sistema de explotación de las bases de referencia, tanto de la PAC como de las confederaciones hidrográficas no se actualiza de una manera sistemática y en muchos casos esta característica simplemente se hereda de un año al siguiente independientemente del régimen de explotación que tenga el cultivo presente. Por este motivo, el estudio Seguimiento y evaluación de la capacidad de discriminación de cultivos herbáceos en regadío a partir de imágenes de satélite en el periodo 2016-2018 Una herramienta para una previsión más precisa de las necesidades de agua de los cultivos y de las superficies regadas Paredes-Gómez, V., Del Blanco-Medina, V., GutiérrezGarcía, A. y Nafría-García, D.A. Instituto Tecnológico Agrario de Castilla y León (ITACYL), Subdirección de Infraestructuras Agrarias, Unidad de Información Geográfica e Innovación, Finca Zamadueñas, Ctra. Burgos Km. 119, 47071, Valladolid, España. pargomva@itacyl.es. aquí expuesto proporciona una información de gran interés para la planificación y modernización de regadíos, la estadística de rendimientos de los cultivos y la gestión del agua. La estimación e identificación de cultivos de regadío lleva siendo objeto de muchos trabajos de investigación (Ambika, 2016) precisamente por la importancia que con- lleva tener el mayor conocimiento posible del uso del agua en un mundo cada vez más escaso de ella. Por lo tanto, el fin último que se desea es llegar tener mejor conocimiento del uso del agua para la agricultura en nuestra región y poder alcanzar así con los objetivos propuestos por las directrices europeas para una agricultura y eficiencia de los recursos hídricos más sostenible. 2. MATERIAL Y MÉTODOS 2.1. Algoritmo de clasificación El método de clasificación usado es de tipo supervisada y está basado en el aprendizaje automático con árboles de decisión. A partir del algoritmo inductivo See5 (Quinlan, 1992) obtenemos un modelo de predicción que sirve de herramienta para decidir qué tipo de cubierta hay basándose en las reflectancias de las imágenes de satélite y de los datos auxiliares relacionados con el tipo de cubierta y que establecemos como datos de entrada o variables independientes. De esta manera, cada píxel de la imagen es clasificado en función de su respuesta espectral de diferentes bandas y fechas de las imágenes del satélite con una aceptable cobertura nubosa. 2.2. Datos de entrada e imágenes de satélite Como núcleo de los datos de entrada se han usado imágenes de satélite de moderada resolución. En 2016 se usaron imágenes de Deimos-1, LandSat 8 y Sentinel-2A, con distintas resoluciones espaciales (22 m, 30 m y
RkJQdWJsaXNoZXIy Njg1MjYx