MAPEO DEL PARQUE CAFETERO EN RIO BANANAL (ES) MEDIANTE TÉCNICAS DE TELEDETECCIÓN ORBITAL Y APRENDIZAJE AUTOMÁTICO (MACHINE LEARNING)

Resumen

a previsión de la cosecha es esencial para la gestión eficiente de la producción agrícola, contribuyendo a la reducción de la incertidumbre del mercado y a la estabilidad económica. En este contexto, la estimación precisa de la superficie cosechada es crucial para la proyección de la cosecha de café, ya que la superficie cultivada tiene un impacto directo en el potencial productivo regional. Los métodos de mapeo tradicionales, como la vectorización manual por fotointerpretación, son costosos y consumen mucho tiempo, mientras que los algoritmos de clasificación tradicionales generalmente tienen baja precisión. Los métodos más avanzados, que integran la teledetección y el aprendizaje automático (machine learning), pueden proporcionar resultados más precisos y detallados. Este estudio tuvo como objetivo desarrollar y evaluar estrategias para estimar el área cosechada de café en el municipio de Rio Bananal, ubicado en el norte de Espírito Santo, utilizando imágenes de satélite y técnicas avanzadas de clasificación. El procesamiento de las imágenes se realizó en el entorno Google Earth Engine (GEE), con el algoritmo Random Forest, implementado en JavaScript. Se utilizaron cuatro imágenes Sentinel-2A, adquiridas en el primer semestre de 2024, de las cuales se extrajeron diez bandas espectrales originales, 14 índices espectrales derivados y bandas probabilísticas del producto Dynamic World V1, formando las variables predictoras del modelo. Para el entrenamiento y la validación del modelo, se seleccionaron aleatoriamente 501 regiones, clasificadas según el uso y la cobertura del suelo mediante la fotointerpretación de imágenes PlanetScope (enero a abril de 2024), a partir de las cuales se generaron 8000 puntos de muestreo. La precisión se evaluó mediante validación cruzada, utilizando la matriz de confusión para calcular la precisión global, la precisión del usuario y la precisión del productor. El modelo estimó una superficie de 21 226 hectáreas cultivadas con café para 2024, comparable a los resultados de estudios anteriores realizados por el Instituto Jones dos Santos Neves (20 084 hectáreas, en 2019-2020) y al Levantamiento Sistemático de la Producción Agrícola del IBGE (18 100 hectáreas en 2023). La clasificación presentó una precisión global del 92 % y, específicamente para la clase de café, las precisiones del usuario y del productor fueron del 87 % y del 90 %, respectivamente. Los resultados demuestran que el enfoque utilizado tiene un gran potencial para estimar con gran precisión las áreas cultivadas de café, lo que puede contribuir a la previsión de cosechas y a la planificación regional. Sin embargo, se sugiere el uso de series temporales más extensas y la inclusión de muestras obtenidas directamente en el campo para minimizar posibles errores derivados de la fotointerpretación y aumentar aún más la fiabilidad de las estimaciones.