Author(s): Feio, Susana Vicêncio Moura
Date: 2017
Persistent ID: http://hdl.handle.net/10451/31934
Origin: Repositório da Universidade de Lisboa
Subject(s): Deteção remota; NDVI; IFAP; Culturas; Parcelas; Teses de mestrado - 2017; Domínio/Área Científica::Engenharia e Tecnologia::Outras Engenharias e Tecnologias
Trabalho de projeto de mestrado em Engenharia Geográfica, apresentada à Universidade de Lisboa, através da Faculdade de Ciências, 2017
O projeto apresentado foi desenvolvido em parceria com o Instituto de Financiamento da Agricultura e Pescas (IFAP, I.P.) e consistiu no desenvolvimento de uma metodologia para facilitar o controlo agrícola feito atualmente através de fotointerpretação, propondo uma forma mais eficiente de validar as declarações dos agricultores que requerem ajudas monetárias. A zona de estudo foi sugerida pelo IFAP por conter culturas de interesse e pela sua proximidade, abrangendo os distritos de Santarém, Setúbal, Évora, Leiria e Lisboa. A informação sobre as culturas constante no Sistema de Identificação Parcelar (SIP) utilizada no projeto é relativa à campanha de pedidos de ajuda agrícola de 2016. A análise da série temporal de imagens engloba 13 imagens, adquiridas pelo satélite Sentinel-2A, entre abril e setembro de 2016. Assim, através de uma série temporal de imagens é possível obter um conjunto de informações sobre as várias culturas existentes na região. Neste estudo foram estudados 4 tipos de culturas, sendo elas arroz, tomate, milho e pastagens. Calcularam-se 9 índices de vegetação, sendo o principal o índice de vegetação de diferença normalizada (NDVI). Com o objetivo principal de validar as declarações, a metodologia desenvolvida permite identificar as parcelas suspeitas e que necessitam de controlo por poderem corresponder a culturas declaradas erradamente. A validação foi realizada através da caracterização de culturas essencialmente com a série temporal de NDVI, embora tenham sido analisadas séries temporais calculadas com os outros índices de vegetação. Para além disso, utilizando as diversas bandas das imagens representativas de cada uma das fases fenológicas das culturas, foi efetuada a classificação das culturas de interesse recorrendo a três classificadores: Máxima Verosimilhança, Redes Neuronais e Distância de Mahalanobis. Os resultados obtidos permitiram distinguir as pastagens das outras culturas, devido ao seu comportamento linear na resposta do NDVI ao longo da série temporal, mas também permitiram estabelecer padrões para o comportamento das restantes culturas. Foi ainda possível controlar a existência de plantação nas parcelas controladas, excluindo as parcelas que apresentavam um comportamento diferente do esperado e calcular a área ocupada por cada cultura com base no melhor resultado obtido da classificação das imagens.
This project was developed in partnership with the Instituto de Financiamento da Agricultura e Pescas (IFAP, I.P.) and consisted in the development of a methodology to facilitate the agricultural subsidy control done currently by photo interpretation, proposing a more efficient methodology to validate the farmers’ area-based financial support. The study area was suggested by IFAP because it contains cultures of interest, including Santarém, Setubal, Évora, Leiria and Lisbon districts. The information about crops used in this project was retrieved from the National Land Parcel Identification System (SIP) and is related to the subsidy control campaign of 2016. Time series analysis includes 13 images, acquired by the Sentinel-2A satellite, between April and September 2016. With the use of images time series, it is possible to obtain a set of information about the different cultures in the region. In this study 4 types of crops considered, rice, tomatoes, corn and pastures. Using the images, 9 vegetation indexes were calculated, being the Normalized Difference Vegetation Index (NDVI) the most relevant. With the main objective of validating the farmers’ declarations, the developed methodology allows to identify the suspicious parcels that need to be field validated, since they don’t correspond to the declared culture. The validation was performed through the characterization of crops, mainly with the NDVI time series, although other vegetation indices time series have been analyzed. In addition, several bands of the images that characterize each stage of the crop’s growth cycle, were used as input for classification applying 3 different classifiers: Maximum Likelihood, Neural Network and Mahalanobis Distance. The results obtained enable to distinguish pastures from other cultures, due to its linear behavior in NDVI response along the crops’ development cycle, but also enable to establish patterns for the other cultures behavior. Furthermore, it was still possible to control the existence of a crop in the controlled parcels, excluding the parcels that showed a different behavior than the one expected for that crop and to calculate the area occupied by each crop based on the best result obtained from the images’ classification.
