Nuestras soluciones
Sector: Agricultura y medio ambiente
Actividad: Geoespacial y observación de la tierra
Disciplinas: Mapas, teledetección e inteligencia artificial
La agricultura es una actividad clave encargada de proveer alimentos, materias primas, y mano de obra al sector agroindustrial y de servicios.
Requiere de gran experiencia y trabajo de campo para la toma de decisiones efectivas vinculadas a la productividad, los riesgos por catástrofes, la gestión de riegos y el uso de insumos y fertilizantes.
Las imágenes de satélite y la teledetección avanzada son muy útiles en este campo para el análisis, prevención y predicción del estado de cualquier cultivo.
Solución
Las técnicas de teledetección pueden ser una ayuda directa al agricultor en el control del estado de sus cultivos.
Desde COTESA ofrecemos una amplia gama de productos en agricultura de precisión:
Monitorización del estado de los cultivos
La determinación de las necesidades hídricas del terreno
La clasificación automática de grandes extensión
Para ello, combinamos la información proveniente de satélites ópticos y radar, aplicando las últimas tendencias en inteligencia artificial y machine learning:
Aplicación de técnicas de super-resolución a las imágenes Sentinel-2 para poder calcular índices espectrales con una resolución de 2.5 m
Cálculo de índices de vegetación ópticos (NDVI, BAI, EVI, etc) y radar (índices polarimétricos y coherencia interferométrica) para determinar el estado del cultivo
Construcción de series temporales y estudios de fenología de cultivos
Nuestros productos permiten clasificar los cultivos, determinar su estado y calcular las necesidades hídricas
Otros productos: detección automática de parcelas, plagas, detección de siega o la detección automática de cambios en zonas rurales
Beneficios
- El uso de super-resolución permite obtener índices de vegetación con una resolución muy superior a la nativa.
- La incorporación de datos radar permite ofrecer nuestras soluciones en regiones con alta presencia de nubosidad.
- Las técnicas de teledetección permiten llevar a cabo clasificaciones de cultivos en grandes regiones a bajo coste.
- El estudio de series temporales permite hacer comparativas con años anteriores para evaluar la productividad de los cultivos.
- Debido a que los algoritmos han sido desarrollados por COTESA de manera íntegra, están abiertos a ser personalizados en función de las necesidades del cliente.
- El uso de super-resolución permite obtener índices de vegetación con una resolución muy superior a la nativa.
- La incorporación de datos radar permite ofrecer nuestras soluciones en regiones con alta presencia de nubosidad.
- Las técnicas de teledetección permiten llevar a cabo clasificaciones de cultivos en grandes regiones a bajo coste.
- El estudio de series temporales permite hacer comparativas con años anteriores para evaluar la productividad de los cultivos.
- Debido a que los algoritmos han sido desarrollados por COTESA de manera íntegra, están abiertos a ser personalizados en función de las necesidades del cliente.
Casos de éxito
TRASGSATEC
Servicio de asistencia técnica para la realización de los trabajos para la determinación de necesidades de agua en el regadía español durante los años 2019 Y 2020, mediante herramientas basadas en la red SIAR, asistido por teledetección con información del programa COPERNICUS (Sentinel-2) y SIG, y consolidación de los resultados del año 2018, basándose en el modelo FAO-56.
AGROSEGURO
Proyecto piloto para la determinación automática de cultivos como una alternativa viable en las encuestas ESYRCE mediante técnicas de teledetección. Para ello se aplicaron algoritmos de maching learning basados en imágenes ópticas y radar.
Tecnologías empleadas
Los productos desarrollados por Cotesa están basados en la aplicación de algoritmos de Inteligencia Artificial (Machine Learning y Deep Learning) en el ámbito de la agricultura. Las tecnologías de súper resolución de imágenes satelitales (basadas en Deep Learning) nos permiten generar productos que se adaptan mejor a las necesidades del agricultor.
Gracias al análisis de series temporales y la fenología, nuestros algoritmos de Machine Learning desarrollados en Python son capaces de clasificar los cultivos con aciertos superiores al 90%.
Estos algoritmos permiten una gestión optimizada, planificación y apoyo total a la toma de decisiones en el campo de la agricultura de precisión.
Para saber más
Aurelio García Rochera
Director del Área de AGEO (Análisis Geoespacial y Observación de la Tierra)
