AgriPredict

                                                                                  AGRIPREDICT

                                                            CopernicusLAC Panamá Hackathon

Equipo. 

Leonardo González

María Belén Pedoja

Santiago Polti

Victor González

Objetivo.

Generar un servicio de monitorización y evaluación de cultivos agrícolas a través de modelos de diagnóstico, a  partir de variables climáticas,  sensorización remota (Sentinel 1-2), bases de datos estatales y big data.

Metodología.

A continuación se describe paso a paso la metodología aplicada:

 1. Adquisición de datos georreferenciados.

• Archivos de clasificación de uso de suelos a nivel estatal de datos abiertos.

• Determinación de área de estudio. 

• Colección de imágenes satelitales Sentinel 1 (Copernicus).

• Colección de imágenes satelitales Sentinel 2 (Copernicus).

A partir de un área de estudio predeterminada por el cliente, en caso de existir, se descargan los archivos vectoriales de uso de suelos de los gobiernos identificando las áreas a tratar por tipo de producción. 

Posteriormente se descarga el colectivo de imágenes satelitales  Sentinel 1 y Sentinel 2 de Copernicus, correspondiente a un espacio temporal de diez (10) años.

2. Pretratamiento de imágenes.

• Identificación de zonas de cultivo.

A partir de la información vectorial de uso abierto de los países de estudio se clasificaron las áreas de interés por su tipo o categoría de cultivo. De no existir dicha información se utilizará un algoritmo que a partir de imágenes multitemporales de radar de apertura sintética polarimétrica (PolSAR) Sentinel-1 y datos multiespectrales de Sentinel-2. Mediante la descomposición polarimétrica de Cloude-Pottier, los índices  de vegetación y clasificación por algoritmos de machine learning,  identificarán los tipos de cultivo.

Como último recurso se plantea la identificación de los tipos de cultivo mediante  un algoritmo de clasificación color-textura.

     3.  Monitoreo y evaluación de cultivos. 

• Seguimiento y comparación del área sembrada (año  en curso).

• Generación de indicadores a partir de datos de una serie histórica de los últimos 10 años. 

• Estudio de los índices radiométricos y su comparación con las variables climáticas. 

    4.  Producto final.

• Generación de informes y bases de datos con visualización. 

 Monetización 

El producto está enfocado en generar reportes para toma de decisiones a mediano y largo plazo para mejorar eficiencia y rentabilidad de la producción y generar posibles alertas que apoyen su  manejo. 

La estrategia de marketing y monetización está enfocada en el modelo B2B (Business to Business), pues el objetivo es vender este reporte de forma periódica a empresas de mediana o grande superficies  e incluso agentes estatales como ayuntamientos municipales o comunidades rurales.