Caracterización espectral mediante imágenes de Sentinel-2 de variedades de arroz cultivadas en las marismas del Guadalquivir (Sevilla) | Spectral characterization of rice varieties cultivated in the Guadalquivir marshes (Seville) using Sentinel-2 Images | Caracterització espectral mitjançant imatges de Sentinel-2 de varietats de arroz cultivades a les marismes del Guadalquivir (Sevilla)

[ES] El arroz es uno de los cultivos más importantes para la alimentación humana, siendo básico en la dieta de la mitad de la población mundial. Para mejorar su producción y optimizar el rendimiento agrícola, es fundamental aplicar estrategias de agricultura de precisión. En este contexto, la teledetección se presenta como una herramienta prometedora, ya que permite obtener información sobre el estado agronómico de los cultivos sin necesidad de un contacto directo con ellos. El presente Trabajo de Fin de Máster tiene como objetivo establecer una metodología para diferenciar variedades de arroz mediante el uso de datos de la constelación de satélites Sentinel-2 y el análisis de índices de espectrales. El estudio se llevará a cabo en la zona próxima al río Guadalquivir, Aznalcázar y La Puebla del Río (Sevilla), donde se seleccionarán parcelas de las variedades más cultivadas en la región, como Hispalong y JSendra. Para el procesamiento de los datos, las parcelas se delimitarán en QGIS e importadas a Google Earth Engine, una plataforma que permite acceder a datos satelitales. Para ello, se desarrollará un script diseñado para recopilar información del satélite Sentinel-2, específicamente datos a nivel BOA de las 12 bandas de reflectancia disponibles. En este, además, se implementará la filtración de resultados y la generación de índices espectrales, como el NDVI (Índice de Vegetación de Diferencia Normalizada) y el NDRE (Índice de Diferencia Normalizada del Borde Rojo). Paralelamente, se llevará a cabo un análisis agronómico de cada variedad para contextualizar y validar los datos obtenidos. Una vez programado y ejecutado el script, los datos correspondientes a las distintas parcelas y variedades se exportarán en formato CSV para su posterior análisis, con el objetivo de identificar similitudes o diferencias relevantes entre ellas. Este estudio exploratorio busca determinar si existen diferencias espectrales significativas entre variedades de arroz que justifiquen futuras investigaciones en esta línea. El análisis pretende incluir qué características espectrales (bandas) son más relevantes para la diferenciación de variedades y en qué fases fenológicas se acentúan estas variaciones. Estudios previos han demostrado la viabilidad de utilizar datos de Sentinel-2 y técnicas de deep learning para distinguir entre zonas cultivadas y no cultivadas, así como entre distintos tipos de cultivos. Asimismo, se ha logrado diferenciar variedades de arroz mediante sensores hiperespectrales en campo. Sin embargo, aún no se ha determinado si es posible obtener resultados comparables exclusivamente con los datos de reflectancia proporcionados por Sentinel-2.

[EN] Rice is one of the most significant crops for human consumption, serving as a staple food for nearly half the global population. Implementing precision agriculture strategies can enhance production and optimize agricultural yields. In this regard, remote sensing is an up-and-coming tool, as it enables the acquisition of valuable agronomic information without requiring direct contact with the crops. The objective of this Master's Thesis is to establish a methodology for differentiating rice varieties using data from the Sentinel-2 satellite constellation and spectral index analysis. The study will be conducted in the vicinity of the Guadalquivir River, specifically in IAznalcázar y La Puebla del Río (Seville), where plots of the most widely cultivated rice varieties in the region, such as 'Hispalong' and 'JSendra,' will be selected. For data processing, the plots will be delineated using QGIS and subsequently imported into Google Earth Engine, a platform that provides access to satellite data. A dedicated script will be developed to retrieve information from the Sentinel-2 satellite, specifically at the BOA level, across the 12 available reflectance bands. Furthermore, the script will integrate filtering mechanisms and the computation of spectral indices, including the Normalized Difference Vegetation Index (NDVI) and the Normalized Difference Red Edge Index (NDRE). Additionally, an agronomic analysis of each rice variety will be conducted to contextualize and validate the obtained data. Upon completion of the script's execution, the extracted data corresponding to the different plots and rice varieties will be exported in CSV format for further analysis to identify significant similarities or differences. This exploratory study seeks to determine the existence of significant spectral differences between rice varieties that may warrant further research in this domain. The analysis will focus on identifying the most relevant spectral characteristics (bands) for varietal differentiation and examining the phenological stages in which these variations become most pronounced. Previous research has demonstrated the feasibility of using Sentinel-2 data and deep learning techniques to distinguish between cultivated and non-cultivated areas and different crop types. Likewise, the differentiation of rice varieties has been successfully achieved using hyperspectral sensors in field conditions. However, it remains to be determined whether comparable results can be obtained exclusively from the reflectance data provided by Sentinel-2.

Romero Bermejo, PP. (2025). Caracterización espectral mediante imágenes de Sentinel-2 de variedades de arroz cultivadas en las marismas del Guadalquivir (Sevilla). https://riunet.upv.es/handle/10251/228737

TFGM