| dc.description.abstract | En esta tesis se exploraron las herramientas de sensado remoto y su procesamiento, para abordar las preguntas ¿Dónde? y ¿Qué? hortalizas se producen en el territorio periurbano. El caso de estudio es el territorio periurbano de Córdoba Capital y localidades aledañas. Para responder ¿Dónde se producen hortalizas en el periurbano?, se siguieron y compararon dos aproximaciones. Para la primera, se construyó una metodología de clasificación de pixel jerárquica, basada en información espectral, textural y de contexto, de imágenes Sentinel-2. En la segunda, se modificó y ejecutó una cadena de procesamiento de análisis de imagen basado en objetos geográficos (GEOBIA), la misma se aplicó tanto a imágenes Sentinel-2 como a imágenes de alta resolución espacial (VHRI). A fin de abordar la pregunta de ¿Qué hortalizas se producen?, se planificó y operó vuelos de un vehículo aéreo no tripulado (VANT), se procesaron las imágenes resultantes de una cámara Parrot Sequoia+ y se clasificaron en un esquema GEOBIA. Se obtuvo como resultados una metodología de clasificación espectral-textural (automatizable) de horticultura periurbana, basada en tecnología de acceso libre, así como un identificador de zona de interfaz rural-urbana (i.e. periurbano). La clasificación espectral-textural del cinturón verde de Córdoba Capital, obtuvo una precisión general de OA = 0,89 y un índice kappa = 0,86, y las métricas de precisión para la clase Hortícola alcanzaron un puntaje F1 Score = 0,9. Fruto de la tesis se cuenta con una cadena de procesamiento GEOBIA, operativa que logró identificar lotes hortícolas, caracterizarlos espectral, textural y morfológicamente, para clasificarlos con una precisión general de OA = 0,75 y un kappa = 0,64, sobre una relación muestra/población del 60%. Dicha cadena se aplicó también, al análisis de las imágenes de resolución espacial de 10 cm de pixel, para obtener una clasificación de cultivos hortícolas por especie. En dicha clasificación se logra una precisión sobre los cultivos hortícolas de 0,69 y un kappa_horticola = 0,58, con buen resultado en Brócoli (en cosecha) con F1 Score = 0,65. A partir de los resultados y experiencia adquirida en las metodologías exploradas, se espera que la segmentación de líneas de cultivo y plantas individuales de especies hortícolas, junto con modelos de estimación de biomasa y detección de estrés de los cultivos, sea la base para la construcción de mapas de rendimiento hortícola y del servicio de abastecimiento de alimentos frescos. | |
| dc.description.abstract | In this thesis, remote sensing tools and their processing were explored to address the questions "Where? and What? vegetables are produced in the periurban territory? The case study is the periurban territory of Córdoba Capital and surrounding localities. To answer the question "Where are vegetables produced in the peri-urban territory? For the first, a hierarchical pixel classification methodology was constructed, based on spectral, textural and contextual information from Sentinel-2 images. In the second, a geographic object-based image analysis (GEOBIA) processing chain was modified and executed and applied to both Sentinel-2 and high spatial resolution imagery (VHRI). To address the question "Which vegetables are produced?", unmanned aerial vehicle (UAV) flights were planned and operated, the resulting images from a Parrot Sequoia+ camera were processed and classified in a GEOBIA scheme. From the results and experience gained in the methodologies explored, it is expected that the segmentation of crop lines and individual plants of horticultural species, together with biomass estimation and crop stress detection models, will form the basis for the construction of horticultural yield and fresh food supply service maps. | |
