%0 Journal Article 
%A López Pérez, Esther
%A Sanchis Ibor, Carlos
%A Jiménez Bello, Miguel Ángel
%A Rubio Martín, Adrià
%A Macián Sorribes, Héctor
%A García Prats, Alberto
%A Manzano Juárez, Juan
%A García Mollá, Marta
%A Pulido Velázquez, Manuel Augusto
%T Mapeo de áreas regadas usando datos geoespaciales y teledetección en el municipio de Caudete de las Fuentes (Valencia)
%D 2021
%U http://hdl.handle.net/10317/10131
%X Las políticas de control del uso agrícola de aguas subterráneas mediante la inspección de contadores se han demostrado caras y poco eficientes, mientras que en algunos estudios se ha obtenido resultados prometedores mediante la teledetección. El rápido progreso de las tecnologías de teledetección ha hecho posible su aplicación para la identificación de áreas regadas, y los nuevos sensores y técnicas de inteligencia artificial abren nuevas oportunidades a mejorar su eficacia y precisión. Nuestro trabajo propone una metodología de bajo coste y eficiente para detectar viña en riego a escala de parcela
con el fin de mejorar la gestión colectiva de aguas subterráneas. A partir de información oficial se ha
distinguido la superficie regada con técnicas de análisis de aprendizaje automático, empleando variables que condicionan el estado hídrico de la planta para la temporada de riego 2019. La metodología
calcula la humedad del suelo con el método OPTRAM (OPtical TRApezoid Model) de análisis multitemporal de imágenes procedentes de plataformas satelitales. Estos datos son integrados en un SIG junto a información climática, topográfica e información propia del cultivo. Finalmente, en base a inventarios de verdad-terreno se aplica un clasificador de aprendizaje automático para estimar la superficie regada con agua procedente del acuífero. Los resultados obtenidos presentan una precisión general del 94.7%. Su evaluación aporta un error medio cuadrático de 0.163 y R-cuadrado de 0.874. La alta precisión y los bajos niveles de error obtenidos permiten validar la metodología empleada, que presenta potencial de mejora mediante una mayor alimentación del proceso de aprendizaje automático,
que se aplicará en breve a otros cultivos leñosos.
%K Ingeniería Agroforestal
%K AERYD
%K Área regada
%K Teledetección
%K OPTRAM
%K Agua subterránea
%K Inteligencia artificial
%K Gestión colectiva
%K 5103.01 Agricultura
%~ GOEDOC, SUB GOETTINGEN