<< Volver atrás

Tesis:

Caracterización del daño causado por granizo en la región agrícola argentina utilizando datos de sensores remotos satelitales ópticos y radares

  • Autor: SOSA AVARO, Leandro L.

  • Título: Caracterización del daño causado por granizo en la región agrícola argentina utilizando datos de sensores remotos satelitales ópticos y radares

  • Fecha: 2022

  • Materia: Sin materia definida

  • Escuela: E.T.S.I. EN TOPOGRAFIA, GEODESIA Y CARTOGRAFIA

  • Departamentos: INGENIERIA TOPOGRAFICA Y CARTOGRAFIA

  • Acceso electrónico: https://oa.upm.es/71643/

  • Director/a 1º: MOLINA SÁNCHEZ, Íñigo
  • Director/a 2º: JUSTEL EUSEBIO, Ana María

  • Resumen: Los riesgos meteorológicos son cada vez más frecuentes e intensos, como consecuencia del cambio climático. Las tormentas de granizo suelen provocar la pérdida total de la cosecha, superando la capacidad financiera de los productores agropecuarios. Por tal motivo, en Argentina, este riesgo se transfiere a compañías de seguros agropecuarios especializadas. Después de una tormenta de granizo, un tasador inspecciona el campo afectado para evaluar la pérdida de rendimiento. La precisión de la evaluación depende en gran medida de la detección de las Zonas Homogéneas de Daños (ZHD). Actualmente, estas áreas son cuantificadas in situ y su identificación se vuelve compleja en parcelas grandes con cultivos de alto porte y con daño heterogéneo. Esta Tesis presenta un algoritmo para la detección automática de daños homogéneos por granizo. Se aplican técnicas de aprendizaje automático no supervisado a índices de vegetación calculados a partir de los datos satelitales aportados por las misiones Sentinel -1 y -2 del programa Copernicus de la UE. El primer paso del algoritmo es el pre-procesamiento de las imágenes aportadas por ambas misiones, eliminando el ruido de la señal microondas y las interferencias de la atmósfera en la señal espectral. Se evaluaron cinco índices de microondas y cinco espectrales antes y después de una tormenta de granizo en zonas con diferentes grados de daño. Las series de tiempo y las tasas de cambio de estos índices se usaron como variables de entrada en el método K-medias para agrupar los píxeles de cada parcela en diferentes ZHD. Para validar la calidad de las agrupaciones de los pixeles en ZHD, comparamos las medias de los porcentajes de daño evaluados in situ con los datos de cada una de las zonas definidas por el algoritmo. La homogeneidad entre las ZHD fue testeada utilizando el test ANOVA (One-Way). Los índices DPSVI (Dual Polarization SAR Vegetation Index) y NPCRI (Normalized Pigment Chlorophyll Ratio Index) revelaron ser los más sensibles a los cambios provocados por granizo. La validación del algoritmo propuesto mostró que en el 87,01% de los casos hubo evidencia significativa de diferencias en el daño promedio entre las zonas determinadas por el algoritmo dentro de la parcela. Por lo tanto, el algoritmo presentado en esta Tesis permitió la detección eficiente de zonas homogéneas dañadas por granizo, lo que se espera mejore la precisión y la transparencia en la caracterización de eventos de granizo. Este nuevo método fue publicado en la revista Agronomy (Sosa et al., 2021b). El factor impacto de la revista es 3.417, y ocupa el puesto 18/91 (Q1) en la categoría "Agronomía" del JCR (Journal Citation Reports). Con fecha 9 de mayo de 2022, el artículo ha sido citado en dos publicaciones (Ha et al., 2022; Watson-Hernández et al., 2022). Además, se ha presentado en una comunicación oral en el Tercer Congreso Internacional de Ingeniería Geomática, realizado en Valencia en julio de 2021 y se publicó en los proceedings del congreso (Sosa et al., 2021a). También, el día 25 de mayo se va presentar un poster en la XVIII Edición de la Conferencia Española de Biometría. Simultáneamente, se incorporó el nuevo método desarrollado en el marco de la presente tesis en una aplicación para dispositivos móviles. El método se encuentra en uso por más de 50 liquidadores de siniestro de riesgos agrícolas de la cooperativa de seguros argentina “La Segunda”. ----------ABSTRACT---------- Weather hazards are becoming more frequent and intense as a result of climate change. Hailstorms usually cause the total loss of the harvest, exceeding the financial capacity of agricultural producers. For this reason, in Argentina, this risk is transferred to specialized agricultural insurance companies. After a hailstorm, the affected field is inspected by an insurance claims adjuster to assess yield loss. Assessment accuracy depends largely on detection of Homogeneous Damage Zones (HDZ). Currently, these areas are quantified in situ and their Identification becomes complex in large plots with tall crops and heterogeneous damage. This Thesis presents an algorithm for automatic detection of homogeneous hail damage. Unsupervised machine learning techniques are applied to vegetation indices calculated from satellite data provided by the Sentinel -1 and -2 missions of the EU’s Copernicus Programme. The first step of the algorithm is the pre-processing of the images provided by both missions, eliminating the noise of the microwave signal and the interference of the atmosphere in the spectral signal. Five microwave and five spectral indices were evaluated before and after a hailstorm in zones with different degrees of damage. The time series and rates of change of these indices were used as input variables in the K-means method for clustering pixels from each plot into different ZHDs. To validate the quality of the pixel groupings in ZHD, we compared the means of the percentages of damage evaluated in situ with the data of each of the zones defined by the algorithm. Homogeneity between the ZHD was tested using ANOVA (one-way) test. induced changes. Validation of the suggested algorithm showed that in 87.01% of cases there was significant evidence of differences in average damage between zones determined by the algorithm within the plot. Thus, the algorithm presented in this Thesis allowed efficient detection of homogeneous hail damage zones, which is expected to improve accuracy and transparency in the characterization of hailstorm events. This new method was published in the journal Agronomy (Sosa et al., 2021b). The journal's impact factor is 3,417, and it ranks 18/91 (Q1) in the "Agronomy" category of the JCR (Journal Citation Reports). On May 9, 2022, the article has been cited in two publications (Ha et al., 2022; Watson-Hernández et al., 2022). In addition, it has been presented in an oral communication at the Third International Congress on Geomatics Engineering, held in Valencia in July 2021, and was published in the proceedings of the congress (Sosa et al., 2021a). Also, on May 25, a poster will be presented at the XVIII Edition of the Spanish Conference on Biometrics. Simultaneously, the new method developed within the framework of this thesis was incorporated into an application for mobile devices. The method is currently in use by more than 50 the agricultural risk loss adjusters of the Argentine insurance cooperative "La Segunda".