Geo 2563 08 FullPaper Compressed

Machine Translated by Google
Estudio de la expansión de las áreas de plantación de caña de azúcar y análisis del período de crecimiento de la caña
de azúcar Estudio de caso: distrito de Bang Raka, provincia de Phitsanulok.
Estudio de expansión del área de siembra de caña de azúcar y análisis del crecimiento de la caña de azúcar
: Un estudio de caso del distrito de Bang Rakam, provincia de Phitsanulok.
Suwalak Khammuang
Tesis de pregrado Propuesta del Departamento de Recursos Naturales y Medio Ambiente, Facultad de
Agricultura, Recursos Naturales y Medio Ambiente, Universidad de Naresuan como parte de la educación
Estudiando el programa de Licenciatura en Ciencias en Geografía, noviembre de 2020, los derechos
de autor pertenecen a la Universidad de Naresuan.

Expresiones de gratitud
Esta tesis para Se logró bien debido a la gran cantidad de personas que brindaron asistencia.
asistencia de información Recopilar información, dar consejos, sugerencias útiles, gracias.
Profesor Asistente Dr. Nattapon Mahawik, Asesor de Tesis por tomarse un tiempo valioso para asesorar
directrices y proporcionar consultando con cuidado durante todo el trabajo tanto como
Ayuda con el equipo de vehículos aéreos no tripulados y también verifica y corrige errores. de tesis
tanto como por hacer de esta tesis un completo éxito.
Aquellos que han transmitido diversos conocimientos a los investigadores y pueden aplicar utilizar el conocimiento aprendido para que sea útil
y dio sugerencias y recomendaciones adicionales hasta la finalización de esta tesis.
También nos gustaría agradecer a la Agencia Espacial Europea (ESA) por proporcionar imágenes satelitales.
Centinela y propietario de una plantación de caña de azúcar, distrito de Bang Raka, provincia de Phitsanulok que brindó cortesía en el tiroteo
Áreas estudiadas por UAV y cortesía de herramientas de campo GPS del campo de la geografía. Universidad de
Naresuan útil especialmente para la tesis de licenciatura curso de geografia en

o
R
Por último, esta vez, el investigador quiere agradecer a sus padres, amigos, personas mayores y hermanos
o menores por su aliento y apoyo.
Siempre apoyo y ayuda en todos los aspectos, el investigador espera que especialmente que esta tesis tendrá
Beneficio para los que estén más o menos interesados.
Suwalak Khammuang
título
Estudio sobre la expansión del área de siembra de caña de azúcar y análisis del período de
Crecimiento de la caña de azúcar: un estudio de caso, distrito de Bang Raka, provincia de Phitsanulok
Suwalak Khammuang
Investigador, Presidente Asesor

Profesor Asistente Dr. Nattaphon Mahawik
tipo de tesis Tesis, Licenciatura en Geografía,
Universidad de Naresuan, 2020
Palabras clave Sar, Centinela-1, Aleatorio bosque, uso de la tierra, área de siembra de caña de azúcar
Resumen
Hoy en día, los agricultores están comenzando a prestar más atención al cultivo de caña de azúcar debido a sus altos ingresos y su fácil cultivo.
En muchas áreas, algunos agricultores han convertido el área de la antigua zona de cultivo de arroz en zona de cultivo de caña de azúcar.
Dado que la caña de azúcar tiene una gran demanda en el mercado, existe una fijación de precios clara que hace que los agricultores se sientan más seguros.
Quiere expandir el área de plantación de caña de azúcar más ampliamente Este estudio tiene como objetivo estudiar la
Cambios de uso de suelo por ampliación de áreas de cultivo de caña de azúcar para estudiar la etapa de crecimiento de
Caña de azúcar durante todo el período de siembra en el distrito de Bang Raka, provincia de Phitsanulok mediante la recopilación de datos fotográficos
Satélites Sentinel-1 en 2017 a 2020 utilizando el método de bosque aleatorio y recopilando
Datos de imágenes de satélite para el año 2019 de mayo a febrero de 2020 utilizando el método de series temporales y
comprobando la precisión de los resultados de clasificación de las imágenes de satélite Sentinel 2 Google Earth e información de
aterrizaje estudio de campo Los resultados mostraron que el uso del suelo
El área de caña de azúcar en 2019 tuvo el área de siembra de caña de azúcar más alta de 54,304 rai, seguido de 2017 con el área
La caña de azúcar sembró 41,675 rai, el área de siembra de caña de azúcar de 2018 39,832 rai y el área de siembra de caña de
VH Ambos tipos
azúcar
mostraron
de 2020,
crecimiento.
respectivamente.En Bang Rak, 2,911 rai, se analizaron dos tipos de crecimiento: Polarización VV y
El más alto en septiembre fue la mayor intensidad_db de Polarización VV en -7 y la mayor intensidad_db de Polarización VH en
-10 La polarización está muy cerca del calendario de cultivo de caña de azúcar.
La más extrema es la polarización VH y se compara con los datos de la imagen. antena de vehículos aéreos no tripulados
Los conductores de viajes de campo encontraron que durante septiembre la altura de intensidad_db fue
Relación con la altitud del vehículo aéreo no tripulado

título Estudio de Expansión y Clasificación del Área de Siembra de Caña de Azúcar
del Monitoreo del Crecimiento de la Caña de Azúcar: Un Estudio de Caso de Bang Rakam
Distrito, provincia de Phitsanulok.
Autor Suwaluk Kammamuang
Tutor Profesor Asistente Dr.Nattapon Mahavik
Artículo académico Tesis BS en Geografía, Universidad de Naresuan, 2020
Palabras clave Sar, Sentinel-1, Bosque aleatorio, Uso de la tierra, Siembra de caña de azúcar
área
Resumen
En estos días, los agricultores están interesados en el cultivo de la caña de azúcar, a pesar de tener altos
ingresos y fácil de crecer. La mayoría de ellos habían cambiado su área de cultivo de arroz en
cultivo de caña de azúcar porque la caña de azúcar es muy demandada y contiene un aparente
precio. Esta investigación tiene como objetivo estudiar la ventaja de la zona de cultivo de caña de azúcar, así como
un estudio sobre el crecimiento de las plantas en el distrito de Bang-rakham, provincia de Phitsanulok. Recopilación de datos
consiste en: los datos obtenidos del satélite 'Sentinel-1' entre 2017 – 2020 por
método de bosque aleatorio, los datos del satélite entre mayo de 2019 y febrero
2020 utilizando series temporales, seguido de la validación de datos de Sentinel-2, Google Earth y
estudio de campo. El resultado encontró que el área de cultivo de caña en 2019 tuvo el mayor cultivo
área, aproximadamente 54,304 Rai, seguido por 2017 con 41,675 Rai, 2018 con 39,832
Rai y 2020 con 2.911 Rai, respectivamente. Además, el investigador también analizó
tasa de crecimiento dentro del área de observación, con respecto a 2 tipos de crecimiento: Polarización VV
y VH. Ambos tipos tuvieron la mayor tasa de crecimiento en septiembre, con la primera
intensidad_db en -7 y la últimaintensity_db en -10. Por lo tanto, la polarización VH es
apto para el cultivo de caña de azúcar. Los datos del satélite se compararon con los datos
de vehículos aéreos no tripulados que se desplegaron en septiembre. La actitud
El valor de Intensity_db está relacionado entre sí.

lista de contenidos
capítulo página
1 Introducción .................................................. .................................................. .................................................. 1
1.1 El origen y Importante................................................. .................................. 1
1.2 Objetivos de la investigación .............................................. .... ........................ 2
1.3 La importancia de la investigación .............................................. ... ............................................. 2
1.4 Alcance de la investigación .................................................. ... ................................ 3
1.5 Acuerdo preliminar................................................ ..................................... 4
1.6 Definición de terminología.................................................... . .................................................. 4
1.7 La hipótesis de la investigación .............................................. ..... ............................. 5
1.8 Marco conceptual................................................ .................................................... ........... 6
2. Documentos relacionados ............................................. .. .................................................. .. ........ 7
2.1 Datos satelitales Centinela................................................. ............................. 7
2.2 Teorías y conceptos relacionados ............................................... ... .......................... 8
2.2.1 Concepto de la teoría del medio ambiente........................................... ......... ............ 8
2.2.2 Conceptos teóricos y técnicas de teledetección .......................................... 9
2.2.3 Conceptos de software SIESTA................................................. .. 10
2.2.4 Teoría del radar de apertura sintética (SAR) .......................... 11
2.2.5 Teoría del Bosque Aleatorio.................................................. .......... 11
2.2.6 El concepto de validación.................................................. ...... ...... 12
2.3 Documentos e investigaciones relacionados ............................................... .... ......................... 14
3. Métodos de realización de la investigación ........................................... ..... ............................................. ..... .............. dieciséis
3.1 Herramientas utilizadas en el estudio ........................................... ..... .................................. dieciséis
3.2 Información y recopilación ............................................... ... ............................... 18
3.3 Análisis de datos................................................... ... ............................................. 21
4. Resultados de la investigación ........................................... ... ............................................................. ... ................... 51
4.1 Uso del suelo y cobertura del suelo en el área de estudio.................................. 51
4.1.1 Resultados de la clasificación del uso del suelo ....................................... ....... ....... 54
4.1.2 Los resultados de la validación........................................... ...... …………. 55
4.2 Resultados de la clasificación de áreas de siembra de caña de azúcar .................................. ...... ................................ 57
4.3 Resultados del análisis sobre el crecimiento de la caña de azúcar .................................. ...... ............ 62
Índice (continuación)
capítulo página
4.4 Resultados del procesamiento de imágenes desde un dron (UAV) .................................. ......... ................. 63
4.5 Resultados de campo ............................................. .. ................................ 64
5. Resumen ............................................... . .................................................. . ................................. 65 5.1 Resultados de la
clasificación de la cobertura del suelo.................................. ..... .................................. 65 5.1.1 Los resultados de
la validación......................................... ....... .............. 65 5.2 Resultados de la clasificación del área
de siembra de caña de azúcar .................................. ...... .................................. 66 5.3 Resultados del análisis de
seguimiento del crecimiento de la caña de azúcar ............................... ....... ...67 5.4 Resultados del procesamiento
de imágenes de vehículos aéreos no tripulados (UAV) ......................... ..... .68
Discusión de los resultados.................................................. . .................................................. . ....... 68
Problemas y Obstáculos .................................................. .................................................. 69
Sugerencias.................................................. .. .................................................. .. ....... 69
Bibliografía .................................................. ..... ............................................. ..... ..................... 70
Apéndice ............................................... . .................................................. . ........................ 72
Biografía del investigador .............................................. .................................................... .....................97

Tabla de contenido
mesa La
página 2.1 muestra el sistema de campo de prácticas. imágenes de satélite
Centinela-2................................................... .8 3.1 Herramientas utilizadas en la
investigación .................................. ..... ............................................. ... 16 3.2 Datos y fuentes de datos
utilizados en la investigación......................................... ....... .................................. 18 4.1 Uso del suelo y
cobertura del suelo de Relevamiento de campo..................53 4.2 Tabla de verificación (Error
Matriz)................................................ ....... 54 4.3 Muestre el tamaño del área de siembra de caña de azúcar en cada año .............................
Tabla de contenido
imagen página
1.1 Mapa del área de estudio, distrito de Bang Raka, provincia de Phitsanulok.................................. .. ............ 3
1.2 Marco conceptual de la investigación ............................................... ... ............................................................. ... .. 6
2.1 Teledetección.................................................... .. .................................................. .. ......... 10
2.2 Proceso de bosque aleatorio ............................................... .... ............................................... .. 11
3.1 Instrumentos de investigación .................................................. . .................................................. . dieciséis
3.2 Muestra la imagen del satélite Sentinel-2........................................... ....... .................................. 19
3.3 Muestra imágenes satelitales de Sentinel-1 cubriendo el área de estudio………………………………. 20
3.4 Mostrar el plan de vuelo. viaje aéreo ……………………………………………………………………………. 20
3.5 Importación de imágenes de satélite ............................................... .. .................................................. 21 3.6
Procedimiento de remuestreo ............................................... .. .................................................. .. 22 3.7 Proceso de
Mosaico de Imágenes........................................... .... ............................................... .... 22 3.8 Imagen obtenida del cuadro
Mosaico........................................... ...... ............................................. 23 3.9 Área de estudio del
subconjunto .................................. ... ............................................................. ... 23 3.10 Imagen obtenida de subconjunto
y archivo de forma de importación ...................................... ............ 24 3.11 Corte de los límites del área de
estudio .......................... .... ............................................................. .... ........ 24 3.12 Eliminación de límites distritales y
resultados de Mascarilla................................................. .25
3.13 Creación de datos vectoriales ............................................. .... ............................................... ..... 25 3.14 Área de
muestra digital diferente ............................................... . .......................................... 26
3.15 Proceso de bosque aleatorio ............................................... .... .................................... 26
3.16 Resultados del Random Forest de Labeledclasses.................................... ..... .... 27
3.17 Capas de datos ............................................... .. .................................................. .. ....... 27 3.18 Conversión a
polígono................................................. . .................................................... 28 3.19 Agregar una tabla y c Cálculo del
área................................................... .. .................................. 28 3.20 Resultados del cálculo del
área........................................... ... ............................................................. ... ....... 29 3.21 Fusionar y crear puntos de
control........................................... ................................ 29 3.22 Hacer que un punto tenga
coordenadas ........................................... ....... .................................................. ....... ......... 30 3.23 Subconjunto del área
de estudio.................................... .... ............................................... .... 31
3.24 Aplicación del archivo Orbit ............................................... ... ............................................................. 32 3.25
Procedimiento para la Eliminación de Ruido Térmico S-1 .................................. .. ................32

imagen
Página 3.27 Procedimiento de calibración ........................................... ... ............................................................. 33
3.28 Procedimiento de filtrado de manchas .................................. ..... .................................. 33 3.29 Procedimiento
de Corrección del Terreno...... ... ............................................................. .................... 34 3.30 Procedimiento para
convertir tipo de datos.................... ........................................................ ........ 34 3.31 Procedimientos para
GLCM .................................. ............................................................... ............. ... 35 3.32 Pasos del Generador de
gráficos ........................... .................................................................... .......................... 35 3.33 Corte de los límites
del área de estudio ........ ........................................ .......... .................................. 36
3.34 Creación de datos vectoriales ............................................... .... ............................................... ..... 36 3.35
Área de muestra digital diferente ............................................... . .......................................... 37
3.36 Proceso de bosque aleatorio ............................................... .... .................................... 38
3.37 Nivel de confianza de la imagen ............................................. ... ............................................................. . 38
3.38 Guardar archivos de imagen.................................... .. .................................................. .. ... 39 3.39 Pasos
para encontrar Gridcode................................................ ...... ............................................ ..... 39 3.40 Borrado de
datos seleccionados ........................................... ............ ......................... 40 3.41 Resultados de la clasificación
de áreas de siembra de caña de azúcar .................................. ....... .................................................. .. 40 3.42
Área de subconjunto ............................................... ... ............................................................. ... ...... 41 3.43
Creación de un generador de gráficos.................................. ............................................. 42
3.44 Procesamiento por lotes de imágenes ........................................... .... ..................................... 42 3.45
Procedimiento para crear una pila de imágenes.................................. ..... ............................................. ... 43
3.46 Ventana de imagen RGB abierta para imágenes superpuestas en 3 intervalos de tiempo .........43 3.47
Digitalización del área de caña de azúcar ........ .......................................... ........ .......................................... 44
3.48 Método de series de tiempo ........................................... ... ............................................................. .... 44
3.49 Configuración de la imagen de la Serie Temporal .................................. .... ............................................... .. 45
3.45 Selección de una banda de filtro.................................... ..... ............................................. ... 45
3.50 Administrador de pines ............................................. .. .................................................. 46 3.51 Resultados
de visualización de Series Temporales de áreas de siembra de caña de azúcar .................................. ......... ...............
46 3.52 Adición de una foto al programa ........................................... ....... ................................... 47 3.53
Colocación del punto de control ........................................... ..... ................................................ 47 3.54 Medición
el marcador de distancia ............................................... .... ............................................... .. 48

imagen página
3.54 Medición de la distancia del marcador ............................................... .. .................................................. 48
3.55(a) Alinear fotoprocesamiento (b) Efecto de procesamiento ................................ .. 48
3.56 (a) Construir Computación en la Nube Densa (b) Resultados del Procesamiento .................................. 49
3.57 (a) Procesamiento de malla de construcción (b) Resultados del procesamiento .................................. .......... ...... 49
3.58 (a) Procesamiento de la textura de construcción (b) Efecto del procesamiento .................................. .......... ... 49
3.59 (a) Procesamiento DEM (b) Resultados del procesamiento .................................. ......... ................... 50
3.60 (a) Procesamiento de imágenes de ortofotos (b) Resultados del procesamiento ...................................... ...... 50 4.1 Área
de muestra del destacamento de campo .................................. .... .................................... 52 4.2 Resultados de la clasificación
de objetos del año 2019.................................................. . ................................. 54 4.3 Gráfico de porcentaje de ventas
Clasificación del uso del suelo .............................................. .. 55 4.4 Resultados de la clasificación del área de plantación de
caña de azúcar 2017, 2018, 2019, 2020…………57 4.5 Gráfico que muestra el área de caña de azúcar en cada subdistrito
en el distrito de Bang Raka, 2017........... ...............58 4.6 Gráfico que muestra el área de caña de azúcar en cada subdistrito
en el distrito de Bang Raka, 2018 ............... ........... .. 59 4.7 Gráfico que muestra el área de plantación de caña de azúcar en
cada subdistrito en el distrito de Bang Raka, 2019 ................ 60 4.8 Gráfico que muestra el área de caña de azúcar en cada
subdistrito en el distrito de Bang Raka en 2020 ........................ .......61 4.9 Resultados de análisis del crecimiento de la caña
de azúcar de mayo de 2019 a febrero de 2020 ........................................... ........................... ....................... .....62 4.10
Resultados del procesamiento de imágenes de vehículos aéreos no tripulados (UAV)....... .......................... ...................... 63
4.11 Gráfico que muestra la relación entre el valor db y el UAV.................................... ........ ........63
4.12 Medición de la altura horizontal de la caña de azúcar ........................................... .... .................................................. 64

Capítulo 1
Introducción
1.1 Origen e importancia del problema La caña
de azúcar es de la misma familia de plantas que el bambú, el pasto y los granos, originaria de la región tropical de Asia o tiene
una base inclinada sin ramificación El tronco consta de muchas articulaciones Las hojas de la caña de azúcar son similares en del
tamaño de las hojas del arroz pero más grande que la caña de azúcar es una planta fácil de cultivar. y se puede cosechar muchas
veces La caña de azúcar prospera en climas cálidos y húmedos, con aproximadamente 70 países cultivando caña de azúcar. En
Tailandia, la caña de azúcar es el principal cultivo económico para Es la principal materia prima para la producción de azúcar para
uso interno y exportación a países extranjeros. suelo adecuado para Adecuado para el cultivo de caña de azúcar es franco arenoso o
franco arcilloso con un pH que oscila entre 5,5 y 7, con una profundidad de suelo moderada y un drenaje o aire de bueno a moderado.
La temperatura media óptima durante la temporada de crecimiento es de unos 30-35 grados centígrados (Mine Plant Research
Institute. y plantas de energías renovables por Siam Kubota, 2016)
Hoy en día, los agricultores están comenzando a prestar más atención a la siembra de caña de azúcar debido a sus altos
ingresos y su fácil cultivo.En muchas áreas, algunos agricultores han convertido el área de la antigua plantación de arroz en un área
de cultivo de caña de azúcar. Dado que la caña de azúcar tiene una gran demanda en el mercado, con precios claros, los agricultores tienen
La necesidad de ampliar las áreas de siembra de caña de azúcar es más generalizada, de 2018 a 2019 hubo un aumento de las
áreas de siembra de caña de azúcar en todas las regiones del país, lo que representa 12.236.074 rai debido a la política del gobierno.
expandir las áreas de plantación de caña de azúcar para reemplazar los arrozales inadecuados; El azúcar está emergiendo en
muchas regiones, promoviendo así más áreas de siembra de caña de azúcar. Oficina de la Junta de la Caña y el Azúcar, 2019)
Sin embargo, el uso de la tecnología de teledetección o teledetección en la actualidad es importante en el estudio de las
características de los objetos mediante el uso de sensores para poder Extensa e inexistente no entra en contacto directo con el área
o el objeto se puede aplicar en el campo que son beneficiosos para departamento o educación Actualmente hay información gratuita
disponible. uno de ellos es

Satélite centinela, un satélite Un estudio de recursos muy detallado de la Agencia Espacial Europea.
(ESA) Los satélites Sentinel ahora se están volviendo populares entre el público porque se pueden
descargar gratis. También agregó satélites con radar de apertura sintética de banda C (SAR-C) de alta
resolución capaces de capturar imágenes a través de las nubes. Además, la información es lo más cercana
y actual posible.
(GisGeografía, 2560)
La provincia de Phitsanulok es una provincia donde los agricultores cultivan caña de azúcar y expanden
el área de plantación de caña de azúcar cada año, especialmente en el distrito de Bang Raka.
Originalmente fue una zona de plantación de arroz. u otras plantas al cambio de uso de la tierra a áreas de
plantación de caña de azúcar, ya que dichas áreas enfrentan desastres naturales como inundaciones y
sequías que a menudo causan problemas en muchas áreas, especialmente en áreas agrícolas en el distrito
de Bang Ra. Las sequías e inundaciones recurrentes, que causan más daños cada año, se analizaron en
este estudio. Monitoreo del crecimiento de la caña de azúcar en el área del distrito de Bang Raka, provincia
de Phitsanulok Uso de múltiples imágenes satelitales Sentinel-1 para ver la expansión anual de las
plantaciones de caña de azúcar y pronosticar los rendimientos durante el período más reciente. Plante caña
de azúcar monitoreando el crecimiento de la caña de azúcar. para notificar el cambio de uso Uso de suelo
para la ampliación del área de siembra de caña de azúcar y período de crecimiento de la caña de azúcar en
el área 1.2 Objetivos de la investigación
1) Estudiar el cambio de uso de suelo de la expansión del área de siembra de caña de azúcar en 2017
Hasta 2020
2) Estudiar la etapa de crecimiento de la caña de azúcar a lo largo del período de siembra.
1.3 La importancia de la investigación
Para ser útil en la previsión de áreas de siembra de caña de azúcar y la previsión de la distancia El crecimiento
de la caña de azúcar por adelantado mediante el estudio y análisis comparativo de los cambios en el uso La tierra se beneficia
de la expansión del área de plantación de caña de azúcar y del período de crecimiento de la caña de azúcar durante todo el
período de plantación
1.4 Alcance de la investigación
1. Alcance del área de estudio
Este estudio examinó la expansión de las áreas de plantación de caña de azúcar en el distrito de Bang Raka, provincia de
Phitsanulok, utilizando el sistema de información geográfica y las imágenes satelitales Sentinel-1 para el análisis.
El período de 2017 a 2020, incluido el último período en que se sembró caña de azúcar, fue
Desde mayo de 2019 hasta febrero de 2020, el distrito de Bang Raka tiene una superficie total de aproximadamente 936,04 kilómetros
cuadrados. con un área total de plantaciones de caña de azúcar de 83.385 rai (Oficina de la Junta Directiva
Caña de azúcar y caña de azúcar, 2019) La topografía es un área de tierras bajas, con ríos importantes que fluyen a través de ella, a
saber, el río, con territorios conectados a áreas administrativas vecinas de la siguiente manera:
El norte conecta con el distrito de Kong Krailas, provincia de Sukhothai y Desde el distrito de Phiram El sur limita con
el distrito de Sam Ngam, provincia de Phichit, y el distrito de Phran Kratai, provincia
Phet de Kamphaeng
El este se conecta con el distrito de Muang, provincia de Phitsanulok.
El oeste conecta con el distrito de Khiri Mat, provincia de Sukhothai y el distrito de Lan Krabue, provincia
Phet de Kamphaeng
Figura 1.1 Mapa del área de estudio, distrito de Bang Raka, provincia de Phitsanulok
2. Alcance del contenido y tiempo
1. Este estudio para estudiar el cambio de uso de suelo de la zona de expansión
Plante caña de azúcar en el distrito de Bang Raka, provincia de Phitsanulok durante el año 2017-2020 usando
Datos de imágenes de satélite Sentinel-1
2. Este estudio El estudio se realizó para estudiar las etapas de crecimiento de la caña de azúcar en el distrito de Bang Raka Tia.
Período de siembra de mayo de 2019 a febrero de 2020 utilizando datos de imágenes
satelitales Sentinel-1 para el análisis.
1.5 Acuerdo preliminar
El estudio utilizó imágenes de satélite Sentinel-1 y Sentinel-2 en el proyecto de la organización.
El Espacio Europeo puede descargarse de https://scihub.copernicus.eu/ mediante la recopilación de datos

Imágenes de satélite en 2017 , 2018 , 2019 y 2020 para clasificar el uso
uso de la tierra, eliminación Clasificación de las áreas de siembra de caña de azúcar y análisis del crecimiento de la caña de azúcar
1.6 Definición
El uso de la tierra es el uso de la tierra de una forma u otra.
de agua, las necesidades humanas no son si es agricultura

, la vivienda, las fuentes , el transporte es
El cambio de uso de la tierra es un
cambiar la tierra de la De uno a otro uno como la transformación de un páramo en un área
edificio, etc
La teledetección es una teledetección para topografía y
Examine los objetos del dispositivo receptor del dispositivo (Sensor) con una amplia vista de la información.
y no directamente en contacto con ellos.
La clasificación es la clasificación de la información para proporcionar información que tenga las características de
igual que en el mismo grupo o perteneciente al grupo que se ha definido y que se va a comparar y analizar
información y actualice la información hasta que esté en el nivel correcto.

Sentinel-1 es un satélite desarrollado por la Agencia Espacial Europea para la exploración que utiliza
el radar de apertura sintética de banda C (SAR-C) como técnica de exploración. Tome fotografías usando ondas
de radar. en la banda de frecuencia C y también es un satélite del grupo Active Sensor que no requiere energía De
la luz del sol, se puede fotografiar tanto de día como de noche.La caña de azúcar es un cultivo económico que
se puede aprovechar de todas partes.Es la principal materia prima utilizada en la producción de azúcar.
1.7 Hipótesis 1)
Se ha ampliado el cambio de uso de suelo por la expansión del área de plantaciones de caña de azúcar cada año. más
y más
2) Se puede utilizar el análisis de la etapa de crecimiento de la caña de azúcar. para predecir el crecimiento de la caña de azúcar
en cada periodo
Capitulo 2
Documentos y trabajos de investigación. relacionado
tema de estudio ampliación del área de siembra de caña de azúcar y analizar las etapas de crecimiento de la caña de
azúcar, un estudio de caso del distrito de Bang Raka, provincia de Phitsanulok.El investigador ha revisado los conceptos, teorías y
documentos de investigación relacionados. El detalle de los problemas es el siguiente:
2.1 Datos del satélite Sentinel
2.2 Teorías y conceptos relacionados
2.2.1 Conceptos teóricos del entorno
2.2.2 Conceptos técnicos de las técnicas de
detección remota 2.2.3 Conceptos del software
SNAP 2.2.4 Teoría del radar de apertura sintética
(SAR) 2.2.5 Teoría del bosque aleatorio 2.2.6
Concepto de validación 2.3 Documentos e
investigaciones relacionados
2.1 Datos del satélite Sentinel
2.1.1 Satélite Sentinel-2
El satélite Sentinel-2 se lanzó el 23 de junio de 2015 y todavía está en órbita. y guardar
datos orbita a 786 km sobre la superficie de la Tierra, registrando ciclos cada 5 a 7 días. Instrumento)
tiene una resolución espacial de 10-60 metros de ancho.
Imagen 290 kilómetros

La Tabla 2.1 muestra el sistema de espectro de imágenes satelitales Sentinel-2.
Sentinel-2 bandas Longitud de onda central Resolución (m)
(µm)
Banda 1 – Aerosol costero 0.443 60
Banda 2 – Azul 0.490 10
Banda 3 – Verde 0.560 10
Banda 4 - Rojo 0.665 10
Banda 5 – Vegetación Borde Rojo 0.705 20
Banda 8 – NIR 0.842 10
Banda 8A - Borde Rojo Vegetación 0.865 20
Banda 9 – Vapor de agua 0.945 60
Banda 10 – SWIR – Cirro 1.375 60
Banda 11 – SWIR 1.610 20
Banda 12 – SWIR 2.190 20
Fuente: Corporación de Imágenes Satelitales
2.1.2 Satélite Sentinel-1
Sentinel-1 es un satélite adicional que tiene una resolución más alta que Sentinel-2 porque puede
ver a través de las nubes y la neblina utilizando el radar de apertura sintética de banda C (SAR-C).
es una tecnica La imagen fue capturada utilizando ondas de radar en la banda de frecuencia C con una resolución espacial de 9-40 m.
De: https://gisgeography.com/)
2.2 Conceptos y teorías relacionados
2.2.1 Concepto de teoría del medio
ambiente La caña de azúcar es una planta tropical apta para Para la siembra de caña de azúcar, el área debe
ser franco, arcilloso o franco arenoso con un pH entre 5,5 y 7, con una profundidad de suelo moderada y un drenaje o
aire de bueno a moderado. buen agua y aire Hay mucha luz solar y una temperatura media decente. A lo largo de la
temporada de crecimiento, alrededor de 30-35 grados centígrados, el transporte debe ser La distancia desde la fábrica
de azúcar no es más de 60 km (Rich Plant Research Institute y plantas de energías renovables por Siam Kubota, 2016).
Las variedades de caña de azúcar se dividen en 2 tipos, a saber, caña de mascar y caña de azúcar. La caña de azúcar
de mascar es caña de azúcar con cáscara blanda, sanguina suave, dulzura moderada a alta para comer. jugo de caña
de azúcar o consumir fresco Popularmente cultivado para muchas variedades, como Singapur, Mauricio y Badilah púrpura
En Tailandia, las variedades híbridas de caña de azúcar se han importado desde el pasado hasta el presente, por un
total de variedades 220. La caña plantada más popular es la variedad F 140. cambio de compromiso Concéntrese
siempre en las variedades que producen buenos rendimientos con la calidad que exige el mercado (Enciclopedia
tailandesa para para la Juventud Vol. 5, 2523)
2.2.2 Conceptos de la teoría técnica de la teledetección
Sensores remotos detección) encuesta remota donde el instrumento de medición no entra en contacto directo
con el objeto a medir. diferente de lo que se va a medir Los instrumentos de medición, como cámaras, pueden instalarse
a grandes alturas, por ejemplo, en globos, en aviones espaciales o en satélites, por medio de ondas magnéticas. una
plancha eléctrica que irradia o refleja lo que se necesita para encuesta como medio para medir
La encuesta de esta manera consiste en recopilar la información obtenida de en un área más grande que la encuesta de
campo, a partir del uso de herramientas de teledetección (Centro de Investigación de Geoinformática de Tailandia, 2020)
La teledetección requiere el análisis de datos, que se puede realizar de dos formas: análisis visual. y analizado mediante
el uso de una computadora, luego verificó la precisión de los datos para mostrar las características el área real Para
poder conocer el uso de la tierra o la clasificación de varios recursos (Enciclopedia tailandesa para jóvenes, Volumen 16,
2523)
10
Figura 2.1 Detección remota
2.2.3 Conceptos del software SNAP
El programa SNAP es un software de código abierto utilizado en el procesamiento. resultado y analisis
Las imágenes satelitales fueron desarrolladas por la Agencia Espacial Europea (esa) desde 2015. Se pueden descargar
desde esa scihub.Las características del software son las siguientes.
- Visualización e introducción Navegación muy rápida incluso en imágenes de gigapíxeles.
-Extracción precisa y ortocorrección para la estimación general del mapa
-Codificación geográfica y edición mediante puntos de control terrestre
-Administración avanzada de capas y nueva administración de superposición, imágenes de servidor WMS o
formas ESRI que contienen regiones de interés, definiciones para varias estadísticas.
y convertir
-Admite procesadores multiprocesador y multinúcleo
- Se puede utilizar la importación de datos se puede importar cuando para descargar los datos de la imagen completado por
No es necesario extraer archivos.
- Visualización WorldWind
- Descarga automática de SRTM DEM y selección de fichas
(Agencia Espacial Europea (esa))
El procesamiento consta de los siguientes pasos principales:
1) Importar datos de imágenes satelitales en SNAP 2)
Abrir datos de imágenes VH y VV
3) Ingrese el proceso y subconjunto del área para clasificar
Crear un área de entrenamientopara hacer 4) el área.

11
5) Muestreo del área
6) Procesado con Random Forest
7) Exportar resultados
2.2.4 Teoría del radar de apertura sintética (SAR)
El radar de apertura sintética (SAR) es un sistema de radar de apertura abierta sintético. Es una
técnica moderna que se usa comúnmente en imágenes de radar. SAR utiliza un registrador de datos activo para
registrar datos. En el rango de frecuencia entre 300 MHz y 300 GHz, el sistema de radar SAR puede funcionar tanto
de día como de noche. por la noche a causa de la no genera su propia señal de onda electromagnética necesito usar el origen
luz
Otro lugar para fotografiar la cadena solar. Durante el movimiento del sistema de radar, el SAR transmite la señal de
ondas electromagnéticas a la superficie base y registra los datos de ondas magnéticas. El hierro eléctrico reflejado
regresa a la antena del radar para obtener información de fase y amplitud a lo largo del curso del movimiento y
también se puede reconstituir. Puede disparar a través de las nubes (Narathep Pruekhiran y Rungrasmi Suwanwatana)
,2556)
2.2.5 Teoría de Random Forest
Random Forest es un modelo que El conjunto de datos de área se selecciona aleatoriamente y se clasifica
por atributos para generarlo. Cada árbol y planta producirá resultados diferentes cuando se tome cada resultado.
Combínalos y observa el valor de Error del grupo de área. Será diferente en cada categoría (Chotika Ratichaliyakul
y facultad, 2017)
Figura 2.2 Proceso de bosque aleatorio

12
2.2.6 Concepto de Validación
La validación o validación posicional de los datos de teledetección describe las desviaciones de los valores reales.
Pueden estar influenciados por datos de encuestas y por el procesamiento de imágenes en programas espaciales. puede
analizar y determinar la precisión de la siguiente manera basado en el principio de La probabilidad binomial es una indicación
de la validación probabilística en el área de muestra que los datos de probabilidad binomial. ¿Qué tan precisa es
la clasificación? como la siguiente ecuacion
(1)
cuando
n = número mínimo de muestras (puntos de
votación) p = probabilidad de precisión (valores entre 0 - 1) q =
probabilidad de error (es igual a 1 - p)
Z = valor de la tabla de distribución estándar Z e = error
aleatorio
La precisión del productor es un análisis en capas del clasificador.
(Clasificador) midiendo eso en la capa de datos ¿Qué tan bien pueden clasificar los datos los clasificadores?
La precisión del usuario es un análisis de los resultados. Clasifica los datos según sean más o menos precisos
dividiendo los puntos correctos por el número de puntos que coinciden. El número de puntos interpretados como las especies
forestales tomadas en todos los estudios de campo multiplicados por cien para un porcentaje.
La precisión general es un análisis que demuestra la precisión de una clasificación de área mediante la
categorización de datos que son consistentes entre un punto de control y datos de referencia. En general, para todas las
clases, los datos clasificados se presentaron como un único valor de precisión.

13
Estadísticas Kappa es una evaluación de la precisión. Se consideran características
del error ocurrido en la Matriz de Error para encontrar los coeficientes a identificar en cada
Todos los tipos son compatibles. o la exactitud de la clasificación en teledetección y
Información utilizada como referencia en Indica valores clave diagonales y todos los cambios en filas y columnas.
(Kankhajorn Chucheep, 2018)
Cálculo de varios valores Usa la siguiente ecuación
(2)
autenticidad del fabricante
(3)
autenticidad del usuario
(4)
ÿ
Precisión general
(5)
ÿ ÿ
ÿ=
Estadísticas de Kappa
ÿ
14
2.3 Documentos e investigaciones relacionados
Chotika Ratichaliyakul y colegas (2017) estudiaron sobre la para clasificar las áreas de siembra de arroz de
Datos de series temporales del satélite Sentinel-1, un área de estudio en el distrito de Ranot, provincia de Songkhla, área de 451,38
kilómetros cuadrados utilizando el modelo Random Forest.
Probado en 3 grupos de acuerdo con la polarización, es decir, 1) VH 2) VV y 3) VH y VV especificando el número de muestras de
entrenamiento de 5000 puntos y el número de árboles de decisión del modelo 10 árboles por 1 grupo información de resultados
El estudio encontró que los tres grupos de datos estaban bien clasificados, especialmente la polarización VH y VV. Cuando se
procesó con el modelo Random Forest, se probó el 88,74 % del modelo de predicción correcta. El arroz se sembró con una precisión
del 88,86 % y el error más bajo Velocidad.
en el grupo de prueba al 11,14% y cuando se probó la precisión con datos de campo es preciso en
87,65%
Sasitorn Chatsudarat (2017) estudió sobre el análisis de las emisiones de gases de efecto invernadero en la zona.
Siembra de caña de azúcar por técnica de eliminación Clasificación orientada a objetos a partir de datos de imágenes de satélite Landsat, un estudio de caso del distrito de Sai.
Ngam, provincia de Kamphaeng Phet, superficie de 448,9 kilómetros cuadrados El estudio utiliza datos de imágenes. transmisión satelital en el año
1997, 2006, 2013 y 2016 por método de clasificación de materiales y para comprobar el
la corrección de la Clasificación de imágenes usando Google Earth, Departamento de Desarrollo de Tierras y levantamiento de campo.
El estudio encontró que el uso de la tierra de caña de azúcar en 2016 tuvo el área más alta de 124,773.12 y 30,902 rai,
respectivamente.El cambio en dióxido de carbono en áreas agrícolas en 1997 y 2016 fue
Las emisiones más altas fueron -0,44 teragramos (Tg) en el área de caña de azúcar y almacenamiento de gas natural
El dióxido de carbono más alto en 1997 y 2016 fue de 0,47 teragramos (Tg) y 0,26 tera.
gramo (Tg) respectivamente
Wiparat Ampawan (2018) ha estudiado la técnica de estimación del estado físico de los árboles de caucho.
A partir de datos de vehículos aéreos no tripulados, área de estudio, plantación de caucho, subdistrito de Wang Nok Aen, distrito de Wang Thong, provincia.
Phitsanulok, los estudiantes utilizaron los datos del Modelo de superficie digital (DSM), el Modelo de terreno digital (DTM) y
Imagen orto en color obtenida desde un vehículo aéreo no tripulado. a través del proceso de fotogrametría usando el programa
El investigador de Pix4Dmapper encontró que la altura de los árboles de caucho en la plantación de caucho tenía el coeficiente de
correlación de las parcelas 1, 2 y 3 de 0,401. ,

0.772 y 0.932, el valor RMSE de la muestra de la 1ra plantación de caucho fue
15
±1,009 m, la plantación de caucho 2 tiene un valor de ±1,129 m, la huerta 1 tiene un valor de biomasa promedio de 5.099,33
kg por rai, la huerta 2 tiene un valor de biomasa promedio de 20.302,95 kg por rai. La primera parcela verde tiene un valor
verde bajo. De las visitas de campo, se encontró que los árboles de caucho en el área tenían hojas amarillas.
Mandal, D. y otros (2020) estudiaron el monitoreo del crecimiento de plantas basado en datos. Dispersión de
polarización de doble nivel utilizando datos de centinela-1 (VV-VH), Área de estudio de Carman, Canadá. Usando datos
de imágenes satelitales del 13 de junio de 2016, 7 de julio de 2016 y 19 de julio de 2016 para verificar, cuando se
procesan por SNAP, usando verificaciones de PAI, VWC y DB como gráficos que muestran el crecimiento de DPRVI
RESULTADOS Hubo cinco tipos de cultivos creciendo durante ese período: canola, soja, trigo, avena y maíz.
Imágenes de satélite Landsat8 para comparar.

dieciséis
Capítulo 3
Método de realización de la investigación.
Esta investigación es para estudiar y comparar el estudio de la expansión del área de siembra. Análisis
de la etapa de crecimiento de la caña de azúcar y la caña de azúcar. Usando técnicas aleatorias de clasificación de bosques
a partir de datos de imágenes satelitales Sentinel-1 y clasificación de cobertura terrestre usando datos de imágenes satelitales.
Sentinel-2 con un enfoque en la eliminación Clasificación de las áreas de siembra de caña de azúcar y monitoreo del crecimiento de la caña de
azúcar para estudiar el cambio de uso de suelo de la expansión del área de siembra de caña de azúcar y la etapa de crecimiento. de caña de azúcar
durante todo el período de siembra de caña de azúcar por medio de Realice la investigación de la siguiente manera
3.1 Herramientas educativas
3.2 Datos y recopilación de datos 3.3 Análisis
de datos
3.1 Herramientas de estudio
Figura 3.1 Instrumentos de investigación

17
Tabla 3.1 Instrumentos de investigación
orden de herramientas FUENTE/CARACTERÍSTICAS
1 SIESTA
SNAP versión 7.0 Aplicación ArcGIS GIS versión 10.4.1 Aplicación del
2 ArcGIS sistema de información
geografía
3 Fotoscan de Agisoft Agisoft Photoscan, versión Metashape, un programa para crear mapas 2D y
modelos 3D a partir de datos de fotografías aéreas.
4 Captura Pix4D Programa de planificación de vuelos de vehículos aéreos no tripulados
5 Sobresalir
La versión de Excel 2010 calcula valores y crea gráficos en
Varios formatos
6 Google Earth profesional El programa muestra mapas topográficos y de viaje.
7 GPS Herramienta de ubicación del modelo GPS Garmin 64s para recopilar coordenadas de ubicación.
8 Fantasma DJI 4 Resolución de imagen fija 20 megapíxeles Frecuencia 2,42,483 GHz
Avanzado Posicionamiento por satélite GPS/GLONASS Peso 1.368 g Batería 6000
mAh
9 Portátil ASUS TUF -ventanas 10
juegos fx505dt -AMD Ryzen 53550H
-RAM 8GB
-CPU de 64 bits
10 cinta métrica de distancia

La cinta tiene 60 metros de largo, con números que indican cada 1 centímetro de
distancia y una pequeña rotura cada 2 milímetros.

18
3.2 Información y Recopilación
3.2.1 Información y recursos
Cuadro 3.2 Datos y fuentes de datos utilizados en la
ordenar durante el año

investigación Fuentes de datos
1. imágenes de satélite https://scihub.copernicus.eu/ 2019

centinela-2
2. imágenes de satélite https://scihub.copernicus.eu/ 2017, B.E.
Centinela-1 2018, 2019,
2020
3. imágenes de satélite https://scihub.copernicus.eu/ Mayo
Centinela-1 2019 al mes
febrero 2020
4. fotografía aérea Vehículo aéreo no tripulado DJI 3 de septiembre
fantasma 4 avanzado 2020
3.2.2 Recopilación de datos
3.2.2.1 Datos de imágenes de satélite Sentinel-2
Los datos de imágenes de satélite Sentinel-2, los formatos de datos utilizan el formato S2A, tipo S2MSI2A.
Cubriendo el área del distrito de Bang Raka, provincia de Phitsanulok desde https://scihub.copernicus.eu/ hasta
utilizado para clasificar las áreas de uso de la tierra

19
La Figura 3.2 muestra las imágenes del satélite Sentinel-2.
3.2.2.2 Recopilación de datos de imágenes de satélite Sentinel-1
Recopila datos de imágenes satelitales Sentinel-1 Level1 GRD, modo IW horizontal.

o
Envíe fichas VV+VH para cubrir el terreno en https:// Distrito de Bang Raka, provincia de Phitsanulok, desde
scihub.copernicus.eu/ para ver la expansión de las áreas de plantación de caña de azúcar.
La Figura 3.3 muestra imágenes satelitales Sentinel-1 que cubren el área de estudio.
20
3.2.2.3 datos de fotografías aéreas
Datos de fotografía aérea La fotografía aérea utiliza una altitud de vuelo de doble rejilla.
Vuele 20 metros en un área de 50*63 metros desde el vehículo aéreo no tripulado DJI Phantom 4 Advanced.
La Figura 3.4 muestra el plan de vuelo fotográfico aéreo.
3.2.3 Datos de la encuesta de campo
Recopilación de datos en el espacio real para Clasificación de uso de suelo de áreas de estudio y trabajo
m modelo
Verifique la precisión de los datos del área de estudio seleccionando un área de muestra. Usando un método de o
cuadrícula, los puntos de muestra se distribuyeron aleatoriamente a lo largo de la imagen y se realizó un estudio del área de estudio
durante el período del 2 al 7 de septiembre de 2020. Se registró con una herramienta de geolocalización global (GPS) y se observó el área.
Visualmente de la imagen de Google Earth en un área que no es capaz de llegar a la zona

21
3.3 Análisis de datos
3.3.1 Análisis de datos de imágenes satelitales Sentinel-2
3.3.1.1 Datos de la imagen del satélite Sentinel-2 Los datos se utilizan en formato S2A, tipo S2MSI2A, los satélites
del sistema tienen 11 longitudes de onda con una resolución de 10 m, esta imagen se registró durante el mes de diciembre. en
que la zona es invierno
3.3.1.2 Antes de cortar el área de estudio, se unirán imágenes satelitales a partir de las fotografías.
El satélite no cubre el área de estudio, entonces El área de estudio se cortó utilizando datos de imágenes satelitales.
Sentinel-2 para cubrir el área de estudio utilizando el programa GIS. para procesar
y analice los datos de la imagen satelital e interprete visualmente las imágenes en el área de estudio y hacia abajo
siguiente área de estudio de campo
Abra el programa para tomar ambas imágenes de satélite que no son cubrió el área de estudio
Remuestreo usando Ráster > Operaciones geométricas > Remuestreo > Parámetros de remuestreo > Por banda de
referencia del producto de origen para hacer los valores
La resolución del punto de la imagen en cada banda es la misma, refiriéndose al valor de la Banda 2 con el valor de resolución.
El punto de la imagen es igual a 10980*10980 tiene una resolución espacial de 10 metros > Parámetros de E/S > seleccione
Guardar como > seleccione almacenamiento > Ejecutar como se muestra en la Fig. 3.6.
Figura 3.5 Importación de imágenes de satélite

22
Figura 3.6 Proceso de remuestreo
Mosaico de las imágenes para hacer que las dos imágenes se fusionen en la misma imagen. mediante el uso de herramientas
Ráster > Operaciones geométricas > Mosicing > Definición de proyección de mapa >ÿ ÿÿÿÿ
Las coordenadas están en UTM/WGS 84 > Elevación como ASTER 1sec GDEM (modelo de nivel
altura numérica)a Configurar la resolución de puntos de imagen en el Mosaico a 10 metros > Variables y
Condiciones Datos de uso Band1 , Banda2 , Banda3 , Banda4 , Banda5 , Banda6 , Banda7,
Banda8 , banda8a , Banda9 , Banda 11 , Band12 presione Ejecutar como se muestra en la imagen 3.7
Figura 3.7 Proceso de mosaico de imágenes

23
Entonces obtendrás una foto del coche. Imágenes satelitales obtenidas a partir de costura de imágenes o mosaico de imágenes para ser utilizadas en
corte adicional del área de estudio
Figura 3.8 La imagen obtenida de la imagen Mosaic.
Subconjunto del área a estudiar cuando el mosaico esté terminado y luego
Subconjunto utilizando la herramienta Ráster > Subconjunto > dibuje una línea azul alrededor del área a ser
Estudiar>Ok como en la imagen 3.9
Figura 3.9 Área de estudio del subconjunto

24
Traiga el archivo de forma del distrito yendo a Vector>Importar>Archivo de forma ESRI>Seleccionar archivo de forma
Distrito>Abierto
Figura 3.10 Imagen obtenida de Subconjunto y archivo Importar forma
Corte los límites más allá del límite del distrito, vaya a Ráster>Máscaras>Tierra/Mar.
Máscara>Procesamiento Parámetros>Seleccione Usar vector como máscara>Ejecutar como se muestra 3.11
Figura 3.11 Corte de los límites del área de estudio

25
Cierre el distrito del archivo de forma, vaya a Administrador de capas>Vector. datos>eliminar ÿ de
Distrito de archivo de forma como se muestra en la Figura 3.12
Figura 3.12 Eliminación de límites de distrito y enmascaramiento de resultados
Genere datos vectoriales para usar para aleatorizar el área de muestra. Para cada tipo, vaya a Vector > Nuevo
contenedor de datos vectoriales > Nombre > Ok como en la imagen 3.13.
Figura 3.13 Creación de datos vectoriales
Para aleatorizar el área de muestra, vaya a Administrador de capas> seleccione los datos vectoriales nombrados>
seleccione la herramienta de dibujo Polígono> seleccione un área y hágalo. digitalizar 10 muestras por área
Se puede clasificar en 5 tipos de la siguiente manera:

Agua 10 muestras Área agrícola 10 muestras Área de caña de azúcar 10
10 muestras de áreas y edificios comunitarios y 10 espacios vacíos como se muestra en la Figura 3.14.
26
Figura 3.14 Digitalización del área de muestra
Al muestrear el área de muestra Después de completar el proceso, ingrese al proceso Random Forest.
Ráster >
Clasificación > Clasificación supervisada > Clasificador de bosque aleatorio >ProductSet
Lector, seleccione el archivo a recortar en el último distrito > Random-Forest-Classifier >
El número de muestras de entrenamiento es igual a 5000 > El número de árboles es igual a 10 >Vectores de entrenamiento Seleccione todas las
áreas que han sido para hacer la digitalización excepto el límite del distrito > Ejecutar como se muestra en la Fig. 3.15
Entonces el resultado será Labeledclasses y Confidence luego pasan a clases de aislamiento.
próxima información
27
Figura 3.16 Resultados del Random Forest de Labeledclasses.
Para extraer la capa de datos haciendo clic derecho. Labeledclasses> Band Maths> Edit Expression>
Ingrese la fórmula si Labeledclasses == 0 que 2 más NaN donde los valores de Labeledclasses se toman de los valores.
Valor de cada clase que ha completado bosque aleatorio >Ok > Nombre Establecer el nombre de cada clase >Ok
Figura 3.17 Capas de datos
Luego, exporte la capa de datos como un archivo Tiff e ingrese al programa Arcgis.
28
Agregar datos Traiga el archivo exportado de snap para convertirlo en polígono yendo a
arctoolbox>herramientas de conversión>formar ráster>ráster a polígono como se muestra 3.18
Figura 3.18 Convirtiendo a Polígono
A continuación, agregue una tabla a Para calcular el área de rai, metro cuadrado y kilómetro cuadrado yendo a
editor>comenzar a editar>abrir tabla de atributos abierta Addfield>agregar m,km y rai a
Haga clic derecho en el encabezado de la tabla m, km, vaya a Calcular geometría, configure las coordenadas y presione ok en el encabezado de la tabla rai.
Haga clic derecho en Field Calculateor, use la fórmula km*625 para encontrar rai como se muestra en la imagen 3.19
Figura 3.19 Adición de una tabla y área de cálculo

29
Luego obtenga toda el área de metros cuadrados de esa clase. kilómetros cuadrados
y rai para entrar
proceso de validación adicional
Figura 3.20 Resultado del cálculo del área
Validación haciendo Merge para fusionar los datos de esa clase en la misma clase.
Vaya a la tabla de atributos abierta> Ctrl+A> editor> comenzar a editar> Fusionar> Espere un momento para Fusionar,
luego cree 140 puntos de validación, cada clase tiene 28 puntos, 5 clases van a
Arctoolbox > Herramienta de administración de datos > Clase de entidad > Crear punto aleatorio > Establecer punto
Es 28 >Ok como en la foto 3.21
Figura 3.21 Combinar y crear puntos de control

30
Haga que un punto tenga coordenadas yendo a Arctoolbox > Herramienta de administración de datos > Característica > Agregar
coordenadas XY > seleccione el archivo de punto creado > Aceptar como se muestra en la Figura 3.22.
Figura 3.22 Hacer que un punto tenga coordenadas
Continúe con el campo y valide en Excel.
La fórmula de validación de la Matriz de errores utiliza la Ecuación 1 del Capítulo 2.

31
3.3.2 Análisis de datos de imágenes de satélite Sentinel-1
3.3.2.1 Recopile datos de imágenes de Sentinel-1, un satélite capaz de penetrar el radar Sar.
nube y también puede recibir datos de día y de noche Es un satélite con imágenes de alta resolución. Las características de
datos utilizadas son Level1 GRD, modo IW, forma de onda VV+VH.
Registrado para los meses de septiembre, noviembre y diciembre.
3.3.2.1 Cortar el área de estudio utilizando datos de imágenes de satélite Sentinel-1.
Programa del sistema de información geográfica para analizar los datos y realizar más estudios de campo.
Abre el programa Snap. Elige abrir el coche. Los satélites entran y luego cortar los límites del área de estudio
Usando Subconjunto, vaya a Ráster> Subconjunto> Seleccionar área de estudio> Ok como en la imagen 3.23
Figura 3.23 Subconjunto del área de estudio
Luego aplicar Orbit File es para ajustar la órbita de las imágenes satelitales, vaya a Radar > Aplicar Orbit File >
seleccione la carpeta que desea guardar > Ejecutar como se muestra en la imagen 3.24
32
Figura 3.24 Aplicación del archivo Orbit
Vaya a Eliminación de ruido térmico S-1 para realizar la reducción de ruido de imagen yendo a
Radar > Radiométrico > Eliminación de ruido térmico S-1 > Seleccione el último archivo que se haya aplicado.
Orbit File > Run como se muestra en la Figura 3.25
Figura 3.25 Procedimiento S-1 Eliminación de ruido térmico
Entonces Calibrar es configurar la imagen para conocer la dirección porque los datos de Sentinel-1
Vuelva a Radar > Radiométrico > Calibrar > seleccione el último archivo ejecutado S-1 Thermal.
Eliminación de ruido > Ejecutar como se muestra en la Figura 3.27

33
Figura 3.27 Procedimiento de calibración
El filtro de manchas es para configurar la imagen en la dirección correcta. Vaya a Radar > Filtrado de manchas
> Filtro de manchas de un solo producto > Parámetros de procesamiento > Filtro > Seleccione como Lee > Tamaño de
filtro X e Y igual a 7 > Ejecute como se muestra en la imagen 3.28.
Figura 3.28 Procedimiento de filtrado de manchas
Entonces hacer Terrain Correction es establecer las coordenadas de la imagen yendo a Radares >
Geométrico > Corrección de terreno > Corrección de terreno de rango-Doppler > Procesamiento establezca Espaciado de
Parámetros > píxeles en 10 > Proyección de mapa en Zona UTM 47 / Mundo.
Sistema Geodésico 1984 > Quitar Marca de Marcar áreas Sin elevación
>Ejecutar como en la imagen 3.29

34
Figura 3.29 Procedimiento de corrección del terreno
Vaya a Convertir tipo de datos para convertir el tipo de datos yendo a Ráster > Datos
Conversión > Convertir tipo de datos > Parámetros de procesamiento > Tipo de datos de destino ÿÿÿÿ int8
> Ejecutar como se muestra en la imagen 3.30
Figura 3.30 Pasos para convertir tipos de datos
Luego vaya a GLCM comenzando en Ráster > Análisis de imagen > Análisis de textura > Gris
Matriz de co-ocurrencia de nivel > Parámetros de procesamiento > Contraste de ÿÿÿÿÿ , GLCM
Significar , Varianza de GLCM y Correlación de GLCM > Ejecutar como se muestra en la Figura 3.31
35
Figura 3.31 Procedimiento GLCM
A continuación, vaya a Herramienta > Creador de gráficos > haga clic con el botón derecho y seleccione Combinación de bandas y, a continuación, arrastre.
Flecha > Ejecutar como se muestra en la Figura 3.32
Figura 3.32 Pasos del generador de gráficos

36
Traiga Distrito de archivo de forma a Vector>Importar>Archivo de forma ESRI>Seleccione archivo de forma, luego
o
corte el área del área de estudio.Distrito>Abrir Raster>Máscaras>Tierra/Mar
Máscara>Procesamiento Parámetros>Seleccione Usar vector como máscara>Ejecutar como se muestra 3.33
Figura 3.33 Corte de los límites del área de estudio
Agregue el archivo Sentinel-2, luego vaya a Ventana> Mosaico horizontalmente para convertirlo en 2 ventanas y
digitalice el área con mayor precisión, luego cree un Vector, vaya a Vector> Nuevo contenedor de datos vectoriales> Nombre> Ok
como en la imagen 3.34
Figura 3.34 Creación de datos vectoriales

37
Digitalice el área de caña de azúcar comparándola con imágenes de satélite Sentinel-2 y digitalizándola.
mosaico digitalizando el área 1 área por 1 Vector de Datos, complete 10 áreas como se muestra en la Figura 3.35
Figura 3.35 Digitalización del área de muestra
Ingrese al proceso Random Forest. Ráster > Clasificación > Supervisado
Clasificación > Clasificador de bosque aleatorio > ProductSet-Reader Seleccione el archivo de corte.
El límite del distrito más reciente viene en > Random-Forest-Classifier > Número de muestras de entrenamiento es igual a 5000 >
Número de árboles es igual a 500 > Los vectores de entrenamiento seleccionan todos excepto los límites.
Distrito >Banda característica Seleccionar todo > Ejecutar como se muestra 3.36
38
Vaya al archivo Random Forest generado, haga clic con el botón derecho en Confianza > Matemáticas de banda
> Editar expresión > ingrese la fórmula si Confianza > 0.95 luego 2 más NaN con un nivel de confianza del 95 % de la
imagen y asígnele un nombre. >Ok Obtendrá una imagen con un valor de confianza del 95% como se muestra en la Figura 3.37.
Figura 3.37 Nivel de confianza de la imagen
Para exportar la imagen, haga clic con el botón derecho en la imagen > Exportar vista como imagen > seleccione la barra lateral derecha.
Es Escena completa> seleccione la extensión de archivo como Geo Tiff> Nómbrelo> Guardar como en la imagen 3.38
39
Figura 3.38 Guardar un archivo de imagen
Ingrese al programa Arcgis, luego agregue datos, traiga el archivo exportado desde Snap para hacer
o
Para convertir a polígono, vaya a Polígono, arctoolbox>herramientas de conversión >formar ráster > ráster a
seleccione el archivo importado > Ok, luego seleccione abrir tabla de atributos > Seleccionar por atributo >
Gridcode =0 > Aplicar como se muestra en la Figura 3.39.
Figura 3.39 Pasos para encontrar Gridcode

40
Eliminar Gridcode =0 editando>comenzar a editar>abrir tabla de atributos>ir a los datos
seleccionados>hacer clic con el botón derecho en el encabezado de la tabla y seleccionar Eliminar>dejar de
editar Imagen 3.40
Figura 3.40 Eliminación de datos seleccionados
Se hace el resultado de restar el área sobrante o Gridcode igual a 0. Luego se calcula la grilla.
metros, kilómetros cuadrados y rai, y luego continuar con las excursiones.
Figura 3.41 Resultados de la clasificación del área de siembra de caña de azúcar

41
3.3.3 Análisis de series temporales a partir de datos de imágenes de satélite Sentinel-1
3.3.3.1 Recopilación de datos de imágenes satelitales Sentinel-1, un satélite con radar Sar, puede
penetrar las nubes y recibir datos tanto de día como de noche. es un satelite
alta resolución Características de los datos utilizados Nivel 1 GRD, modo IW, línea de soporte de onda VV+VH Esta imagen
fue registrada durante los meses de mayo a febrero.
3.3.3.2 Corte el área de estudio utilizando datos de imágenes satelitales Sentinel-1 para cubrir el área.
Estudio utilizando el programa del Sistema de Información Geográfica para el análisis de datos y la encuesta.
siguiente campo
Abre el programa Snap. Elige abrir el coche. Los satélites entran y luego cortar los límites
Área de estudio usando Subconjunto, vaya a Ráster> Subconjunto> Seleccionar área de estudio> Ok como se muestra en la imagen 3.42
Figura 3.42 Área de subconjuntos
Cree Graph Builder yendo a Herramienta> Graph Builder> haga clic con el botón derecho en Calibración>
Speckle-Filter> Terrain-Correction> Linear TofromdB> seleccione Terrain, configure Filter to Lee> Filter Size
Corrección > X,Y equal to 7> Guardar como se muestra en 3.43.

42
Figura 3.43 Creación de generador de gráficos
Vaya a Herramientas > Procesamiento por lotes > Importar imágenes todos los meses que se hayan subconjunto.
>Cargar Gráfico que ha sido registrado en el paso anterior >Ejecutar como en la imagen 3.44
Figura 3.44 Procesamiento por lotes de imágenes

43
luego ve a Radar > Registro conjunto > Herramienta de pila > Crear pila > Añadir
Imagen que pasó por el proceso de Procesamiento por lotes > vaya a 2-CreateStack > seleccione Método de
compensación inicial como Geolocalización del producto > Ejecute como se muestra en la Figura 3.45
Figura 3.45 Pasos para crear una pila de imágenes
Vaya a Ventana > Abrir ventana de imagen RGB > seleccione el archivo del mes deseado > Aceptar.
como se muestra en la figura 3.46
Figura 3.46 Abrir ventana de imagen RGB ofrece 3 intervalos de tiempo de imágenes superpuestas.
Vaya a Datos vectoriales > Nuevos datos vectoriales > Nómbrelo > Aceptar > Digitalizar el área.
Caña de azúcar 1 área como se muestra en la imagen 3.47

44
Figura 3.47 Digitalización del área de caña de azúcar
Vaya a Ver > Ventanas de herramientas > Radar > Serie temporal para ver el crecimiento de
Caña de azúcar, como en la foto 3.48
Figura 3.48 Método de series de tiempo
Vaya a Configuración > seleccione los archivos que hayan pasado por el proceso Crear pila > Aplicar.

45
Figura 3.49 Configuración de la imagen de serie temporal
Vaya a Filtrar banda > seleccione Sigma_VH_db. y Sigma_VV_db > Ok como en la imagen 3.50
Figura 3.50 Selección de una banda de filtro
Para anclar un área, vaya a Ver > Ventanas de herramientas > Administrador de pines > Anclar.
En el área de caña de
azúcar, hay 5 puntos como se muestra en la Figura 3.51.
46
Fig. 3.51 Administrador de pines Pinning
Seleccione Mostrar para todos los pines > luego aparecerá un gráfico para las 5 líneas y de VV y VH, luego
continúe con el análisis y los viajes de campo.
Figura 3.52 Visualización de Serie Temporal del área de siembra de caña de azúcar
47
3.3.4 Análisis de imágenes antena de un vehículo aéreo no tripulado
3.3.4.1 Recopilación de datos fotográficos antena de un vehículo aéreo no tripulado utilizando la altura de vuelo
20 metros y un área de 50*63 metros cuadrados.Esta foto fue grabada en septiembre.
3.3.4.2 importar imágenes a Agisoft Photoscan para el procesamiento de fotografías, y
para comparar la altura de la caña de azúcar con el método de Series Temporales.
Abra el programa y agregue una imagen. Vaya a Flujo de trabajo > Agregar foto > Seleccione una imagen.
quiere traer para que el investigador traiga Las 227 imágenes se procesan > Abrir como se muestra en la Figura 3.53
Figura 3.53 Agregar una foto al programa

o
Coloque el punto Marcador yendo a Referencia > Clic derecho.

Punto de control > Agregar
Marcador agregando Marcador 2 veces > haga doble clic en la primera imagen que tiene un objetivo en la imagen > vaya al
centro del objetivo haga clic con el botón derecho > seleccione Punto 1 y 2 si la imagen ve 2 puntos de Marcador
Figura 3.54 Colocación del punto de control

48
Cuando todos los puntos de control han sido colocados Mida la distancia del punto de destino o el Marcador
de cuánta distancia es la misma que la medición en el área real o no.
10 metros, vaya a > Regla > haga clic en Marker1 y 2.
Figura 3.55 Medición de la distancia del marcador
Comience a procesar para crear un punto, vaya a Flujo de trabajo > Alinear foto > Precisión,
seleccione Alto > Aceptar como se muestra en la Figura 3.56.
(a) (b)
Figura 3.56(a) Procesamiento Alinear foto (b) Efecto de procesamiento
Procesar Nube de puntos a Flujo de trabajo > Crear una nube densa
>Calidad Elija Media porque la resolución de la imagen es alta, puede causar la memoria.
No lo suficiente> Ok como se muestra en la imagen 3.57

49
(a) (b)
Figura 3.57 (a) Creación de computación en la nube densa (b) Resultados del procesamiento
Procesando la red triangular para Flujo de trabajo > Construir malla > Cara
cuenta Seleccione Medio > Ok como en la imagen 3.58
(a) (b)
Figura 3.58(a) Procesamiento de malla de construcción (b) Resultados del procesamiento
Para procesar la textura de la imagen, vaya a Flujo de trabajo > Crear textura > Aceptar.
(a) (b)
Figura 3.59 (a) Procesamiento de textura de construcción (b) Efecto de procesamiento

50
Guarde el archivo en Archivo > Guardar como > Ok, luego procese DEM para
o
Flujo de trabajo > Construir DEM > Establecer

coordenadas para crear un modelo de altura de imagen para
WGS 84/UTM zona 47 > Ok como imagen 3.60
(a) (b)
Figura 3.60 (a) Procesamiento DEM (b) Resultados del procesamiento
Procese la imagen Ortho yendo a Workflow > Build Orthomasic > Ok.
(a) (b)
Figura 3.61 (a) Procesamiento de imágenes de ortofotos (b) Resultados del procesamiento
51
Capítulo 4
Resultados de la investigacion
Los resultados del estudio sobre la expansión de las áreas de plantación de caña de azúcar y el análisis de las etapas de crecimiento de la
caña de azúcar. Un estudio de caso del distrito de Bang Raka, provincia de Phitsanulok. Los datos de imágenes satelitales se analizaron en la clasificación
del área.
cobertura del suelo, el cambio de uso del suelo en lacaña de azúcar
expansión del yárea
seguimiento del crecimiento
de plantaciones de caña de la caña de
azúcar. azúcar Estudiar
y estudiar la de
las etapas clasificación
crecimientodede
la Caña
de azúcar durante el período de siembra Hay resultados de investigación de Bae. Los resultados del análisis se dividieron en 5 partes de la siguiente
manera:
4.1 Uso y cantidad de suelo Clasificación de la cobertura del suelo en el área de estudio 4.1.1
Resultados de la clasificación del uso del suelo 4.1.2 Resultados de la validación 4.2
Clasificación del área de plantaciones de caña de azúcar 4.3 Resultados del análisis de
crecimiento de las áreas de plantaciones de caña de azúcar caña de azúcar
4.4 Resultados del procesamiento de imágenes de drones (UAV)
4.5 Resultados de campo de campo
4.1 Clasificación del uso del suelo y cobertura del suelo en el área de estudio
Uso y cantidad de suelo Clasificación de la cobertura del suelo en visitas de campo Se realizaron relevamientos de campo en el área de
estudio, que consistió en recursos hídricos, áreas baldías. yermo Zonas urbanas y edificaciones, caña de azúcar, yuca, arrozales, teca recogiendo las
coordenadas de cada tipo de cobertura del suelo. En las encuestas de campo, se encontró que la mayor parte del área se cultivó para 2 tipos de cultivos
comerciales, a saber, caña de azúcar y arroz. Las coordenadas de cada tipo de cobertura del suelo se mostraron a partir de la encuesta. Campo como se
muestra en la Figura 4.1

52
Figura 4.1 Área de muestra de campo de campo
A partir de la Figura 4.1, la encuesta de campo en el área de estudio encontró que los subdistritos de Chum
Saeng, Songkhram, Tha Nang Ngam y Bang Raka durante el área de la encuesta El área agrícola en esta área ha sido dañada
por las inundaciones porque es un área receptora de agua. agua de Sukhothai o Bang Raka Model, área de caña de azúcar y La
mayor parte de la agricultura se distribuye en todas las áreas de estudio. Pero la mayor parte del área de caña de azúcar se
distribuye en el subdistrito de Bang Raka, Bueng Kok, Secretario Permanente, Nong Kula, Bueng Kok y el polígono industrial de
Pattana. Aparte de eso, está disperso. En una pequeña parte, las áreas urbanas y los edificios son concentrada en cada distrito.
Áreas de subdistrito y áreas de borde vial, recursos hídricos, áreas agrícolas y otras áreas dispersas en el área de estudio La
Tabla 4.1 es un ejemplo de uso de suelo en salidas de campo en el área de estudio.

53
Tabla 4.1 Uso de la tierra y uso de la tierra Retire la cubierta de la encuesta de campo.
fotos de
área Imagen de satélite Coordenada (X) Coordenada (Y)
en el campo
arroz 613049 1848112
613059 1849118
Caña de azúcar
ciudad y esas cosas 619221 1853169
construir
Tierra T w la 613308 1850127
nada
área de origen 619257 1853535
agua
norte
o
metro norte 613144 1849270
Mandioca
613049 1849112
plátano
tatuaje 611444 1849635

54
Al comparar los datos de campo con los datos fotográficos En el programa satelital como se muestra en la Tabla
4.1, no se encontraron problemas de utilización de la tierra. Algunas áreas coincidieron debido a las visitas de campo en septiembre
de 2020. La transmisión por satélite es una serie de imágenes del mes pasado. septiembre y octubre
2019 y regreso el próximo año que algunas áreas tienen hierba creciendo como un terreno baldío Algunas áreas son el período de preparación del suelo para
cultivos, y algunas áreas se inundaron La mayoría de las áreas de estudio fueron precisas en base a las visitas de campo.
4.1.1 Resultados de la clasificación del uso del suelo
clasificación basada en objetos clasificación)
no
satélites del área de muestreo o determinación del área de muestreo al punto de la imagen para capturar el punto de o
la imagen con homogeneidad y nitidez. para calcular el valor estadístico de cada longitud de onda para el objeto generado
ajustando los parámetros adecuados a la imagen para que la imagen sea la clasificación más precisa
Al utilizar el método de clasificación Random Forest, los resultados del análisis se muestran en la Figura 4.2.
Figura 4.2 Los resultados de la clasificación objetiva en 2019

55
De la Figura 4.2, los resultados de la clasificación del cambio de uso del suelo en el distrito de Bang Raka, provincia
Phitsanulok se puede clasificar en 5 tipos que son áreas agrícolas. área de plantación de caña de azúcar
Recursos hídricos, espacios vacíos y áreas y edificios comunitarios La mayoría de las áreas vacantes son
Agricultura en la que se ha dejado descansar el suelo o después de la cosecha. que muestra el porcentaje de los resultados de la clasificación
Cambios en el uso de la tierra como se muestra en la Figura 4.3
Figura 4.3 Gráfico que muestra el porcentaje de ventas Clasificación del uso de la tierra
de la clasificación de los cambios de uso del suelo El área de estudio tiene una superficie total de 620.026,87 rai, la
mayoría de las cuales son zonas agrícolas. representó el 36,63%, seguido por el área de siembra de caña de azúcar
18,46% Área comunitaria y edificios representaron 10,44 por ciento de espacio vacío representaron el 9,41% y las áreas de
fuentes de agua el 1,81% del área total.
4.1.2 Resultados de la validación
Los resultados del análisis de las fotografías. transmisión satelital con resultados preliminares desde el Para determinar el área
de muestra se utilizó este estudio para verificar la precisión con las tablas de error.
Calcule la precisión general (Overall Accuracy) obtenida de la clasificación como se muestra en la Tabla 4.2
56
Cuadro 4.2 Lista de verificación C Precisión (matriz de errores)
clase Agua llevar Usuario

agricultura caña de azucar urbana
suelo Suma precisión
agua 20 8 0 0 0 28 71.43
Agricultura 0 26 1 1 0 28 92.86
caña de azúcar 0 2 24 0 2 28 85.71
Urbano 1 8 3 14 2 28 50.00
suelo de oso 0 7 3 0 18 28 64.29
Suma 21 51 31 15 22 140
Productor 95.24 50.98 77.419 93.33 81.82
precisión
General 72.86
precisión
En la Tabla 4.2 se muestran los resultados de verificar la precisión de la mezcla de clasificación en
diciembre de 2019 con una precisión general igual al 72,86 por ciento. Se encontró que la fuente de agua del
área Hay 8 áreas de agua mezcladas con áreas agrícolas Las áreas agrícolas están mezcladas con áreas cañeras.
1 punto y ciudad 1 punto El área de caña de azúcar se mezcla con área agrícola en 2 puntos y área baldía
No. 2 puntos El área de la ciudad y los edificios se mezclan con el área de la fuente de agua en 1 punto Agricultura
8 manchas, 3 manchas de caña de azúcar y 2 áreas vacías, áreas vacías mezcladas con áreas
Agricultura 7 puntos y caña de azúcar 3 puntos de 28 puntos en cada área. Hay 20 áreas de recursos hídricos,
24 áreas de caña de azúcar, 26 áreas agrícolas, 18 áreas urbanas y edificios que son precisos con datos de
campo.
14 puntos
57
4.2 Resultados de la clasificación de áreas de siembra de caña de azúcar
Resultados de clasificación de áreas de siembra de arroz por método random forest, determinando el número de datos de
5.000 puntos y 500 modelos de árboles de decisión por 1 satélite Sentinel-1, 4 imágenes oentrenamiento, utilizando datos fotográficos
del 30 de noviembre de 2017, 7 de diciembre de 2018, 2 de diciembre de 2018. 2019, el 3 de septiembre de 2020, los resultados del
análisis son los que se muestran en la Figura 4.4
2017 2018
2020
2019
Figura 4.4 Resultados de la clasificación del área de siembra de caña de azúcar en 2017, 2018, 2019 y 2020
De la Figura 4.4, los resultados de categorizar las áreas de plantación de caña de azúcar en el distrito de Bang Raka, provincia de Phitsanulok, se encontró que
Cambios en las áreas de siembra de caña de azúcar cada año El número de áreas para la siembra de caña de azúcar es cada año más y menos como se muestra en la tabla.
4.3
58
La Tabla 4.3 muestra el tamaño del área de siembra de caña de azúcar en cada año
año kilómetros cuadrados qué porcentaje
2017 73.41 45,883 7.40
2018 65.24 40775 6.58
2019 86.89 54304 8.76
2020 4.56 2851 0,46
juntos 230.10 143,813 23.20
De la Tabla 4.3 que muestra el tamaño del área de siembra de caña de azúcar en cada año, se encontró que en 2017, el tamaño del área
es 45.883 rai o 7,40 por ciento. 2018 tiene un área de 40.775 rai o 6,58 % 2019 tiene un área
de 54.304 o 8,76 % y 2020 tiene un área de tamaño
igual a 2.851 rai o 0,46% respectivamente.
Nivel de subdistrito en cada año del distrito de Bang Raka a partir de 2017, como se muestra en la Figura 4.5
Áreas en cada subdistrito en 2017

Pantano de rinoceronte Tapón Nikhom Phatthana
Nong Kula Kok Mil Sao estanque dorado
Wang Itok explosión raka bella dama
Chum Saeng Songkhram charla púrpura
1.24
0,95 0.88
0.82 0.82
0.53 0,62
0,43 0,39 0.41
0.30
Figura 4.5 Gráfico que muestra el área de caña de azúcar en cada subdistrito en el distrito de Bang Raka, 2017
59
De la Figura 4.5, área de caña de azúcar en cada subdistrito del distrito de Bang Raka en 2017, se encontró que todas las áreas de
Cada subdistrito del distrito de Bang Raka tiene áreas de plantación de caña de azúcar en casi todas las áreas.
0,82 % Tambon Bueng Kok, 0,95 % de superficie de plantación de caña de azúcar, subdistrito de Nikhom Phatthana, 0,53 % de superficie de plantación de caña de azúcar,
subdistrito de Nong Kula, 0,88 % de superficie de plantación de caña de azúcar, subdistrito de Pan Sao, con 0,88 % de superficie Plantación de caña de azúcar 0,43 % , subdistrito
Bo Thong tiene una plantación de caña de azúcar del 0,39 %; el subdistrito de Wang Itok tiene una superficie de plantación de caña de azúcar del 0,30 %; el subdistrito de Bang Raka tiene
1,24 % del área de plantaciones de caña de azúcar, subdistrito de Tha Nang Ngam, 0,41 % del área de plantaciones de caña de azúcar, subdistrito de Chum Saeng Songkhram, con
Área plantada de caña de azúcar 0,62% y el subdistrito de Khoi Muang tenía 0,82% de área plantada de caña de azúcar en 2017.
Bang Raka tiene el área de plantación de caña de azúcar más alta, seguida por el subdistrito de Bueng Kok, Nong Kula y Khuem. Luong, Chum Saeng Songkhram, pantano
Rhino, Nikhom Phatthana, Phan Sao, Tha Nang Ngam, Bo Thong y el menor es el subdistrito de Wang Itok, respectivamente Nivel de subdistrito
como se muestra en la Figura 4.6
Pantano de rinoceronte Tapón Kok Nikhom Phatthana nongkula
mil pilares estanque dorado Wang Itok explosión raka
bella dama Chum Saeng Songkhram, Khuemuang
1.23
0.80 0.85
0.74
0.53 0,50 0,51
0,46
0,33 0,30 0.33
Figura 4.6 Gráfico que muestra el área de caña de azúcar en cada subdistrito en el distrito de Bang Raka, 2018
De la Figura 4.6, el área de caña de azúcar en cada subdistrito del distrito de Bang Raka en 2018 encontró que el área
El subdistrito de Plak Rad tiene un área de plantación de caña de azúcar del 0,46 %, el subdistrito de Bueng Kok tiene un área de plantación de caña de azúcar del 0,80 %
Nikhom Phatthana tiene un área de plantación de caña de azúcar del 0,74 %, el subdistrito de Nong Kula tiene un área de plantación de caña de azúcar del 1,23
%, el subdistrito de Phan Sao, el área de plantación de caña de azúcar del 0,53 %, el subdistrito de Bo Thong, el área de plantación de caña de azúcar del 0,33 %.
Wang Itok tiene el 0,30 % del área de plantación de caña de azúcar, el subdistrito de Bang Raka tiene el 0,85 % del área de plantación de caña de azúcar, el subdistrito de Tha
60
Nang Ngam tiene una plantación de caña de azúcar del 0,33% en el subdistrito de Chum Saeng Songkhram. teniendo un área de 0.50% y un sub-distrito
Kui Muang tiene un área de plantación de caña de azúcar del 0,51%.
En 2018, el subdistrito de Nong Kula tenía la mayor superficie de cultivo de caña de azúcar. seguido por bang raka
, Bueng Kok, Nikhom Phatthana, Thousand Sao, Discusión Luang, guerra de Chum Saeng, rinoceronte de pantano, Tanga, Tha Nang Ngam y Noi
La mayoría es el subdistrito de Wang Itok, respectivamente. En 2019, el distrito de Bang Raka tiene un área de cultivo de caña de azúcar en el
Subdistrito como se muestra en la imagen 4.7
1.43
1.07
0.93 0,93 0,97
0.71
0,60
0.58 0,50 0,50
0,55
Figura 4.7 Gráfico que muestra las áreas de cultivo de caña de azúcar en cada subdistrito del distrito de Bang Raka, 2019
De la Figura 4.7, áreas de plantación de caña de azúcar en cada subdistrito en el distrito de Bang Raka en 2019, se encontró que
El subdistrito de Plak Rad tiene un 0,60% de área de plantaciones de caña de azúcar, el subdistrito de Bueng Kok tiene un 0,93% de área de plantaciones de caña de azúcar, el subdistrito de Nikhom
Urbanización, con 0,71 % de superficie de plantaciones de caña de azúcar, subdistrito de Nong Kula, 1,07 % de superficie de plantaciones de caña de azúcar, subdistrito de Pan Sao, con
0,58 % del área de plantación de caña de azúcar Subdistrito de Bo Thong 0,50 % del área de plantación de caña de azúcar El subdistrito de Wang Itok tiene área de plantación de caña de azúcar
0,50% Subdistrito Bang Raka 1,43% Plantación de caña de azúcar Tambon Tha Nang Ngam tiene 0,55% Área de plantación de caña de azúcar Subdistrito Chum
Saeng Songkhram En 2019, Bang Raka tiene la mayor superficie de plantaciones de caña de azúcar y el 0,97 % corresponde a plantaciones de caña de azúcar.
Tambon Nong Kula, Khue
Muang, Chum Saeng Songkhram, Bueng Kok, Nikhom Phatthana, Swamp Rhino, Thousand Sao, Tha Nang Ngam y la menor área de siembra de caña de azúcar
61
son el subdistrito de Bo Thong y el subdistrito de Wang Itok, respectivamente.
Subdistrito como se muestra en la imagen 4.8

0.08
0.06
0.06
0.05 0.05
0.05
0.03
0.02
0,02 0,02 0,02
Figura 4.8 Gráfico que muestra el área de caña de azúcar en cada subdistrito en el distrito de Bang Raka, 2020.
De la Figura 4.8, el área de caña de azúcar en cada subdistrito en el distrito de Bang Raka en 2020, se encontró que el área
Subdistrito de Plak Rad, 0,02 % de superficie de plantaciones de caña de azúcar, subdistrito de Bueng Kok, 0,05 % de superficie de plantaciones de caña de azúcar, subdistrito de Nikhom
Desarrollo: 0,03 % del área de plantaciones de caña de azúcar, subdistrito de Nong Kula, 0,06 % del área de plantaciones de caña de azúcar, subdistrito de Phan Sao, con
0,02 % del área de plantación de caña de azúcar Subdistrito de Bo Thong 0,02 % del área de plantación de caña de azúcar El subdistrito de Wang Itok tiene área de plantación de caña de azúcar
0,02 % Subdistrito de Bang Raka 0,05 % Plantación de caña de azúcar
0.06 Subdistrito de Chum Saeng Songkhram subdistrito de Khie Muang con 0,08% del área de siembra de caña de azúcar y subdistrito de Khie Muang con 0,05% del área
de siembra de caña de azúcar, subdistrito de Chum Saeng Songkhram Tiene el área de plantación de caña de azúcar más alta, seguida por el subdistrito de Nong Kula, Tha
reina de belleza, bangrak Bueng Kok, hablar Wong, Nikhom Phatthana y el área con menos cultivo de caña de azúcar es Tambon Phan
Sao, Bo Thong y Wang Itok respectivamente.
El área de caña de azúcar en cada subdistrito en el distrito de Bang Raka tiene todas las áreas, pero el área tiene mucho cultivo de caña de azúcar.
En general, el porcentaje cada año de cada área de plantaciones de caña de azúcar El área con más distritos cada año se encuentra en el subdistrito de Bang Raka, aunque
Algunos años habrá una disminución, pero es principalmente el área donde se planta la caña de azúcar, seguida por el subdistrito de Nong Kula y el subdistrito de Bueng.
62
Kok, subdistrito de Khueom Muang, subdistrito de Chum Saeng Songkhram, subdistrito de Nikhom Phatthana, subdistrito de Plak Rad, subdistrito de Phan Sao y subdistrito No.
La menor cantidad de caña de azúcar sembrada fue Subdistrito de Tha Nang Ngam y Subdistrito de Wang Itok
4.3 Resultados del análisis de crecimiento de la caña de azúcar
Los resultados del análisis del crecimiento de la caña de azúcar en el área del distrito de Bang Raka, provincia de Phitsanulok
utilizando el método de Series Temporales utilizando 10 imágenes de satélite Sentinel-1. desde el mes pasado.
mayo de 2019 a febrero de 2020, los resultados del análisis se muestran en la Figura 4.9.
Figura 4.9 Resultados del análisis de crecimiento de la caña de azúcar de mayo de 2019 al mes
febrero 2020
De la Figura 4.9, los resultados del seguimiento del crecimiento de la caña de azúcar en el distrito de Bang Raka, provincia.
Phitsanulok mediante el análisis del crecimiento de la caña de azúcar Se utilizaron dos tipos de polarización: VV y VH.
y se colocaron 5 pines en el área de siembra de caña de azúcar, se encontró que durante los meses de mayo a junio la caña de azúcar
fue el inicio del período de siembra. causando el gráfico El gráfico VV comienza en -
10 db VH comenzará a -20 db cuando la caña de azúcar comience a crecer. septiembre a mes
Octubre: la caña de azúcar en algunas áreas alcanzará su altura máxima, pero aquí es cuando la caña de azúcar comienza a producir azúcar, siendo los números VV los más altos.
aproximadamente -7db, el VH más alto es de aproximadamente -12 db, de diciembre a febrero es el período
Cosecha de caña de azúcar VV es el más bajo a -15 db y VH es el más bajo.
es de aproximadamente -23 db
63
4.4 Resultados del procesamiento de imágenes de drones (UAV)
Los resultados del procesamiento de imágenes de un dron (UAV) en el área de estudio, distrito de Bang Raka, provincia.
Phitsanulok, usando 227 imágenes para ser procesadas como fotos el 3 de septiembre de 2020.
Obtenga resultados del procesamiento como se muestra en la Figura 4.10
(A) (B)
Figura 4.10 Resultados del procesamiento de imágenes de un vehículo aéreo no tripulado (UAV).
De la Figura 4.10, procesamiento de imágenes de drones, se encontró que durante el día 3 de septiembre
En 2020, el crecimiento de la caña de azúcar fue bastante notable. A partir del procesamiento del DSM (Figura A), se encontró que
altura de la caña de azúcar tener un valor relativamente alto Esto es evidente en la imagen del DSM.
Altura: 54 a 56 metros, color DSM, área de siembra de caña bien visible Área de siembra de caña de azúcar.
estará en el rango de verde (imagen B) como resultado del procesamiento de la imagen final, conocida como una imagen fotográfica Ortho
que ha combinado 227 imágenes en una imagen y al comparar la relación entre
Valor de altitud y tiempo del vehículo aéreo no tripulado (DSM) El resultado de la serie (db) saldrá como se muestra en la imagen 4.11
La relación de db y UAV
100
y = 1.9429x + 70.952
50 R² = 0,61
0
0 -10 -20 -30 UAV(Y)
Lineal (UAV(Y))
base de datos
Figura 4.11 Gráfico que muestra la relación entre db y UAV.

64
De la Figura 4.11, se utiliza la relación entre los valores db y UAV utilizando una ecuación de regresión lineal.
encontró que el valor db es negativo a partir del valor en –30,-20,-10 y 0 mientras que UAV comienza desde 0,50 y 100
Se observó que las dos líneas se cruzan en el punto entre el valor db de -10 y el valor UAV de aproximadamente 54 a 56, por lo que la relación
entre la serie temporal y la altitud del vehículo aéreo no tripulado. correlacionado
El período en que las curvas se cruzan es la época de septiembre, cuando la caña de azúcar se acerca a su altura máxima.
4.5 Resultados de campo
Resultados de las salidas de campo en el área de estudio volar un dron y medir la altura de la caña de azúcar desde
línea horizontal comparando la altura del investigador con la caña de azúcar como se muestra en la Figura 4.12
Figura 4.12 Medición de la altura de la caña de azúcar horizontal
De la Figura 4.12, la medida de la altura horizontal de la caña de azúcar fue para comparar la altura de
La altura del investigador encontró que Caña de azúcar en septiembre crece mas de 2 metros casi todas las áreas, pero también
Algunas áreas que aún no están creciendo Podría ser un cultivo más lento. en el cultivo de la caña de azúcar
Cerca de la capacidad máxima, los tallos de caña de azúcar aún son pequeños porque aún no están Hasta que se produce la caña de azúcar, los tallos de la caña de azúcar todavía son pequeños.
y todavía no se puede cosechar que está cerca de la medida de la altura de la caña vertical o el uso de vehículos aéreos no tripulados
Controlador y serie temporal que se han procesado y comparado anteriormente.

sesenta y cinco
Capítulo 5
Resumen y discusión de los resultados del estudio
Los resultados del estudio sobre la expansión del área de siembra de caña de azúcar y el número de para monitorear las etapas de crecimiento
de caña de azúcar, un estudio de caso del distrito de Bang Raka, provincia de Phitsanulok.
Cambiar la utilización de la tierra de la expansión del área de plantación de caña de azúcar y estudiar el período de crecimiento de
Caña de azúcar durante la siembra porque quería conocer el área de cultivo de caña de azúcar cada año y
El crecimiento de la caña de azúcar durante la temporada de crecimiento hasta la temporada de cosecha. para estimar el rendimiento
de esta zona de siembra de caña de azúcar para aprovechar
5.1 Resultados de la clasificación de la cobertura terrestre
a partir del análisis de datos de imágenes satelitales Sentinel-2 utilizando
Random Forest modificando los parámetros, el color de la imagen, la forma, la agrupación y la suavidad, obtuvo los resultados del análisis
y el uso de la tierra para los 5 tipos, a saber, recursos hídricos, áreas agrícolas.
Áreas y edificios comunitarios área de plantación de caña de azúcar Se encontró que en diciembre de 2019 la mayor superficie agrícola fue
de 36,63 por ciento, la mayor superficie de cultivo de caña de azúcar fue de 18,46 por ciento.
y el edificio más alto es 10.44 por ciento, el área vacante más alta 9.41 por ciento y el área de agua más alta
igual al 1,81% de la superficie total
5.1.1 Resultados de la validación
del análisis del coche transmisión por satélite utilizando el método Random Forest puede
Verifique la precisión de la cobertura del suelo que se puede mezclar entre sí teniendo una precisión general igual al 72,86 %. El agua se
mezcla con las zonas agrícolas. debido al área
Algunas áreas agrícolas tienen cultivos que requieren agua. La gran cantidad de agua hace que la clasificación del área se distorsione.
La agricultura se mezcla con campos de caña de azúcar y comunidades y edificios. porque algunas zonas agrícolas tienen
Plante arroz y cámbielo por un área de caña de azúcar, o puede seleccionar al azar el área para ser clasificadas en áreas cañeras adjuntas
66
El área se mezcla con áreas comunitarias y edificios. Porque en la clasificación se pueden seleccionar aleatoriamente zonas con zonas comunitarias.
Adjunto se encuentra el área cañera mezclada con terrenos agrícolas y terrenos baldíos. porque algunas zonas cañeras
mezclado con áreas agrícolas causado por muestreo aleatorio en áreas con tierras agrícolas adjuntas o área recta
Era una zona agrícola, pero se convirtió en una zona de plantaciones de caña de azúcar. El área de siembra de caña de azúcar se mezcla con el área baldía.
No, porque durante el mes En diciembre, algunas áreas de caña de azúcar fueron cosechadas parcialmente, por lo que el área
agricultura caña de azúcar

un espacio tan vacío Las áreas comunitarias y de construcción se mezclan con fuentes de agua y áreas vacías. Porque
el área comunitaria y los niños construyeron Hay conglomerados en toda el área de estudio. en el área de muestra Por lo tanto, es fácil adherirse al
azar a otras áreas. haciendo que las áreas comunitarias y los edificios se mezclen con el área
Muchos otros La tierra baldía se mezcla con tierra agrícola y de caña de azúcar, ya que en su mayoría está vacía.
Zonas agrícolas y cañeras durante diciembre La mayor parte del producto se cosecha, lo que hace que el área
Los campos agrícolas y de caña de azúcar han quedado baldíos.
5.2 Resultados de la clasificación de áreas de siembra de caña de azúcar
Del análisis de imágenes de satélite Sentinel-1 por clasificación con
Método Random Forest configurando parámetros, forma, ajuste fino, usando polarización VV+VH, usando los 4 períodos de tiempo de imagen.
es 41.675 rai, equivalente a 6,72 % 2018 tiene un área de 39.832 rai o 6,42 % El año 2019 tiene un área de 51.346 o 8,28 % y 2020 tiene un área de
tamaño
igual a 2.911 rai o 0,47% La clasificación de las áreas de siembra de caña de azúcar en los últimos 4 años En 2019, hubo la mayor cantidad de áreas
de siembra de caña de azúcar, seguido por el año 2017 y 2018, en el que el año 2018 y
2019, el gobierno tiene una política para promover la siembra de caña de azúcar en campos de arroz inadecuados (Oficina de
Junta de Caña de Azúcar y Agua Sugarcane, 2019) y 2020, se presenta la menor cantidad de área de siembra de caña de azúcar. representó el
0,47%, con área de caña de azúcar en 2020 clasificada a principios de septiembre, con algunos
Las áreas donde la superficie del suelo y algunas áreas de caña de azúcar aún no están completamente desarrolladas, lo que dificulta la clasificación de las áreas de siembra de caña de azúcar.
poco a poco se aclara El área se puede clasificar menos que en otros años cuando el área se separa en cada subdistrito del distrito.
Bang Raka descubrió que el área de plantación de caña de azúcar en 2017 era el área con la mayor área de cultivo de caña de azúcar en el
subdistrito de Bang Raka, lo que representa el 1,24 por ciento. y el menor es el subdistrito de Wang Itok, que representa el 0,30 por ciento.
67
La caña de azúcar más alta fue Tambon Tha Nang Ngam, con un 1,23%, y el área con menos cultivo de caña de azúcar fue Tambon Wang I.
0,30 En 2019, el área de plantación de caña de azúcar más alta fue el subdistrito de Bang Raka, 1,43%, y la menor fue el
subdistrito de Bo Thong y el subdistrito de Wang Itok. representó el 0,50 por ciento Año 2020, el área con alta siembra de caña de azúcar
El área es el subdistrito de Nikhom Phatthana, que representa el 0,08%, y la menor es el subdistrito de Plak Rad, Phan Sao, subdistrito de Bo Thong.
y Wang Itok representaron el 0,02 por ciento. Debido al año 2020 se analizó en septiembre, hay algunas zonas donde la caña de azúcar
El suelo aún no ha crecido por completo, lo que provoca el error de clasificación. Cada año, el subdistrito de Bang Rakami
El área más alta de plantaciones de caña de azúcar y el subdistrito de Wang Itok tenían la menor área de plantaciones de caña de azúcar, respectivamente.
5.3 Resultados del seguimiento del crecimiento de la caña de azúcar
A partir del análisis de imágenes satelitales por el método de Series Temporales, utilizando
o
Dos tipos de polarización, VV y VH, utilizan un total de 10 períodos de tiempo de imagen, a saber, fecha y hora. 12
Mayo 2019 , 17 junio 2019 , 11 de julio de 2019, 9 de , 4 de agosto de 2018
2562 , septiembre de 2019, 3 de octubre de 2019, 20 de noviembre de 2019 , 14 de diciembre
El año 2019, el 7 de enero de 2020 y el 12 de febrero de 2020 se han fijado en el área.
Hay 5 puntos de caña de azúcar, cada uno de los cuales tiene la misma curva de crecimiento tanto en forma VV como VH.
Durante el mes de mayo es la época de siembra de la caña de azúcar. haciendo que la línea del gráfico esté en el rango bajo de junio a
Agosto es el período en que la caña de azúcar comienza a crecer, por lo que la curva sube gradualmente, algunas líneas son más bajas.
porque la zona está cubierta de maleza septiembre a octubre La caña de azúcar está cerca de la madurez completa en la línea del gráfico.
el más alto en ese período Noviembre a diciembre es el período en que la caña de azúcar está en la fase de producción de azúcar, lo que provoca la curva
Fijo, finales de diciembre a febrero es la temporada de cosecha haciendo que la línea del gráfico disminuya
Rápidamente, en la comparación del seguimiento del crecimiento de la caña de azúcar por polarización de ambos tipos, se encontró que
La polarización VH indica una mejor etapa de crecimiento que VV y es consistente con la
Cultivo (Siam Kubota, 2017)

68
5.4 Resultados del procesamiento de imágenes del vehículo aéreo no tripulado (UAV)
El nivel de correlación de la altura de la caña de azúcar desde un vehículo aéreo no tripulado y la
altura de la caña de azúcar desde el campo y la serie temporal encontró que durante el 3 de septiembre de 2020, en el
área de estudio, el tipo de imagen de procesamiento En el área de caña de azúcar de simulación de elevación numérica
(DSM), hubo elevaciones notables en el rango de aproximadamente 54 a 56 m, y fue consistente con la metodología de
serie de tiempo encontrada en septiembre. El área de siembra de caña de azúcar está cerca de la madurez, pero aún no
es el momento de estar lista para la cosecha.
Discutir los resultados
Estudio de expansión del área de siembra de caña de azúcar y análisis de las etapas de crecimiento de la caña
de azúcar en 2017 a 2020 en términos de clasificación o clasificación del uso de la tierra. Para la clasificación basada en
objetos, las imágenes satelitales Sentinel-2 brindan una precisión general del 72 % Puede calcular las estadísticas de
cada punto de la imagen, lo cual es consistente con Sasitorn Chatsudarat (2017), ha estudiado y analizado las emisiones
de gases de efecto invernadero en las áreas de plantación de caña de azúcar. por la técnica de Clasificación de objetos a
partir de datos de imágenes de satélite Landsat: un estudio de caso del distrito de Sai Ngam, provincia de Kamphaeng
Phet utilizando imágenes de satélite Sentinel-1 para analizar la clasificación de las áreas de plantación de caña de azúcar
en el período 4 En el último año, en 2019, hubo el mayor número de áreas de siembra de caña de azúcar, y en 2020, hubo
la menor cantidad de áreas de siembra de caña de azúcar. representó el 0,47 % En el análisis de las áreas de siembra de
caña de azúcar se utilizó el proceso Random Forest, que corresponde a Chotika Ratichaliyakul (2017), habiendo estudiado
sobre la clasificación de las áreas de siembra de arroz por datos Sentinel-1 Time Series : Study Area, Distrito de Ranot,
provincia de Songkhla. El crecimiento de la caña de azúcar se analizó por el método de series de tiempo y se comparó con
Efecto del vehículo aéreo no tripulado Debido a que el vehículo aéreo no tripulado puede estimar la altitud actual, se utiliza.
En los viajes de campo y el procesamiento del área de muestra, lo cual es consistente con Wiparat Umpawan (2018), se
comparó una técnica para estimar la condición física de los árboles de caucho a partir de datos de vehículos aéreos no
tripulados.Cómo series de tiempo La altura durante septiembre es similar y también Cercano al calendario de cultivo de la
caña de azúcar (Siam Kubota, 2017), la clasificación de materiales puede no ser muy precisa debido a la Configurar
parámetros o el valor de reflexión de los datos de la imagen de satélite.

69
problemas y obstaculos
1. Descarga de fotos Dado que la transmisión satelital sentinel-1 después de 2019 estará fuera de línea, debe agregarse al
carrito y esperar a que tarde mucho en descargarse hasta que se conecte, para que pueda descargarse. es muy preciso Esto
afecta el análisis de la expansión del área de siembra.
Caña de azúcar
3. Las fotografías de Sentinel-2 no cubren el área de estudio. para descargar 2 fotos y luego
Al unir imágenes en una imagen, se puede capaz de procesar fotos
retroalimentación
Para clasificar el área, es posible que sea necesario establecer parámetros en el programa SNAP y ajustarlos en consecuencia.
para que la clasificación sea más precisa.

70
bibliografía
71
bibliografía
Kankajorn Chucheep .(2018).Evaluación Exactitud de Teledetección (Precisión
Assessment in Remote Sensing) Recuperado el 20 de junio de 2020 de http://forest .

admin.forest.ku.ac.th
Chotika Ratichaliyakul et al. (2017). Clasificación del área de cultivo Arroz con datos de series temporales de
: Sentinel-1, área de estudio, distrito de Ranot, provincia de Songkhla. Revista de la Asociación de Percepción Remota y
Informática Geográfica de Tailandia, Vol. 18, Números 2-3.
Narathep Pruekhiran y Rungrassamee Suwanwattana. (2013). Introducción a la tecnología de radar SAR Obtenido el
22 de junio de 2020 de http://kmlo.crma.ac.th/qa_edu56/wp .
contenido/cargas/2016/02/KMEE56.pdf
Wiparat Ampawan.(2018). Estudiar la técnica de estimar la condición física de los árboles de caucho a partir de datos del aire.
Vehículo sin conductor Universidad de Naresuan, Phitsanulok.
Sasitorn Chatsudarat.(2017) estudiar y analizar la liberación Emisiones de gases de efecto invernadero en la zona de cultivo
Caña de azúcar por técnica de clasificación de objetos a partir de datos de imágenes de satélite Landsat: un estudio
de caso del distrito de Sai Ngam, provincia de Kamphaeng Phet, escuela universitaria de Naresuan, Phitsanulok.
instituto de investigacion de plantas y plantas de energías renovables por Siam Kubota (2016).Calendario de cultivo de caña
de azúcar a través de la sequía para el Wansai Consultado el 19 de junio de 2020.
De https://www.kubotasolutions.com/solution/sugar_cane
Enciclopedia tailandesa Para la Juventud Vol.5 (1980) Número 3 Caña de azúcar Consultado el 20 de junio de 2020.
De http://saranukromthai.or.th
72
Bibliografía (continuación)
Enciclopedia tailandesa Para la Juventud Volumen 16 (1980) Número 9 Satélites agrícolas, sobre tecnología de
teledetección. Consultado el 21 de junio de 2020 .
De http://saranukromthai.or.th/
Oficina de la Junta de la Caña y el Azúcar (2019).Informe sobre el área de siembra de caña de azúcar, año de
producción 2018/19.Recuperado el 20 de junio de 2020 de http://www.ocsb.go.th.
Esa.(2020).SNAP Recuperado el 21 de junio de 2020 de https://step.esa.int/ .
GIS Geography (2020), Sentinel Satellites of the Copernicus Programme, recuperado el
15 de octubre de 2020 de https://gisgeography.com/
Mandal, D. et al. (2020). Índice de vegetación de radar polarimétrico dual para el crecimiento de cultivos
monitoreo usando datos SAR de Sentinel-1. Teledetección de
Medio Ambiente, Volumen 247

73
Apéndice
74
Apéndice A Datos de la encuesta de campo
Apéndice A Ubicación del área de muestra diferente de las visitas de campo
Y caracteristicas del espacio

Punto X
1 100.124579 16.844085 campos de arroz
2 100.10114 16.726962 agua
3 100.13815 16.770218 agua
4 100.108946 16.86088 campos de arroz
5 100.098126 16.860111 campos de arroz
6 100.081783 16.825338 agua
7 100.016452 16.878846 campos de arroz
8 100.148745 16.788413 agua
9 100.097736 16.859036 campos de arroz
10 100.052757 16.846769 agua
11 100.113233 16.802351 campos de arroz
12 99.855242 16.691895 agua
13 100.092628 16.662219 agua
14 100.161399 16.701267 campos de arroz
15 100.191589 16.69377 agua
dieciséis 100.095284 16.848437 campos de arroz
17 100.180424 16.648774 campos de arroz
18 100.122762 16.892477 campos de arroz
19 100.142255 16.77432 agua
20 100.106031 16.652091 campos de arroz
21 100.111459 16.865554 campos de arroz
22 100.124898 16.881094 campos de arroz
23 100.14331 16.780406 agua
24 100.071752 16.883391 campos de arroz
25 100.117814 16.863799 campos de arroz

75

Punto X
26 100.131916 16.879504 agua
27 100.122184 16.855295 campos de arroz
28 100.195001 16.669281 agua
29 100.150788 16.810493 campos de arroz
30 100.045429 16.726887 tatuaje
31 100.128775 16.701873 Yuca
32 99.917282 16.624423 campos de arroz
33 99.886077 16.716375 caña de azúcar
34 100.118235 16.684262 campos de arroz
35 100.135126 16.640012 campos de arroz
36 100.12705 16.743283 campos de arroz
37 100.094311 16.854469 Comunidad

38 100.058779 16.823319 campos de arroz
39 100.156229 16.607743 campos de arroz
40 100.040122 16.760538 campo de arroz
41 99.942687 16.64134 campos de arroz
42 100.060457 16.722083 Plátano
43 99.87767 16.712972 campos de arroz
44 100.047498 16.807511 campos de arroz
45 100.121323 16.703511 campos de arroz
46 100.137166 16.63233 campos de arroz
47 100.056656 16.872573 campos de arroz
48 100.132839 16.62281 campos de arroz
49 100.205058 16.666995 campos de arroz
50 100.047999 16.740186 campos de arroz
51 99.903814 16.687428 campos de arroz
52 99.982791 16.6506 campos de arroz
53 100.103109 16.733574 campos de arroz
54 99.948362 16.748661 campos de arroz

76

Punto X
55 99.938635 16.604016 Yuca
56 99.944047 16.819988 Caña de azúcar
57 100.028342 16.609758 Espacio vacío
58 99.969151 16.675001 Caña de azúcar
59 100.006319 16.611796 Espacio vacío
60 100.001619 16.68808 Caña de azúcar
61 100.113799 16.620008 Caña de azúcar
62 99.948133 16.615537 Caña de azúcar
63 100.002428 16.67683 Caña de azúcar
64 100.08498 16.649126 campos de arroz
sesenta y cinco 99.921332 16.622126 Caña de azúcar
66 99.880408 16.749406 caña de azúcar
67 99.943512 16.810851 Caña de azúcar
68 99.962853 16.584915 Caña de azúcar
69 100.011446 16.593515 Caña de azúcar
70 100.037281 16.652994 caña de azúcar
71 100.008737 16.703696 Caña de azúcar
72 99.914079 16.665482 caña de azúcar
73 99.928806 16.65644 Caña de azúcar
74 99.915624 16.607128 Caña de azúcar
75 100.027193 16.66889 Caña de azúcar
76 100.007465 16.644865 caña de azúcar
77 100.099511 16.629856 campos de arroz
78 100.124623 16.713787 Caña de azúcar
79 99.957369 16.585245 caña de azúcar
80 100.067284 16.595991 Caña de azúcar
81 100.183893 16.71435 Caña de azúcar
82 100.099429 16.69429 Caña de azúcar
83 100.13481 16.645862 Comunidad

77

Punto X
84 100.19688 16.654397 Comunidad
85 100.089339 16.782528 Espacio vacío
86 100.138162 16.620068 agua
87 100.062973 16.74977 Caña de azúcar
88 100.147992 16.707612 campos de arroz
89 100.016647 16.664487 campos de arroz
90 100.14763 16.708799 campos de arroz
91 100.015233 16.641815 Caña de azúcar
92 100.177577 16.667368 Comunidad
93 100.038716 16.890033 Comunidad
94 100.13231 16.670658 campos de arroz
95 99.98751 16.818468 campos de arroz
96 100.120192 16.663506 Comunidad
97 100.084046 16.87481 Caña de azúcar
98 100.033943 16.662492 Comunidad
99 99.983254 16.818325 Comunidad
100 100.056727 16.660367 campos de arroz
101 100.14411 16.705934 campos de arroz
102 100.159183 16.684779 Comunidad
103 99.953622 16.826065 Comunidad
104 100.002132 16.605584 Comunidad
105 100.142465 16.786606 Comunidad
106 99.94463 16.750656 campos de arroz
107 99.886724 16.722229 Comunidad
108 100.108179 16.731849 Comunidad
109 99.920406 16.789086 Comunidad
110 100.043841 16.773453 Comunidad
111 99.984675 16.727944 Comunidad
112 99.947905 16.78913 Comunidad

78

Punto X
113 100.032352 16.821768 Comunidad
114 99.977229 16.71679 Comunidad
115 99.999354 16.806184 Comunidad
116 100.117077 16.705741 Espacio vacío
117 99.95079 16.714645 Espacio vacío
118 99.881062 16.699811 campos de arroz
119 99.958799 16.576804 Espacio vacío
120 100.145568 16.723164 Espacio vacío
121 100.057275 16.633918 Espacio vacío
122 100.207792 16.661558 Espacio vacío
123 100.125928 16.730936 campos de arroz
124 99.924134 16.678254 Caña de azúcar
125 100.157786 16.621367 Espacio vacío
126 99.950082 16.745143 Espacio vacío
127 100.082036 16.826827 Caña de azúcar
128 100.019444 16.884021 Espacio vacío
129 99.937892 16.64643 campos de arroz
130 100.109284 16.800525 Caña de azúcar
131 100.130808 16.726629 Espacio vacío
132 100.069108 16.596927 Espacio vacío
133 100.035687 16.828746 Espacio vacío
134 100.150537 16.664778 Espacio vacío
135 100.046461 16.80987 Espacio vacío
136 100.081496 16.619708 Caña de azúcar
137 100.118560 16.758445 Comunidad
138 100.062937 16.73124 espacio vacio
139 100.118917 16.761751 agua
140 100.060551 16.722137 Caña de azúcar

79
Apéndice B Recopilación de datos de campo
Recopilar datos para medir las coordenadas del área de caña de azúcar.
Recopilación de datos de encuestas para las coordenadas del área de yuca

80
Recolectar datos para medir las coordenadas del área de arroz.
Recopilación de datos de encuestas para espacios vacíos

81
Recopile datos para medir las coordenadas de áreas y edificios comunitarios.
Recopile datos para estudiar las coordenadas del área de la fuente de agua.
82
Aterrizando un dron o vehículo aéreo no tripulado en zona cañera

84
Apéndice C
85
Estudio de ampliación del área de siembra de caña de azúcar y análisis de la etapa de crecimiento de la caña de azúcar.
: distrito de Bang Raka, provincia de Phitsanulok
Estudio de expansión del área de siembra de caña de azúcar y análisis del crecimiento de la caña de azúcar
: Un estudio de caso del distrito de Bang Rakam, provincia de Phitsanulok.

1
Suwaluk Kamamuang1* y Nattapon Mahavik Suwaluk
Kammamuang1* y Nattapon Mahavik1
Resumen
En muchas áreas, algunos agricultores han convertido el área de la antigua zona de cultivo de arroz en zona de cultivo de caña de azúcar.
Dado que la caña de azúcar tiene una gran demanda en el mercado, existe una fijación de precios clara que hace que los agricultores se sientan más seguros.
Quiere expandir el área de plantación de caña de azúcar más ampliamente Este estudio tiene como objetivo estudiar la
Cambios de uso de suelo por ampliación de áreas de cultivo de caña de azúcar para estudiar la etapa de crecimiento de
Caña de azúcar durante todo el período de siembra en el distrito de Bang Raka, provincia de Phitsanulok mediante la recopilación de datos fotográficos
Satélites Sentinel-1 en 2017 a 2020 utilizando el método de bosque aleatorio y recopilando
Datos de imágenes de satélite para el año 2019 de mayo a febrero de 2020 utilizando el método de series temporales y comprobando la
precisión de los resultados de clasificación de las imágenes de satélite Sentinel 2 Google Earth e información de aterrizaje estudio de
campo Los resultados mostraron que el uso del suelo
El área de caña de azúcar en 2019 tuvo el área de siembra de caña de azúcar más alta de 54,304 rai, seguido de 2017 con el área
La caña de azúcar sembró 41,675 rai, el área de siembra de caña de azúcar de 2018 39,832 rai y el área de siembra de caña de azúcar
tipos mostraron
decrecimiento.
2020, respectivamente.En Bang Rak, 2,911 rai, se analizaron dos tipos de crecimiento: Polarización VV y VH Ambos
El más alto en septiembre, con Polarización VV con la intensidad_db más alta en -7 y Polarización.
VH tiene una intensidad_db máxima de -10 Polarización muy cercana al calendario de cultivo de caña de azúcar.
Lo mejor es Polarización VH y comparado con los datos de la foto. antena de vehículos aéreos no tripulados
Los conductores de viajes de campo encontraron que durante septiembre la altura de intensidad_db fue
Relación con la altitud del vehículo aéreo no tripulado
Palabras clave: Sar, Sentinel-1, Aleatorio bosque, uso de la tierra, área de siembra de caña de azúcar
Facultad de Agricultura recursos naturales y medio ambiente Universidad de Naresuan Provincia de Phitsanulok 65000
* Correo electrónico del autor correspondiente: suwalukk60@nu.ac.th

86
Introducción
La caña de azúcar es la misma familia de plantas que el bambú, la hierba y los cereales, originaria de Asia tropical.
Con muchas articulaciones, las hojas de la caña de azúcar son similares en tamaño a las hojas de arroz pero más grandes. que la caña de azúcar es
una planta fácil de cultivar y se puede cosechar muchas veces La caña de azúcar crece bien en climas cálidos y húmedos. o
Aproximadamente 70 países que cultivan caña de azúcar (Enciclopedia tailandesa En Tailandia, la caña de azúcar es
Los principales cultivos económicos. Es la materia prima importante del país para la producción de azúcar.
a nivel nacional y exportado a países extranjeros suelo adecuado para Adecuado para la siembra de caña de azúcar es franco arenoso o franco
arcilloso con un pH que oscila entre 5,5 y 7, con profundidad de suelo y drenaje moderados. el agua o el aire es bueno hasta
Moderada, la temperatura promedio óptima durante la temporada de crecimiento es de aproximadamente 30 a 35 grados centígrados (Instituto de Investigación de Plantas).
rancho y cultivos de energía renovable por Siam Kubota, 2016)
En muchas áreas, algunos agricultores han convertido el área de la antigua zona de cultivo de arroz en zona de cultivo de caña de azúcar. Dado que
la caña de azúcar tiene una gran demanda en el mercado, con precios claros, los agricultores tienen
Necesidad de ampliar más las áreas de siembra de caña de azúcar De 2018 a 2019 hay áreas
La siembra de caña de azúcar aumentó en todas las regiones del país, lo que representa 12.236.074 rai debido a la política de expansión del gobierno.
Áreas de plantación de caña de azúcar para reemplazar arrozales inadecuados. El azúcar está surgiendo en muchos lugares.
región, promoviendo así más áreas de siembra de caña de azúcar Oficina de la Junta de la Caña y el Azúcar
,2562)
La provincia de Phitsanulok es una de las provincias donde los agricultores cultivan caña de azúcar y amplían las áreas de plantación de caña de azúcar.
Cada año Phrae, especialmente en el distrito de Bang Raka, los agricultores han cambiado el uso de la tierra.
que es un área de siembra de arroz u otras plantas a la transformación del uso de la tierra en áreas de cultivo de caña de azúcar Esto se debe a que
el área enfrenta con frecuencia desastres naturales como inundaciones y sequías.
Los problemas en muchas áreas, especialmente las áreas agrícolas en el distrito de Bang Raka, están experimentando sequías y problemas de agua.
Las inundaciones repetidas causan más daños cada año. análisis de expansión
de áreas de siembra de caña de azúcar y análisis de las etapas de crecimiento de la caña de azúcar en el distrito de Bang Raka, provincia
Phitsanulok mediante el uso de imágenes de satélite Sentinel-1 durante varios períodos para observar la expansión de las áreas de plantación de caña de azúcar en cada región.
anualmente y pronosticando el rendimiento de rendimiento durante el último período de siembra de caña de azúcar mediante el análisis del período de
El crecimiento de la caña de azúcar, la educación conducirá a para informar el cambio de uso de suelo en la expansión
Área de siembra de caña de azúcar y etapa de crecimiento de la caña de azúcar en el área

87
Método de estudio
Este estudio examinó la expansión de las áreas de plantación de caña de azúcar en el distrito de Bang Raka, provincia
de Phitsanulok, utilizando el sistema de información geográfica y las imágenes satelitales Sentinel-1 para el análisis.
El período de 2017 a 2020, incluido el último período cuando comenzó la siembra de caña de azúcar, fue de mayo de 2019 a
febrero de 2020 en el distrito de Bangrak. El área total es de aproximadamente 936,04 kilómetros cuadrados. con una superficie
total de plantaciones de caña de azúcar de 83.385 rai (Oficina de la Junta de la Caña y el Azúcar
Arena, 2562) La topografía es una zona de tierras bajas atravesada por ríos importantes, a saber, el río Mae Nam
territorio
en el norte, adyacente al distrito de Kong Krailat, provincia de Sukhothai y el distrito. Desde el distrito de Phiram contacto del sur con
Distrito de Sam Ngam, provincia de Phichit y distrito de Phran Krai, provincia de Kamphaeng Phet
Distrito de Mueang, provincia de Phitsanulok, oeste, adyacente al distrito de Khiri Mat, provincia de Sukhothai y distrito de Lan.
Búfalo, provincia de Kamphaeng Phet
Figura 1 Mapa que muestra el área de estudio, distrito de Bang Raka, provincia de Phitsanulok
88
Equipos y métodos 1.
Datos y herramientas utilizados en la investigación.
Nº Datos/Herramientas FUENTE/CARACTERÍSTICAS
1 SIESTA
SNAP versión 7.0 Aplicación ArcGIS GIS versión 10.4.1 Aplicación del
2 ArcGIS sistema de información
geografía
3 Fotoscan de Agisoft Agisoft Photoscan Metashape Edition, un programa para crear mapas
2D y modelos 3D a partir de datos de fotografías aéreas.
4 Captura Pix4D Programa de planificación de vuelos de vehículos aéreos no tripulados
5 Sobresalir
La versión de Excel 2010 calcula valores y crea gráficos.
en varias formas El
6 Google Earth profesional programa muestra mapas topográficos y de viaje.
7 GPS Herramienta de ubicación del modelo GPS Garmin 64s para recopilar coordenadas de ubicación.
8 Fantasma DJI 4 Resolución de imagen fija 20 megapíxeles Frecuencia 2,42,483 GHz
Avanzado Posicionamiento por satélite GPS/GLONASS Peso 1.368 g Batería 6000
mAh
9 Portátil ASUS TUF -ventanas 10
juegos fx505dt -AMD Ryzen 53550H
-RAM 8GB
-CPU de 64 bits
10 cinta métrica de distancia

La cinta tiene 60 metros de largo, con números que indican cada 1 centímetro de
distancia y una pequeña rotura cada 2 milímetros.
11 imágenes de satélite https://scihub.copernicus.eu
Centinela-1,centinela-2
12 fotografía aérea Vehículo aéreo no tripulado DJI Phantom 4 Advanced

89
Cómo hacerlo
1. Recopile datos de imágenes satelitales Sentinel-1 Level1 GRD, modo IW, forma de onda VV+VH, con imágenes
satelitales grabadas en múltiples intervalos. y datos de imagen satélites Sentinel-2 para
Clasificación de los datos en el área de estudio
2. Datos del área de estudio extraídos de los datos de imágenes satelitales Sentinel-1 utilizando el software SNAP. para
cubrir el área de estudio y ajustar los parámetros apropiados, determinar el área de muestra de caña de azúcar y
Ingrese al proceso de bosque aleatorio y continúe con el proceso de validación.
3. Datos del área de estudio extraídos de los datos de imágenes satelitales Sentinel-2 utilizando el software SNAP. para
cubrir el área de estudio, determine 5 áreas de muestra e ingrese al proceso de bosque aleatorio y pase por el proceso de validación
y continúe con el campo
4. Recorte la imagen del área de estudio de los datos de Sentinel-1. para cubrir el área de estudio y entrar
Proceso de Series Temporales para analizar el crecimiento de la caña de azúcar utilizando el software SNAP y registro
siguiente campo
5. Verifique la precisión de los datos de las excursiones a las áreas de estudio usando Error.
Matriz para validación tabular Drones toman fotografías de
muestras de parcelas de caña de azúcar
7. Analizar los resultados del área de siembra de caña de azúcar obtenidos a través del procesamiento Arcgis.
8. Analizar los resultados de crecimiento de la caña de azúcar obtenidos del método de series de tiempo y compararlo con
Imagen procesada desde un vehículo aéreo no tripulado.

90
Resultados
2017 2018
2019 2020
2019 2020
La figura 2 muestra los resultados de la clasificación de las áreas de siembra de caña de azúcar en 2017, 2018, 2019 y 2020.
De la Figura 2, es la clasificación de las áreas de siembra de caña de azúcar utilizando el método de bosque aleatorio.
Parámetro o configuración Establezca un árbol de decisión en 500 y establezca el color, la forma y la adherencia.
grupo para adaptarse a cada imagen, usando polarización VV+VH, usando los 4 períodos de tiempo de imagen, encontró que en
En 2017, el área de plantación de caña de azúcar más alta fue de 41.675 rai, o el 6,72 por ciento.
es 39.832 rai o 6,42 % El año 2019 tiene una superficie de 51.346 o 8,28 % y 2020 tiene una superficie de 2.911 rai o 0,47 % La caña de
azúcar en los últimos 4 años en 2019 tuvo la mayor cantidad de áreas de cultivo de caña de azúcar, seguido por 2017 y
2018, que en 2018 y 2019 y 2020 tienen la menor cantidad de área de siembra de caña de azúcar representó el 0,47%, con área de caña
de azúcar en 2020 clasificada a principios de septiembre, con algunos
Las áreas donde la superficie del suelo y algunas áreas de caña de azúcar aún no están completamente desarrolladas, lo que dificulta la clasificación de las áreas de siembra de caña de azúcar.
poco a poco se aclara El área se puede clasificar menos que otros años.
91
Figura 3 Resultados de clasificación de uso de suelo en 2019 A partir
de la Figura 3, los datos de la imagen satelital Sentinel-2 fueron analizados por el método Random Forest
modificando los parámetros, color de la imagen, aglomeración de la imagen y suavidad obtenidos de los resultados
del análisis. y uso de la tierra en los 5 tipos, a saber, áreas de fuentes de agua, áreas agrícolas Zona comunitaria y
de edificaciones, zona de plantación de caña de azúcar y terrenos baldíos.Se encontró que en diciembre de 2019, la
mayor superficie agrícola fue de 36,63 por ciento, y la mayor superficie de plantaciones de caña de azúcar fue de
18,46 por ciento. La mayor construcción fue 10.44 por ciento, la mayor área baldía 9.41 por ciento y el área de fuente
de agua. La cantidad máxima de agua es el 1,81% de la superficie total La precisión global de la inspección fue del
72,86% del área total.

92
Figura 4 Resultados del análisis de las etapas de crecimiento de la caña de azúcar de mayo de 2019 a febrero de 2020
De la Figura 4, los resultados del análisis de la etapa de crecimiento de la caña de azúcar, distrito de Bang Raka, provincia de
Phitsanulok. Los resultados del análisis de las etapas de crecimiento de la caña de azúcar se analizaron utilizando dos tipos de polarización,
VV y VH, y se colocaron 5 pines en el área de siembra de la caña de azúcar. causando el gráfico La curva VV comienza en -10 db mientras
que VH comienza en -20 db cuando la caña de azúcar comienza a crecer. De septiembre a octubre, la caña de azúcar
Algunas áreas estarán en su máxima altura, pero este es el período en que la caña de azúcar comienza a producir azúcar. La cifra más alta
de VV es de alrededor de -7 db, mientras que la más alta de VH es de alrededor de -12 db de diciembre a febrero. Es la temporada de cosecha.
La caña de azúcar baja bruscamente la curva. VV es tan bajo como -15 db y VH es tan bajo como -23 db. Durante el 3er día de septiembre
B.E.
2563 usando la ecuación de regresión lineal, se encuentra que el db es negativo a partir del valor –30,-20,-10 y 0. En cuanto a los valores de
UAV a partir de 0,50 y 100, se puede observar que las dos líneas se cruzan en el punto entre db igual a -10 y
Los valores de UAV son aproximadamente 54 a 56, por lo que la relación entre la serie temporal y la altitud de la aeronave.
Driverless se correlaciona con el tiempo en que se cruzan las curvas es el tiempo de septiembre que tiene la caña de azúcar.
El valor de elevación está casi completo.

93
Discutir los resultados del estudio.
Estudio sobre la expansión del área de siembra de caña de azúcar y análisis de la etapa de crecimiento de la caña de azúcar en el año
2017 a 2020 en la clasificación de uso de suelo o clasificar objetos a partir de fotografías
El satélite Sentinel-2 proporciona una precisión global del 72% en la clasificación de objetos definidos.
área de muestra de la salida de campo para poder calcular las estadísticas de cada punto de la imagen, que corresponde a
Con Sasitorn Chatsudarat (2017), estudió y analizó las emisiones de gases de efecto invernadero en áreas de cultivo de caña de azúcar.
por la técnica de Clasificación de objetos a partir de datos de imágenes de satélite Landsat: un estudio de caso del distrito de Sai Ngam, provincia
de Kamphaeng Phet utilizando imágenes de satélite Sentinel-1 para analizar la clasificación del área de plantación de caña de azúcar.
Durante los últimos 4 años, en el 2019 se presentó la mayor cantidad de áreas de siembra de caña de azúcar, y en el 2020 hubo
La menor cantidad de área de siembra de caña de azúcar representó el 0,47% en el análisis de las áreas de siembra de caña de azúcar utilizadas
El proceso Random Forest, que corresponde a Chotika Ratichalikul (2017), ha estudiado sobre
Las áreas de plantación de arroz se clasificaron según los datos de la serie temporal Sentinel-1: un área de estudio en el distrito de Ranot, provincia
de Songkhla. El crecimiento de la caña de azúcar se analizó por el método de series de tiempo y se comparó con
Efecto del vehículo aéreo no tripulado Debido a que el vehículo aéreo no tripulado puede estimar la altitud actual, se utiliza.
en campo y procesamiento del área de muestra, que corresponde a Wiparat Amphawan (2018)
Técnicas de estudio para estimar la condición física de árboles de caucho a partir de datos de vehículos aéreos no tripulados.
Compare la relación con el método de series de tiempo La altura durante septiembre es similar y también
Cercano al calendario de cultivo de caña de azúcar (Siam Kubota, 2017), la clasificación de objetos puede no ser precisa.
mucho debido a la Configurar parámetros o el valor de reflexión de los datos de la imagen de satélite.
Resumir los resultados del estudio y hacer recomendaciones.
Los resultados del estudio sobre la expansión de las áreas de siembra de caña de azúcar y el análisis de las etapas de crecimiento de la caña de azúcar.
centrándose en encontrar el área

Un estudio de caso del distrito de Bang Raka, provincia de Phitsanulok, donde el estudio consistía o
en cambiar el uso de la tierra para expandir las áreas de plantación de caña de azúcar y estudiar las etapas de crecimiento de
Caña de azúcar durante la siembra porque quería conocer el área de cultivo de caña de azúcar cada año y
El crecimiento de la caña de azúcar durante la temporada de crecimiento hasta la temporada de cosecha. para estimar el rendimiento
Se analizó el uso de datos forestales aleatorios de imágenes satelitales Sentinel-2 Los resultados se analizaron y utilizaron para los 5 tipos de tierra:
recursos hídricos, áreas agrícolas y tierra agrícola. Áreas y edificios comunitarios área de plantación de caña de azúcar y espacio vacío para
comprobar
Precisión obteniendo la precisión global exactitud) igual a 72 .86 por ciento de
analizar el coche Los satélites Sentinel-1 se clasificaron mediante el método Random Forest utilizando
94
La polarización VV+VH utiliza los cuatro períodos de tiempo de la imagen: 2017, 2018, 2019 y 2020. Se encontró que en
2019, el tamaño del área más alto es 51,346 rai, y en 2020, el área es el menos igual a 2,911 rai. 2019, el gobierno tiene
una política para promover la siembra de caña de azúcar en Arrozales inadecuados (Oficina de la Junta de Caña y Agua)
Sugarcane, 2019) y 2020 tienen la menor cantidad de áreas de siembra de caña de azúcar debido a que se clasificaron a
principios de septiembre. Hay algunas áreas que El suelo y algunas áreas de caña de azúcar aún no están completamente
desarrollados, lo que hace que la clasificación de las áreas de siembra de caña de azúcar sea menos clara, por lo tanto,
el área puede clasificarse menos que otros años. del análisis del coche Satélite usando el método de Series Temporales,
usando dos tipos de polarización, VV y VH, usando un total de 10 periodos de tiempo de imagen por ambas polarizaciones.
Se encontró que la polarización VH indicó mejores etapas de crecimiento que VV y fue consistente con el calendario de
cultivo (Siam Kubota, 2017). Se relacionaron en septiembre. La caña de azúcar mostró casi madurez según el método de
Series de Tiempo. Los satélites deben estar configurados. Configure los parámetros en el programa.
para ser lo más apropiado y preciso posible. Si el resultado es incorrecto, intente ajustar el nuevo parámetro para que el
resultado de la clasificación sea más preciso.
Expresiones de gratitud
Nos gustaría agradecer a la Agencia Espacial Europea (ESA) por proporcionar datos de imágenes de satélite
Sentinel y al propietario de la plantación de caña de azúcar, distrito de Bang Raka, provincia de Phitsanulok. que brindó
cortesía al ingresar al vehículo Área de estudio por UAV y cortesía de herramientas GPS en campo del campo de
Geografía, Universidad de Naresuan, que es útil. especialmente para la tesis de licenciatura Este curso de geografía
95
Referencias
Chotika Ratichaliyakul et al. (2017). Clasificación del área de cultivo Arroz con datos de series temporales de Sentinel-1: área de estudio,
distrito de Ranot, provincia de Songkhla. Revistas de asociaciones, encuestas remotas y
Informática Geográfica de Tailandia, Vol. 18, Números 2-3.
Wiparat Ampawan.(2018). Se estudió la técnica de estimar la condición física de los árboles de caucho a partir de los datos meteorológicos.
Vehículos no tripulados Universidad de Naresuan, Phitsanulok.
Sasitorn Chatsudarat.(2017) Estudio y análisis de emisiones de gases de efecto invernadero en área de siembra de caña de azúcar.
por la técnica de Clasificación orientada a objetos a partir de datos de imágenes satelitales Landsat: un estudio de caso del distrito.
Sai Ngam, provincia de Kamphaeng Phet, Universidad de Naresuan, Phitsanulok.
instituto de investigacion de plantas y plantas de energías renovables por Siam Kubota (2016).Calendario de cultivo de caña de azúcar a
través de la sequía para el Wansai Consultado el 19 de junio de 2020.
De https://www.kubotasolutions.com/solution/sugar_cane
Enciclopedia tailandesa Para la Juventud Vol.5 (1980) Número 3 Caña de azúcar Consultado el 20 de junio de 2020.
De http://saranukromthai.or.th
Oficina de la Junta de la Caña y el Azúcar. (2019) Informe sobre el área de siembra de caña de azúcar, año de producción 2018/19.
Recuperado el 20 de junio de 2020 de http://www.ocsb.go.th.

96
historia del investigador

97
perfil del investigador
Nombre-Nombre Apellido Suwalak Khammuang
día mes año de nacimiento 19 de septiembre de 1998
direccion actual 24 Moo 6, subdistrito de Mueang Chi, distrito de Mueang
Provincia de Lamphun 51000
registro educativo
2017-Presente Licenciatura en Geografía Universidad de Naresuan GPA 2.79
2010-2016 Escuela Secundaria, Ciencias-Matemáticas, Ban Pan Pittayakom School
Subdistrito de Ban Pan, Distrito de Mueang, Provincia de Lamphun, GPA 2.80
2004-2009 Escuela primaria, escuela Wat Pa Tung Chetawan, subdistrito de Mueang Chi
Distrito de Muang, provincia de Lamphun
Actividades participantes
1) Asistió a la capacitación "OpenStreetMap Contribution by JOSM" el 10 de abril de 2019 en la Facultad de Agricultura.
recursos naturales y medio ambiente Universidad de Naresuan
2) Actuar como asistente de las jornadas académicas de estudiantes de Geografía y Geoinformática de la
Tailandia (TSG) No. 12 el 18 de enero de 2020 en el edificio Ekathosarot, Universidad
Naresuán
3) Participar en un taller sobre el tema “Procesamiento de datos de inspección de radar
Ground Air con Software IDW” el 19 de enero de 2020 en el edificio Ekkathosarot.
Universidad de Naresuan
4) Participar en el Workshop “Google Earth Engine y Python API Workshop”
En línea a través de Zoom los días 8 y 9 de junio de 2020

98
Biografía del investigador (continuación)
5) Asistir a capacitaciones en publicación conocimientos de meteorología y Inspección meteorológica en
agricultura el 31 de julio de 2020 en la Facultad de Agricultura. Recursos naturales y medio ambiente
Universidad de Naresuan
6) Desempeñarse como asistente de enseñanza práctica en el curso de Climatología del Profesor Asistente
Dr. Nattapon Mahawik para el primer semestre del año académico 2020, del 31 de agosto al 1 de
septiembre de 2020 en la Facultad de Agricultura. Universidad de Recursos Naturales y Medio Ambiente
Naresuán
7) Como asistente de enseñanza En la capacitación sobre drones para agricultura del Profesor Asistente
Dr. Nattapon Mahawik el 16 de octubre de 2020 en la Universidad Tecnológica de Rajamangala
Lanna, Phitsanulok.
actuación
Canal de youtube sobre conocimientos de operaciones geográficas. Información Geográfica y
Aplicando el canal “Suwaluk Kammamuang”

Geo 2563 08 FullPaper Compressed

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Geo 2563 08 FullPaper Compressed

Cargado por

Copyright:

Formatos disponibles

Machine Translated by Google

de azúcar Estudio de caso: distrito de Bang Raka, provincia de Phitsanulok.

: Un estudio de caso del distrito de Bang Rakam, provincia de Phitsanulok.

Estudiando el programa de Licenciatura en Ciencias en Geografía, noviembre de 2020, los derechos

de autor pertenecen a la Universidad de Naresuan.

asistencia de información Recopilar información, dar consejos, sugerencias útiles, gracias.

tanto como por hacer de esta tesis un completo éxito.

y dio sugerencias y recomendaciones adicionales hasta la finalización de esta tesis.

Naresuan útil especialmente para la tesis de licenciatura curso de geografia en

Beneficio para los que estén más o menos interesados.

Investigador, Presidente Asesor

tipo de tesis Tesis, Licenciatura en Geografía,

Universidad de Naresuan, 2020

Satélites Sentinel-1 en 2017 a 2020 utilizando el método de bosque aleatorio y recopilando

Relación con la altitud del vehículo aéreo no tripulado

título Estudio de Expansión y Clasificación del Área de Siembra de Caña de Azúcar

Distrito, provincia de Phitsanulok.

Autor Suwaluk Kammamuang

Tutor Profesor Asistente Dr.Nattapon Mahavik

Artículo académico Tesis BS en Geografía, Universidad de Naresuan, 2020

intensidad_db en -7 y la últimaintensity_db en -10. Por lo tanto, la polarización VH es

de vehículos aéreos no tripulados que se desplegaron en septiembre. La actitud

El valor de Intensity_db está relacionado entre sí.

1 Introducción .................................................. .................................................. .................................................. 1

1.1 El origen y Importante................................................. .................................. 1

1.2 Objetivos de la investigación .............................................. .... ........................ 2

1.3 La importancia de la investigación .............................................. ... ............................................. 2

1.4 Alcance de la investigación .................................................. ... ................................ 3

1.5 Acuerdo preliminar................................................ ..................................... 4

1.6 Definición de terminología.................................................... . .................................................. 4

1.7 La hipótesis de la investigación .............................................. ..... ............................. 5

1.8 Marco conceptual................................................ .................................................... ........... 6

2. Documentos relacionados ............................................. .. .................................................. .. ........ 7

2.1 Datos satelitales Centinela................................................. ............................. 7

2.2 Teorías y conceptos relacionados ............................................... ... .......................... 8

2.2.1 Concepto de la teoría del medio ambiente........................................... ......... ............ 8

2.2.2 Conceptos teóricos y técnicas de teledetección .......................................... 9

2.2.3 Conceptos de software SIESTA................................................. .. 10

2.2.4 Teoría del radar de apertura sintética (SAR) .......................... 11

2.2.5 Teoría del Bosque Aleatorio.................................................. .......... 11

2.2.6 El concepto de validación.................................................. ...... ...... 12

2.3 Documentos e investigaciones relacionados ............................................... .... ......................... 14

3. Métodos de realización de la investigación ........................................... ..... ............................................. ..... .............. dieciséis

3.1 Herramientas utilizadas en el estudio ........................................... ..... .................................. dieciséis

3.2 Información y recopilación ............................................... ... ............................... 18

3.3 Análisis de datos................................................... ... ............................................. 21

4. Resultados de la investigación ........................................... ... ............................................................. ... ................... 51

4.1 Uso del suelo y cobertura del suelo en el área de estudio.................................. 51

4.1.2 Los resultados de la validación........................................... ...... …………. 55

4.5 Resultados de campo ............................................. .. ................................ 64

5. Resumen ............................................... . .................................................. . ................................. 65 5.1 Resultados de la

clasificación de la cobertura del suelo.................................. ..... .................................. 65 5.1.1 Los resultados de

la validación......................................... ....... .............. 65 5.2 Resultados de la clasificación del área

de imágenes de vehículos aéreos no tripulados (UAV) ......................... ..... .68

Discusión de los resultados.................................................. . .................................................. . ....... 68

Problemas y Obstáculos .................................................. .................................................. 69

Sugerencias.................................................. .. .................................................. .. ....... 69

Bibliografía .................................................. ..... ............................................. ..... ..................... 70

Apéndice ............................................... . .................................................. . ........................ 72

Biografía del investigador .............................................. .................................................... .....................97

página 2.1 muestra el sistema de campo de prácticas. imágenes de satélite

Centinela-2................................................... .8 3.1 Herramientas utilizadas en la