Curso AgroDigital – 5. Teledetección y topografía para la agricultura de precisión
Formación gratuita online
Dedicación estimada 115 h
Formación opcional para todas las personas participantes en el proyecto AgroDigital, proyecto cofinanciado por el Fondo Social Europeo FSE+ a través del Programa Empleaverde+ de la Fundación Biodiversidad del Ministerio para la Transición Ecológica y el Reto Demográfico
Este curso permite incorporar el uso de técnicas y procedimientos de procesamiento de imágenes de satélite y drones con QGIS. Los participantes implementarán estrategias de agricultura de precisión para tomar decisiones objetivas y eficientes económica y medioambientalmente. Practicarán con herramientas y complementos de QGIS sobre imágenes remotas de cultivos, aprendiendo a analizar la información contenida en ellas.
Conocimientos que adquirirán las personas participantes:
- Conocimientos de teledetección.
- Calcular índices de vegetación.
- Descarga y visionado de imágenes gratuitas de satélite.
- Segmentación de imágenes para análisis orientado a objetos (OBIA).
- Creación de zonas de manejo según información remota.
- Técnicas de clasificación de vegetación en cultivos.
- Cálculo de alturas en cultivos leñosos mediante uso de Modelos Digitales de Superficies (MDS).
Los contenidos de este curso son impartidos a través de vídeos. La gestión del curso se lleva a cabo por medio de una plataforma de formación online en la cual el alumnado tiene la posibilidad de realizar consultas al equipo docente, entregar las actividades de evaluación y descargar los materiales del curso.
Contenido
TEMA 01: La teledetección como herramienta de la agricultura de precisión
1. Un camino hacia la digitalización de la agricultura.
1.1. Políticas y estrategias europeas en el periodo 2023 – 2027.
1.2. Concepto y fases de la agricultura de precisión.
1.3. La agricultura de precisión en Europa: situación actual y futura.
2. Concepto e historia de la teledetección.
2.1. Definición y componentes de la teledetección.
2.2. Ventajas e inconvenientes.
2.3. Breve historia de la teledetección y su evolución en la agricultura.
3. Conceptos básicos de la teledetección.
3.1. El espectro electromagnético y las bandas espectrales.
3.2. Firmas espectrales.
3.3. Otros parámetros relacionados con la energía.
4. Plataformas y sensores en teledetección.
4.1. Elección de plataformas en teledetección: satelitales y aeronaves.
4.2. Órbitas satelitales: LEO, MEO y GEO. Heliosincrónica y geosincrónica.
4.3. Sensores activos (RADAR, LiDAR) y pasivos (multiespectral, hiperespectral).
4.4. La imagen digital en teledetección: resoluciones de la imagen digital (espacial, temporal, espectral y radiométrica).
4.5. Introducción al análisis orientado al pixel y al análisis orientado a objetos (OBIA).
TEMA 02: El sistema de información geográfica (SIG) en teledetección
1. El sistema ráster y el sistema vectorial. Tipos de ficheros.
2. El sistema de referencia.
3. Softwares y plataformas SIG: SIGPAC.
3.1 Presentación del SIGPAC.
3.2 Descarga de parcelas agrícolas.
4. Softwares y plataformas SIG: QGIS.
4.1 Entorno del proyecto: paneles, barras de herramientas y sistema de referencia.
4.2 Crear y cargar capas vectoriales y rásters.
4.3 Instalación de complementos útiles: Semi-Automatic Classification Plugin (SCP), Point Sampling Tool, Profile Tool, Dzetsaka Classification Tool, Quick Map Services ….
Tema 03 | Zonificación y seguimiento temporal de cultivo herbáceo. Análisis orientado al pixel con imagen multiespectral de satélite.
1. El análisis orientado al pixel.
2. Utilidad de la zonificación y el seguimiento temporal del cultivo {PRESENTACIÓN}.
2.1 Zonificación.
2.2. Seguimiento temporal.
3. Descarga de imágenes de satélite.
3.1. El programa Copernicus de la Comisión Europea. Descarga de imágenes Sentinel 2
3.2. El programa Landsat de la NASA. Descarga de imágenes Landsat 8 / 9
3.3. Descarga de imágenes desde el complemento SCP de QGIS.
3.4. Otras fuentes de descarga de imágenes: IGN, EarthData, Sentinel Hub,
3.5. Modelos Digitales de Terreno (IGN).
3.6. Evapotranspiración (EarthData).
3.7. Plataformas web y satélites privados principales: Sentinel Hub, … {c }
4. Procesamiento de imágenes.
4.1. Preprocesamiento de imágenes: corrección radiométrica, topográfica y atmosférica.
4.2. Análisis preliminar de las imágenes mediante composiciones de bandas.
4.3. Recorte de las imágenes al área de estudio.
4.4. Creación de índices de espectrales de vegetación.
5. Análisis orientado al pixel de la imagen de satélite: Zonificación de la variabilidad intraparcelaria del cultivo.
5.1. Creación de cuadricula de zonificación y cálculo de estadística de zona.
5.2. Cálculo y análisis de la variabilidad intraparcelaria.
5.3. Toma de decisiones: creación de mapa de prescripción, … .
6. Cálculo y análisis de la variabilidad interparcelaria. Análisis multitemporal.
Tema 04 | Zonificación de cultivo leñoso mediante clasificación supervisada. Análisis orientado al pixel con imagen multiespectral de drone.
1. Teoría de la clasificación de imágenes.
1.1. Clasificación no supervisada. Algoritmos.
1.2. Clasificación supervisada: Áreas de entrenamiento, indicadores de separabilidad espectral y algoritmos.
2. Clasificación supervisada en QGIS con Semiautomatic Classification Plugin (SCP).
2.1. Creación de áreas de entrenamiento. Huellas espectrales.
2.2. Análisis de indicadores de separabilidad espectral.
2.3. Clasificación preliminar y elección del algoritmo.
2.4. Clasificación del total de la imagen.
3. Validación de la clasificación supervisada: Matriz de confusión.
4. Otra alternativa a SCP para la clasificación supervisada: Dzetsaka.
5. Aplicaciones de la clasificación supervisada.
5.1 Principales aplicaciones a partir de la clasificación del cultivo.
5.2. Selección de puntos de aforamiento en base a la variabilidad del cultivo.
5.3. Creación de mapa de producción mediante regresión lineal con los datos obtenidos en campo.
Tema 05 | Zonificación de cultivo hortícola mediante segmentación. Análisis orientado a objetos (OBIA) con imagen de drone (imagen RGB).
1. El análisis orientado a objetos (OBIA).
2. Creación de objetos: discriminación y aislamiento del cultivo.
2.1. Segmentación de ortoimagen con GRASS.
2.2. Discriminación de vegetación y suelo.
2.3. Discriminación de cultivo y mala hierba.
3. Análisis de los objetos: aplicaciones al cultivo.
3.1. Aplicaciones del análisis OBIA para una toma de decisiones eficiente
3.2. Cálculo y análisis de la variabilidad espacial de densidad de malas hierbas.
3.3. Creación de mapa de prescripción de tratamiento fitosanitario variable en tiempo real (VRT).
Tema 06 | Zonificación de cultivo leñoso mediante modelo digital de superficie normalizado. Análisis orientado a objetos (OBIA) con imagen RGB de drone.
1. Análisis OBIA a partir de modelos digitales de elevaciones (MDE): Modelo digital de superficies normalizado.
2. Creación de objetos: discriminación y aislamiento de copas de árboles.
2.1. Cálculo del modelo digital de superficie normalizado.
2.2. Discriminación de copas de árboles.
3. Análisis de los objetos: aplicaciones al cultivo.
3.1. Aplicaciones del análisis OBIA mediante modelo digital de superficies normalizado.
3.2. Análisis previo del área de estudio en QGIS con el complemento Profile Tool.
3.3. Cálculo y análisis de la variabilidad espacial de superficie foliar y altura de copa para topping.
Tema 07 | Zonificación de cultivo hortícola mediante temperatura. Análisis orientado a objetos (OBIA) con imagen térmica de drone.
1. El uso de sensores térmicos para el análisis de cultivos.
1.1 La radiación infrarroja térmica en el cultivo: temperatura e índices térmicos.
1.2 Características y modelos de sensores térmicos.
1.3 Aplicaciones en la gestión del cultivo.
2. Creación de objetos: discriminación y aislamiento de planta.
2.1. Segmentación de ortoimagen con GRASS.
2.2. Discriminación de cultivo y suelo.
3. Análisis de los objetos: aplicaciones al cultivo.
3.1 Creación de índices de térmicos de vegetación.
3.2 Cálculo y análisis de la variabilidad de estrés hídrico.
TEMA 08: Introducción al uso de RADAR en agricultura.
1. Radar de Apertura sintética (SAR).
1.1. Principios del SAR.
1.2. Parámetros importantes.
1.2. Bandas de Radar.
1.3 La imagen de radar.
1.4 Los mecanismos de dispersión.
2. Plataformas y sensores SAR.
2.1. Satélite Sentinel 1. Descarga de imágenes desde Copernicus Data Space Ecosystem.
2.2. Otros satélites RADAR.
3. Preprocesamiento de imágenes SAR.
3.1. Tipos de correcciones de la imagen SAR
3.2. Introducción al software a SNAP.
3.3. Correcciones de la imagen SAR en SNAP.
4. Aplicaciones en agricultura en base a imágenes RADAR.
4.1 Principales aplicaciones de las imágenes SAR en agricultura: Zonificación del cultivo, series temporales y estimación de la humedad del suelo.
4.2 Ejercicio de zonificación de cultivo.
1. Un camino hacia la digitalización de la agricultura.
1.1. Políticas y estrategias europeas en el periodo 2023 – 2027.
1.2. Concepto y fases de la agricultura de precisión.
1.3. La agricultura de precisión en Europa: situación actual y futura.
2. Concepto e historia de la teledetección.
2.1. Definición y componentes de la teledetección.
2.2. Ventajas e inconvenientes.
2.3. Breve historia de la teledetección y su evolución en la agricultura.
3. Conceptos básicos de la teledetección.
3.1. El espectro electromagnético y las bandas espectrales.
3.2. Firmas espectrales.
3.3. Otros parámetros relacionados con la energía.
4. Plataformas y sensores en teledetección.
4.1. Elección de plataformas en teledetección: satelitales y aeronaves.
4.2. Órbitas satelitales: LEO, MEO y GEO. Heliosincrónica y geosincrónica.
4.3. Sensores activos (RADAR, LiDAR) y pasivos (multiespectral, hiperespectral).
4.4. La imagen digital en teledetección: resoluciones de la imagen digital (espacial, temporal, espectral y radiométrica).
4.5. Introducción al análisis orientado al pixel y al análisis orientado a objetos (OBIA).
TEMA 02: El sistema de información geográfica (SIG) en teledetección
1. El sistema ráster y el sistema vectorial. Tipos de ficheros.
2. El sistema de referencia.
3. Softwares y plataformas SIG: SIGPAC.
3.1 Presentación del SIGPAC.
3.2 Descarga de parcelas agrícolas.
4. Softwares y plataformas SIG: QGIS.
4.1 Entorno del proyecto: paneles, barras de herramientas y sistema de referencia.
4.2 Crear y cargar capas vectoriales y rásters.
4.3 Instalación de complementos útiles: Semi-Automatic Classification Plugin (SCP), Point Sampling Tool, Profile Tool, Dzetsaka Classification Tool, Quick Map Services ….
Tema 03 | Zonificación y seguimiento temporal de cultivo herbáceo. Análisis orientado al pixel con imagen multiespectral de satélite.
1. El análisis orientado al pixel.
2. Utilidad de la zonificación y el seguimiento temporal del cultivo {PRESENTACIÓN}.
2.1 Zonificación.
2.2. Seguimiento temporal.
3. Descarga de imágenes de satélite.
3.1. El programa Copernicus de la Comisión Europea. Descarga de imágenes Sentinel 2
3.2. El programa Landsat de la NASA. Descarga de imágenes Landsat 8 / 9
3.3. Descarga de imágenes desde el complemento SCP de QGIS.
3.4. Otras fuentes de descarga de imágenes: IGN, EarthData, Sentinel Hub,
3.5. Modelos Digitales de Terreno (IGN).
3.6. Evapotranspiración (EarthData).
3.7. Plataformas web y satélites privados principales: Sentinel Hub, … {c }
4. Procesamiento de imágenes.
4.1. Preprocesamiento de imágenes: corrección radiométrica, topográfica y atmosférica.
4.2. Análisis preliminar de las imágenes mediante composiciones de bandas.
4.3. Recorte de las imágenes al área de estudio.
4.4. Creación de índices de espectrales de vegetación.
5. Análisis orientado al pixel de la imagen de satélite: Zonificación de la variabilidad intraparcelaria del cultivo.
5.1. Creación de cuadricula de zonificación y cálculo de estadística de zona.
5.2. Cálculo y análisis de la variabilidad intraparcelaria.
5.3. Toma de decisiones: creación de mapa de prescripción, … .
6. Cálculo y análisis de la variabilidad interparcelaria. Análisis multitemporal.
Tema 04 | Zonificación de cultivo leñoso mediante clasificación supervisada. Análisis orientado al pixel con imagen multiespectral de drone.
1. Teoría de la clasificación de imágenes.
1.1. Clasificación no supervisada. Algoritmos.
1.2. Clasificación supervisada: Áreas de entrenamiento, indicadores de separabilidad espectral y algoritmos.
2. Clasificación supervisada en QGIS con Semiautomatic Classification Plugin (SCP).
2.1. Creación de áreas de entrenamiento. Huellas espectrales.
2.2. Análisis de indicadores de separabilidad espectral.
2.3. Clasificación preliminar y elección del algoritmo.
2.4. Clasificación del total de la imagen.
3. Validación de la clasificación supervisada: Matriz de confusión.
4. Otra alternativa a SCP para la clasificación supervisada: Dzetsaka.
5. Aplicaciones de la clasificación supervisada.
5.1 Principales aplicaciones a partir de la clasificación del cultivo.
5.2. Selección de puntos de aforamiento en base a la variabilidad del cultivo.
5.3. Creación de mapa de producción mediante regresión lineal con los datos obtenidos en campo.
Tema 05 | Zonificación de cultivo hortícola mediante segmentación. Análisis orientado a objetos (OBIA) con imagen de drone (imagen RGB).
1. El análisis orientado a objetos (OBIA).
2. Creación de objetos: discriminación y aislamiento del cultivo.
2.1. Segmentación de ortoimagen con GRASS.
2.2. Discriminación de vegetación y suelo.
2.3. Discriminación de cultivo y mala hierba.
3. Análisis de los objetos: aplicaciones al cultivo.
3.1. Aplicaciones del análisis OBIA para una toma de decisiones eficiente
3.2. Cálculo y análisis de la variabilidad espacial de densidad de malas hierbas.
3.3. Creación de mapa de prescripción de tratamiento fitosanitario variable en tiempo real (VRT).
Tema 06 | Zonificación de cultivo leñoso mediante modelo digital de superficie normalizado. Análisis orientado a objetos (OBIA) con imagen RGB de drone.
1. Análisis OBIA a partir de modelos digitales de elevaciones (MDE): Modelo digital de superficies normalizado.
2. Creación de objetos: discriminación y aislamiento de copas de árboles.
2.1. Cálculo del modelo digital de superficie normalizado.
2.2. Discriminación de copas de árboles.
3. Análisis de los objetos: aplicaciones al cultivo.
3.1. Aplicaciones del análisis OBIA mediante modelo digital de superficies normalizado.
3.2. Análisis previo del área de estudio en QGIS con el complemento Profile Tool.
3.3. Cálculo y análisis de la variabilidad espacial de superficie foliar y altura de copa para topping.
Tema 07 | Zonificación de cultivo hortícola mediante temperatura. Análisis orientado a objetos (OBIA) con imagen térmica de drone.
1. El uso de sensores térmicos para el análisis de cultivos.
1.1 La radiación infrarroja térmica en el cultivo: temperatura e índices térmicos.
1.2 Características y modelos de sensores térmicos.
1.3 Aplicaciones en la gestión del cultivo.
2. Creación de objetos: discriminación y aislamiento de planta.
2.1. Segmentación de ortoimagen con GRASS.
2.2. Discriminación de cultivo y suelo.
3. Análisis de los objetos: aplicaciones al cultivo.
3.1 Creación de índices de térmicos de vegetación.
3.2 Cálculo y análisis de la variabilidad de estrés hídrico.
TEMA 08: Introducción al uso de RADAR en agricultura.
1. Radar de Apertura sintética (SAR).
1.1. Principios del SAR.
1.2. Parámetros importantes.
1.2. Bandas de Radar.
1.3 La imagen de radar.
1.4 Los mecanismos de dispersión.
2. Plataformas y sensores SAR.
2.1. Satélite Sentinel 1. Descarga de imágenes desde Copernicus Data Space Ecosystem.
2.2. Otros satélites RADAR.
3. Preprocesamiento de imágenes SAR.
3.1. Tipos de correcciones de la imagen SAR
3.2. Introducción al software a SNAP.
3.3. Correcciones de la imagen SAR en SNAP.
4. Aplicaciones en agricultura en base a imágenes RADAR.
4.1 Principales aplicaciones de las imágenes SAR en agricultura: Zonificación del cultivo, series temporales y estimación de la humedad del suelo.
4.2 Ejercicio de zonificación de cultivo.
El proyecto AgroDigital comprende 5 cursos formativos gratuitos, siendo los 2 primeros comunes y obligatorios, y los 3 últimos opcionales.
- Sostenibilidad y tecnologías geomáticas y topográficas en el sector agrícola: Proporciona una base sólida en sostenibilidad agrícola, abordando tendencias actuales, legislación y técnicas de producción ecológica. Enfocada en la digitalización de explotaciones, riego eficiente, y gestión sostenible del suelo y agua. Formación obligatoria.
- Habilidades blandas e igualdad: Capacita a las personas participantes en habilidades como escucha activa, comunicación efectiva, análisis crítico, y gestión de conflictos, fomentando la igualdad de género y la inclusión en el sector agrícola. Formación obligatoria.
- QGIS Fundamentos y bases de datos: Formación en QGIS, software SIG esencial para la gestión de datos geoespaciales en explotaciones agrícolas. Formación opcional.
- Fotogrametría con RPAS: Formación en el uso de fotogrametría con drones para la digitalización de explotaciones agrícolas, generando productos geoespaciales como nubes de puntos, modelos digitales y ortoimágenes RGB o multiespectrales, utilizados en software SIG y en análisis de teledetección. Formación opcional.
- Teledetección y topografía para la agricultura de precisión: Capacita en el uso de teledetección para monitorear cultivos con datos fotogramétricos y satelitales, identificando problemas como estrés hídrico y enfermedades, optimizando las prácticas sostenibles en las explotaciones y minimizando el uso de recursos. Formación opcional.
Formación 100% gratuita y dirigida a personas desempleadas, trabajadoras y emprendedoras, que contarán con certificado de la acción formativa. Los candidatos deberán obligatoriamente cursar los dos primeros cursos comunes; y podrán cursar cada uno de los 3 cursos específicos de manera individual e independiente, o cursar los tres específicos de forma consecutiva, para que el alumnado que lo deseé pueda completar el itinerario formativo completo y conseguir una certificación formativa completa.
Inscripciones y más información en:
Inscripciones
Fecha límite de inscripción
15 · mayo · 2025
Correo electrónico inscripciones
agrodigital@proyectoempleaverde.es