4 resultados para Multitemporal

em Universidad de Alicante


Relevância:

20.00% 20.00%

Publicador:

Resumo:

El análisis multitemporal permite detectar cambios entre diferentes fechas de referencia, deduciendo la evolución del medio natural o las repercusiones de la acción humana sobre el medio. El propósito del estudio fue evaluar el cambio de uso del suelo en el Paisaje Terrestre Miraflor Moropotente en el período 1993-2011, a través de imágenes satelitales, a fin de determinar el estado de fragmentación del paisaje. Los cambios de usos de suelo fueron derivados de la clasificación de tres imágenes Landsat TM, con una resolución espacial de 30 metros tomadas en febrero de 1993, abril de 2000 y enero 2011. Se realizó una verificación en campo para la identificación de coberturas de suelo y la corroboración en las imágenes satelitales. La fragmentación se realizó con el cálculo de métricas e índices de fragmentación a nivel del paisaje. Los principales resultados muestran que los cambios de uso de suelo están determinados por la degradación antrópica, principalmente en la conversión de la vegetación nativa a espacios agrícolas y la expansión de la ganadería. El crecimiento demográfico y los monocultivos van ejerciendo presión sobre el bosque, transformando zonas de vocación forestal a cultivos agrícolas. Los cambios de cobertura han significado un paisaje fragmentado con diferentes grados de perturbación, que conllevan a una disminución de la superficie de hábitats naturales, reducción del tamaño de los fragmentos y aislamientos de los mismos.

Relevância:

20.00% 20.00%

Publicador:

Resumo:

In this letter, a new approach for crop phenology estimation with remote sensing is presented. The proposed methodology is aimed to exploit tools from a dynamical system context. From a temporal sequence of images, a geometrical model is derived, which allows us to translate this temporal domain into the estimation problem. The evolution model in state space is obtained through dimensional reduction by a principal component analysis, defining the state variables, of the observations. Then, estimation is achieved by combining the generated model with actual samples in an optimal way using a Kalman filter. As a proof of concept, an example with results obtained with this approach over rice fields by exploiting stacks of TerraSAR-X dual polarization images is shown.

Relevância:

10.00% 10.00%

Publicador:

Resumo:

Information of crop phenology is essential for evaluating crop productivity. In a previous work, we determined phenological stages with remote sensing data using a dynamic system framework and an extended Kalman filter (EKF) approach. In this paper, we demonstrate that the particle filter is a more reliable method to infer any phenological stage compared to the EKF. The improvements achieved with this approach are discussed. In addition, this methodology enables the estimation of key cultivation dates, thus providing a practical product for many applications. The dates of some important stages, as the sowing date and the day when the crop reaches the panicle initiation stage, have been chosen to show the potential of this technique.

Relevância:

10.00% 10.00%

Publicador:

Resumo:

In this paper, a novel approach for exploiting multitemporal remote sensing data focused on real-time monitoring of agricultural crops is presented. The methodology is defined in a dynamical system context using state-space techniques, which enables the possibility of merging past temporal information with an update for each new acquisition. The dynamic system context allows us to exploit classical tools in this domain to perform the estimation of relevant variables. A general methodology is proposed, and a particular instance is defined in this study based on polarimetric radar data to track the phenological stages of a set of crops. A model generation from empirical data through principal component analysis is presented, and an extended Kalman filter is adapted to perform phenological stage estimation. Results employing quad-pol Radarsat-2 data over three different cereals are analyzed. The potential of this methodology to retrieve vegetation variables in real time is shown.