Uso de imágenes satelitales y otras tecnologías emergentes para aumentar la productividad agrícola

1. ¿Sabes cuántas personas hay
con desnutrición en México?

2. Tecnología espacial y agricultura para abatir el hambre en el
mundo
Carlos Duarte
@karlozduarte
Guadalajara, Jal.
23 de abril de 2019

3. Objetivos de la plática
• Explorar la aplicación de la tecnología
espacial y las nuevas tecnologías en la
agricultura
• Demostrar que estas tecnologías están al
alcance de nosotros
• Invitarlos a convertirse en emprendedores
tecnológicos

4. Agenda
• ¿Para qué sirve el
espacio?
• Cómo apoyar el desarrollo
agrícola a través de la
tecnología
• Herramientas tecnológicas
• Cómo convertirte en
emprendedor en
agricultura de precisión
4

5. ¿Para qué sirve el
espacio?

6. • Planificación
urbana
• Mitigación de
desastres
• Modelado del
clima,
• Etc.
Las imágenes satelitales han
encontrado aplicaciones en
diferentes áreas

7. Flota de satélites de PR de la NASA
7

8. Una de las
aplicaciones
más
importantes
de las
imágenes
satelitales
es apoyar a
la
agricultura.

9. La percepción remota satelital
Límite de la atmósfera
Océano: azul 450-480 nm Visible: 500-600 nm
NIR: 800-900 nm

10. ¿Qué es lo que ve el satélite?

11. Resolución espectral
Muchas bandas
Hiperespectral (100+)
Algunas bandas
Multiespectral (más de 3)

12. Firma espectral Banda
Longitud de onda
(micrómetros)
Resolución
(metros)
Banda 1 – Ultra Azul 0.435 - 0.451 30
Banda 2 – Azul 0.452 - 0.512 30
Banda 3 - Verde 0.533 - 0.590 30
Banda 4 - Rojo 0.636 - 0.673 30
Banda 5 – Infrarrojo Cercano NIR 0.851 - 0.879 30
Banda 6 – Infrarrojo Onda Corta
(SWIR) 1
1.566 - 1.651 30
Banda 7 – Infrarrojo Onda Corta
(SWIR) 2
2.107 - 2.294 30
Banda 8 - Pancromático 0.503 - 0.676 15
Banda 9 - Cirrus 1.363 - 1.384 30
Banda 10 – Infrarrojo Térmico
(TIRS) 1
10.60 - 11.19 100 * (30)
Banda 11 – Infrarrojo Térmico
(TIRS) 2
11.50 - 12.51 100 * (30)
Bandas del Landsat 8

13. Bandas del Sentinel-2A
Long. de onda
central
(nm)
Ancho de
banda
(nm)
Resolución
espacial
(m)
Banda 1 – Ultra azul 442.7 21 60
Banda 2 – Azul 492.4 66 10
Banda 3 – Verde 559.8 36 10
Banda 4 – Rojo 664.6 31 10
Banda 5 – Límite rojo de vegetación 704.1 15 20
Banda 6 – Límite rojo de vegetación 740.5 15 20
Banda 7 – Límite rojo de vegetación 782.8 20 20
Banda 8 – NIR 832.8 106 10
Banda 8A – NIR Angosto 864.7 21 20
Banda 9 – Vapor de agua 945.1 20 60
Banda 10 – SWIR – Cirrus 1373.5 31 60
Banda 11 – SWIR 1613.7 91 20
Banda 12 – SWIR 2202.4 175 20

14. NDVI es el acrónimo de Normalized
Difference Vegetation Index.
NDVI = (NIR — Rojo)/(NIR + Rojo)
NIR = Infrarrojo cercano
Rojo = Rojo visible
(-1) < NDVI < (+1)
Índices espectrales: el NDVI

15. Imagen de NDVI, el verde intenso
representa plantas más sanas y
con mayor biomasa
Source: Ehsani et al., 2012

16. Variación del NDVI en
viñedos del Valle de
Guadalupe, B.C.
marzo 2014-abril 2019

17. Variación estacional del NDVI

18. Otros índices
Clase Condicional
Espejo de agua
NDWI ≥0 y NDVI <0 y NDSI <0
Agua con
emergente NDWI ≥0 y NDVI (≥y ≤0.55) y NDSI <0
Se pueden definir
muchos índices más:
Por ejemplo
NDWI (Normalized
Difference Water
Index)
NDSI (Normalized
Difference Soil
Index)
Su combinación permite
clasificar otras
condiciones:

19. Variación del
índice de
humedad
alrededor del Lago
de Chapala
marzo 2014 – abril
2019

20. Detección de plagas
El NDVI
permite
identificar
áreas
propicias para
la
reproducción
de plagas, su
ubicación y
distribución
de la

21. En resumen, los índices
espectrales permiten:
• Detección del
estado hídrico
• Detección de stress
nutricional
• Detección temprana
de enfermedades y
plagas
• Control de cultivos

22. ¿Aparte de aplicar
índices, qué otras
cosas puedo hacer?

23. Detección y conteo de árboles
23
https://medium.com/@tim.wallace_98924/descartes-labs-
urban-trees-tree-canopy-mapping-3b6c85c5c9cc

24. Delimitación de parcelas
24
A. García-Pedrero, C. Gonzalo-Martín & M. Lillo-Saavedra A machine
learning approach for agricultural parcel delineation through
agglomerative segmentation
https://doi.org/10.1080/01431161.2016.1278312

25. Detección de deforestación
25
planet.com

26. Identificación de selva
natural
Imágenes de Planet
https://blog.globalforestwatch.org/data/artificial-intelligence-helps-distinguish-the-forest-from-the-trees-part-2

27. Conteo de plantas

28. Source: Ehsani, UFL
Estimación del diámetro de las plantas

29. Todo esto,
empleando
técnicas de
aprendizaje
automático
e
inteligenci
a
artificial

30. ¿Cómo
integro
todas las
tecnologías
para dar un
servicio?

31. Ciclo completo

32. …La pregunta es…
¿Podría yo hacer
todo eso?

33. Y la respuesta
es…

34. ¡Todo lo que
necesitas
está a tu
alcance y es
gratis!
34

35. Imágenes satelitales
Landsat
proporciona imágenes
con una resolución
de 30 m por píxel
cada 14 días para
cualquier ubicación.
Sentinel 2
proporciona imágenes
multiespectrales con
una resolución de 10
m por píxel cada 7
días. 35
https://landsat.usgs.gov/landsat-data-acces
https://scihub.copernicus.eu/dhus/#/home

36. Visualizador de imágenes
satelitales
Sentinel Hub/EO
Browser
https://apps.sent
inel-hub.com/eo-
browser/

37. QGIS
Un Sistema de Información
Geográfica libre y de Código
Abierto
https://www.qgis.org/es/site/

38. 1
2
3
4
5
6
1. Barra de Menú
2. Barra de herramientas
3. Tabla de Contenido (TOC) o Leyendas...
4. Vista General
5. Visor de mapas
6. Barra de estado

39. Plataformas de aprendizaje de
ML y cursos en línea
39
https://developers.google.com/machine-learning/crash-course

40. Lenguajes de programación
40

41. Ambientes de desarrollo

42. Bibliotecas de aprendizaje
automático
42
https://keras.io/

43. Backend de código abierto
43
https://www.tensorflow.org/?hl=es

44. Proveedores comerciales de
imágenes
44

45. Centros de investigación

46. ¡Y mucho más!
46

47. ¿Imágenes satelitales, radar o
drones?
Desventajas de las imágenes
satelitales
Periodicidad
Nubosidad
Resolución espacial
¿Cuándo usar radar?
Cuando hay nubosidad
Queremos obtener otros parámetros
¿Cuando usar drones?
Requerimos datos en fechas concretas
Requerimos imágenes de alta
resolución

48. Cómo convertirte en un
emprendedor en agricultura de
precisión
• Crea un equipo
multidisciplinario
• Desarrolla tu plan de
negocios
• Conoce tus herramientas
• Enfócate a un tema
específico
• Empaqueta tu servicio

49. Equipo de trabajo
• Ingeniero agrónomo
• Ingeniero geomático
• Ingeniero de sistemas
• Científico de datos
• Administrador de
empresas
• Licenciado en
mercadotecnia

50. Servicios a proporcionar
• Monitoreo del
rendimiento
• Cuándo sembrar
• Programación del
riego
• Detección de
plagas

51. Conclusiones
• La tecnología espacial es
una herramienta
invaluable para la toma
de decisiones del ciclo
agrícola.
• Tanto las imágenes
satelitales como las
herramientas para
procesarlas son
ampliamente accesibles.
• Por lo tanto…

52. Aprovechemos esta
oportunidad y seamos
protagonistas…
52

53. Aprovechemos las nuevas convergencias…
IoT
Cómputo en la
nube
Data analytics
AI
Big Data
BlockChain
Interacción con
UAVs
53

54. Pero sobre
todo…
54

55. Desarrollemos nuevas habilidades
Creatividad Comunicación
Trabajo en equipo
Comprensión de la ciencia y el método científico
Conciencia global/ambiental
Uso de las TIC´sCapacidad para planear
AutodisciplinaVisión estratégica
Flexibilidad
55

56. ¡Qué esperas
para
convertirte
en un
emprendedor
en
agricultura
de precisión!
56

57. 57

58. Número de personas con desnutrición en
México. (Millones) Fuente: FAO.