Resumen de Cartografía del aguacate en el sur del estado de México mediante tratamiento digital de imágenes sentinel-2

Dulce Karen Figueroa Figueroa, José Francisco Ramírez Dávila, Xanat Antonio Némiga, Andrés González Huerta

• español

  El cultivo de aguacate (Persea americana Mill.) es uno de los más importantes en México, entre los estados con mayor producción se encuentra el Estado de México, que es el tercer estado productor a nivel nacional. Coatepec Harinas y Donato Guerra son dos de los municipios más representativos en lo respectivo a esta actividad; sin embargo, no existe un censo que especifique la superficie del cultivo, por lo que el objetivo de esta investigación fue probar métodos de índices de vegetación, algoritmos spectral angle mapper (SAM) y spectral information divergence (SID) y la combinación de estos en las imágenes del sensor Sentinel-2 para evaluar su desempeño en la identificación de áreas plantadas con el cultivo de aguacate. Los resultados se validaron con una matriz de confusión y la comparación de los datos de referencia de entrenamiento y validación. El algoritmo SID alcanzó una precisión de 97.5% para detectar aguacate, mientras que el tratamiento SAM obtuvo una precisión de 63.1%. La combinación de SID con el índice Anthocyanin Reflectance Index 1 (ARI1), proporcionó un mejor resultado sobre la cartografía de validación regional con 85% de precisión. Otras combinaciones de índices y tratamientos dieron resultados inferiores al 50% de la precisión por lo que no se recomiendan. Esta metodología podría ser probada para la detección de otros cultivos de interés comercial, dado que Sentinel-2 muestra ser una alternativa viable para este tipo de estudios, teniendo una buena resolución espectral, además de ser de fácil acceso y manipulación.

• English

  The avocado crop (Persea americanaMill.) is one of the most important in Mexico, among the states with the highest production is the State of Mexico, which is the third producing state nationwide. Coatepec Harinas and Donato Guerra are two of the most representative municipalities regarding this activity; however, there is no census that specifies the surface of the crop, so the objective of this research was to test vegetation index methods, spectral angle mapper (SAM) and spectral information divergence (SID) algorithms and the combination of these in Sentinel-2 sensor images to evaluate its performance in identifying areas planted with the avocado crop. The results were validated with a confusion matrix and the comparison of the training and validation reference data. The SID algorithm achieved an accuracy of 97.5% to detect avocado, while the SAM treatment obtained an accuracy of 63.1%. The combination of SID with the Anthocyanin Reflectance Index 1 (ARI1),provided a better result on regional validation mapping with 85% accuracy. Other combinations of indices and treatments gave results less than 50% of the precision, so they are not recommended. This methodology could be tested for the detection of other crops of commercial interest, since Sentinel-2 shows to be a viable alternative for this type of study, having a good spectral resolution, as well as being easily accessible and manipulated