Wheat and barley discrimination using sar and optical satellite images: Case study: Coronel Rosales department (Argentina) | Discriminación de trigo y cebada empleando imágenes satelitales ópticas y radar: Estudio de caso: partido de Coronel Rosales (Argentina)

Inglés. The Coronel Rosales department (Buenos Aires, Argentina) is located in the southern pampean region, one of the most important agricultural area in the country. Knowledge of the cultivated area has significant importance for agricultural and economic planning. In this sense, crops discrimination using remote sensing is difficult when crops have a very similar phenological cycle, i.e., wheat and barley. In this study, a winter crops discrimination was developed using Multitemporal Synthetic Aperture (SAR) Sentinel-1A SLC images, Sentinel-2 optical images, and a combination of both data types. Coherence, texture and SAR backscattering intensity measures were incorporated for the complete phenological cycle. The Normalized Difference Vegetation Index (NDVI) was calculated for each Sentinel-2 scene. Three classification algorithms were used: Maximum Likelihood (MLC), Vector Support Machines (SVM) and Random Forest (RF). The best results were obtained combining optical and SAR images using the RF classifier. The maximum classification accuracy was obtained combining SAR data (coherence, texture and VV-VH backscattering) and NDVI optical data. F1 measure was 87.27% (wheat) and 89.20% (barley).

Español; castellano. El partido de Coronel Rosales (Buenos Aires, Argentina) se halla localizado dentro de la región pampeana austral, una de las de mayor relevancia agro productiva del país. En este contexto, el conocimiento de la superficie cultivada adquiere significativa importancia para la posterior planificación agrícola y económica. En tal sentido, la discriminación de cultivos mediante teledetección se dificulta cuando se trata de los de ciclo fenológico muy similar, como el trigo y la cebada. En este estudio se realizó una discriminación de dichos cultivos empleando imágenes de Radar de Apertura Sintética (SAR) Sentinel-1A SLC, imágenes ópticas Sentinel-2 y una combinación de ambos tipos de datos. Se incorporaron medidas de coherencia, textura e intensidad de retrodispersión extraídas de los datos SAR durante el ciclo fenológico completo. Sobre cada escena Sentinel-2 se obtuvo el Índice de Diferencia Normalizada de Vegetación (Normalized Difference Vegetation Index - NDVI). Se emplearon tres algoritmos de clasificación: Máxima Verosimilitud (Maximum Likelihood - MLC), Máquinas de Soporte Vectorial (Support Vector Machines - SVM) y Random Forest (RF). Los mejores resultados se obtuvieron al combinar imágenes ópticas y SAR empleando el clasificador RF. La combinación de las retrodispersiones VV y VH junto a la coherencia y la textura de las imágenes SAR, sumada al apilado de NDVI de imágenes ópticas, arrojó los máximos valores de precisión de la clasificación. El valor de F1 fue de 87.27% para el trigo y de 89.20% para la cebada.