ARSET – Mapeo de Cultivos y sus Características Biofísicas con SAR Polarimétrico y Teledetección Óptica

El mapeo de tipos de cultivos y la evaluación de sus características son críticos para el monitoreo de la producción alimentaria, permitiendo el mejor uso del paisaje y contribuyendo a la política agrícola. Los métodos de teledetección basados en sensores ópticos y/o microondas se han convertido en medios importantes de extraer información relacionada con los cultivos. Los datos ópticos están relacionados con las propiedades químicas de la vegetación, mientras que los datos de radar están relacionados con la estructura y la humedad de esta. El radar también puede capturar imágenes de la superficie de la Tierra en casi cualquier tipo de condición meteorológica.

Esta capacitación avanzada de cuatro partes está basada en la capacitación de ARSET de agricultura anterior. En esta, presentamos técnicas de teledetección más avanzadas usando la polarimetría para extraer información sobre la estructura de los cultivos. También presentamos Sen4Stat – un sistema de fuente abierta que demuestra el potencial de las observaciones de la Tierra ópticas y de SAR (radar de apertura sintética por sus siglas en inglés) para el monitoreo y la presentación de informes sobre las metas de los ODS relacionados con la agricultura. Sen4Stat también combina datos de la observación de la Tierra con conjuntos de datos estadísticos nacionales y datos de estudios topográficos para apoyar las Oficinas Nacionales de Estadísticas en la incorporación de observaciones de satélites para las estadísticas agrícolas. 

Esta serie se centrará en Sentinel-1 banda-C de polarización dual, SAR banda-C completamente polarimétrico de la misión “RADARSAT Constellation Mission” (RCM), SAR banda-L completamente polarimétrico de SAOCOM (SAtélite Argentino de Observación COn Microondas) e imágenes ópticas de Sentinel-2 para mapear y monitorear tipos de cultivos y evaluar sus características biofísicas. Esta serie también cubrirá la teoría de la Polarimetría SAR e incluirá un ejercicio práctico usando el Sentinel Application Platform (SNAP) y el código de Python escrito en Jupyter Notebooks, un entorno de desarrollo en la web interactivo para la computación científica y el aprendizaje automático.

Esta serie de seminarios web es una colaboración entre ARSET, Agricultura y Agroalimentación de Canadá (AAFC), la Agencia Espacial Europea (ESA), la Oficina de las Naciones Unidas para los Asuntos del Espacio Ultraterrestre (UNOOSA), la Universidad de Stirling, la Universidad Católica de Louvain (UCLouvain) y el Grupo de Trabajo del CEOS sobre Desarrollo de Capacidades y Democracia de Datos (WGCapD).

Inscripciones 13h-15h30 Horario Este de EE.UU. (UTC-4)

Agenda

Esta capacitación también está disponible en inglés.