Evaluación de sistemas agrarios mediante series de tiempo de teledetección y modelos dinámicos de predicción

Crop monitoring with advanced technology is facilitated by high-resolution satellite imagery, allowing the analysis of vegetation at plot level. Remote sensing is key in agriculture, highlighting the use of the Normalized Difference Vegetation Index (NDVI) for crop monitoring. This thesis uses NDVI time series in three experiments: one with MODIS data (medium resolution) and two with Sentinel-2 data (high resolution). In experiment 1, rainfed crops, which occupy 76% of the cultivated area in Spain, were studied. Their yield is conditioned by meteorological variability. Monitoring and predicting their dynamics are key for sustainable management, from an environmental and socio-economic point of view. Long time series of MODIS data (2000-2022) allow monitoring of vegetation dynamics. The study had two objectives: (1) to assess the dynamics of rainfed crops in a typical area of Spain and (2) to build models to predict their evolution. NDVI time series in rainfed cereal areas were analyzed by statistical methods and predicted using the Box-Jenkins approach. The evaluation of autocorrelation functions and stationarity tests revealed that most of the series are stationary, dominated by annual seasonality. The preliminary dynamic model showed a good fit for 30% of the pixels. Experiment 2 evaluated the information content of Sentinel-2 NDVI time series (2017-2023) at high spatial resolution (10 m), in five scenarios in northern Spain. The series were interpolated and filtered using four types of filters. Time dependence was assessed with Ljung-Box Q and Fisher's Kappa tests, similarity between the series was assessed by the correlation coefficient and the mean square error. An Interpolation Efficiency Indicator (IEI) was proposed to summarize the quality of the observations. Climate type, weather disturbances and management were the main sources of variability in the scenarios. Among the results, rainfed wheat and barley showed high short-term variability due to clouds and long-term variability due to rainfall, while maize showed stable summer cycles and low annual variability. Irrigated alfalfa had high intra-annual variability due to frequent mowing, and beech showed a strong summer cycle, despite the influence of clouds. Finally, the pine forest showed variable cycles due to its rapid response to changes in temperature and precipitation. The elimination of invalid observations increased the temporal dependence in areas with low IEI values, and hidden periodicities were identified by Fisher's Kappa test. Experiment 3, based on the estimation of cereal production in rainfed crops (barley and wheat) in the provinces of Palencia, Burgos and Soria, by remote sensing using Sentinel-2 images (10 m). NDVI was used to estimate crop yields. The data obtained were compared with the Survey of Surface Areas and Crop Yields (ESYRCE) between 2018 and 2022. Three multiple linear regression models were applied, including variables such as maximum NDVI value, observations after maximum NDVI (eight) and altitude. Although the overall models did not show a significant relationship between observed and estimated yields, the MOD_3 model proved to be the most effective when applied at a smaller scale, with close plots and similar dates of maximum greenness. Palencia presented the best fit results, with a coefficient of determination (R2) of 0.95 for wheat and 0.77 for barley. The use of NDVI values combined with local data such as altitude can be a useful tool for yield estimation. RESUMEN El seguimiento de los cultivos con tecnología avanzada se facilita mediante imágenes satelitales de alta resolución, permitiendo el análisis de la vegetación a nivel de parcelas. La teledetección es clave en la agricultura, destacando el uso del Índice de Vegetación de Diferencia Normalizada (NDVI) para monitorear cultivos. Esta tesis emplea series temporales del NDVI en tres experimentos: uno con datos MODIS (resolución media) y dos con datos Sentinel-2 (alta resolución). El experimento 1, se estudió los cultivos de secano, que ocupan el 76% de la superficie cultivada en España. Su rendimiento está condicionado por la variabilidad meteorológica. El monitoreo y predicción de su dinámica es clave para la gestión sostenible, desde el punto de vista ambiental y socioeconómico. Las series temporales largas de datos MODIS (2000-2022), permiten monitorear la dinámica de la vegetación. El estudio tuvo dos objetivos: (1) Evaluar la dinámica de los cultivos de secano en una zona típica de España y (2) construir modelos para predecir su evolución. Las series temporales de NDVI en zonas de cereal de secano se analizaron mediante métodos estadísticos, y se predijeron utilizando el enfoque Box-Jenkins. La evaluación de las funciones de autocorrelación y pruebas de estacionariedad revelaron que la mayoría de las series son estacionarias, dominadas por la estacionalidad anual. El modelo dinámico preliminar mostró un buen ajuste para el 30% de los píxeles. El experimento 2, evaluó el contenido de la información en series temporales de NDVI de Sentinel-2 (2017-2023) de alta resolución espacial (10 m), en cinco escenarios del norte de España. Se interpolaron las series y filtraron usaron cuatro tipos de filtros. La dependencia temporal se evaluó con las pruebas Ljung-Box Q y Fisher Kappa, la similitud entre las series se evaluó mediante el coeficiente de correlación y el error cuadrático medio. Se propuso un Indicador de Eficiencia de Interpolación (IEI) para resumir la calidad de las observaciones. El tipo de clima, perturbaciones atmosféricas y la gestión fueron las principales fuentes de variabilidad en los escenarios. Entre los resultados, el trigo y la cebada de secano mostraron alta variabilidad a corto plazo por nubes y a largo plazo por lluvias, mientras que el maíz presentó ciclos estables en verano y baja variabilidad anual. La alfalfa de regadío tuvo una alta variabilidad intra-anual por los cortes frecuentes, y el hayedo mostró un ciclo de verano fuerte, a pesar de la influencia de las nubes. Finalmente, el pinar mostró ciclos variables por su respuesta rápida a cambios en temperatura y precipitación. La eliminación de observaciones no válidas aumentó la dependencia temporal en áreas con bajos valores de IEI, y se identificaron periodicidades ocultas mediante la prueba Fisher Kappa. El experimento 3, basado en la estimación de la producción de cereales en cultivos de secano (cebada y trigo) en las provincias de Palencia, Burgos y Soria, mediante teledetección utilizando imágenes Sentinel-2 (10 m). Se empleó el NDVI, para estimar el rendimiento de los cultivos. Los datos obtenidos fueron comparados con la Encuesta de Superficies y Rendimientos de Cultivos (ESYRCE) entre 2018 y 2022. Se aplicaron tres modelos de regresión lineal múltiple, que incluían variables como el valor máximo de NDVI, observaciones posteriores al NDVI máximo (ocho) y la altitud. Aunque los modelos generales no mostraron una relación significativa entre los rendimientos observados y estimados, el modelo MOD_3 resultó ser el más efectivo cuando se aplicó a escala más reducida, con parcelas cercanas y fechas similares del máximo verdor. Palencia presentó los mejores resultados de ajuste, con un coeficiente de determinación (R2) de 0,95 para trigo y 0,77 para cebada. El uso de valores de NDVI combinado con datos locales como la altitud, puede ser una herramienta útil para la estimación de rendimientos.