Clasificación de variedades de caña de azúcar con datos armonizados de Sentinel-2 y Landsat-8/9 usando métodos paramétricos y no-paramétricos

Resumen

Los datos de teledetección han mejorado el monitoreo y la gestión de la caña de azúcar en aspectos como la estimación de rendimientos, la detección de problemas sanitarios o la clasificación de variedades. Específicamente, la clasificación de variedades permite optimizar la gestión del cultivo, ya que puede orientar estrategias de renovación, control de plagas o la estimación de rendimiento. La revisión de literatura permitió identificar que la integración de plataformas satelitales para mejorar las series temporales en la clasificación de variedades de caña de azúcar no ha sido explorada. Esta estrategia aumenta la disponibilidad de imágenes en zonas con alta nubosidad, como en nuestra área de estudio en Costa Rica. Esta investigación propuso clasificar variedades de caña de azúcar mediante un enfoque aditivo (agregadas en cuatro grupos de variedades) y el uso de algoritmos paramétricos y no paramétricos sobre datos armonizados de Sentinel-2 y Landsat-8/9. La validación se realizó a escala de píxel y lote. Las mejores clasificaciones utilizaron las bandas verde e infrarrojo cercano, junto con los índices de vegetación Enhanced Bloom Index y Normalized Difference Infrared Index. En cuanto a la dinámica temporal, los meses más relevantes fueron septiembre, noviembre y diciembre, correspondientes a etapas avanzadas del ciclo de crecimiento. Los algoritmos máquina de vectores de soporte y bosque aleatorio proporcionaron las mejores exactitudes de clasificación. A escala de píxel, la exactitud general en todos los grupos superó 0.86, con una ligera disminución cuando aumentó el número de variedades. A escala de lote, la exactitud general fue superior a 0.89. Estos resultados son valiosos para la toma de decisiones en la producción de caña de azúcar.