Seguimiento de la humedad del suelo a partir de imágenes radar satélite Sentinel – I

Abstract

El presente estudio se centra en la estimación de la humedad del suelo en la región de Patacamaya utilizando imágenes SAR del satélite Sentinel-1A, parte del programa Copernicus de la Agencia Espacial Europea. Dado el carácter árido y semiárido de la región, la monitorización precisa de la humedad del suelo es esencial para la gestión hídrica y la sostenibilidad agrícola. Las imágenes SAR, con su capacidad para penetrar nubes y operar en diversas condiciones meteorológicas, se presentan como una herramienta clave en este contexto. El objetivo principal del estudio es desarrollar un modelo preciso para estimar la humedad del suelo a partir de datos SAR. Para ello, se compara la información obtenida de las imágenes con mediciones in situ de humedad utilizando el sensor TDR-150 y métodos de laboratorio. Se busca validar la eficacia de diferentes polarizaciones SAR (VH y VV) en la estimación de la humedad del suelo. Se utilizaron imágenes de Sentinel-1A con una resolución temporal de 12 días y se recolectaron datos de humedad en el campo utilizando el sensor TDR-150 y métodos de humedad gravimétrica. Un modelo de Random Forest fue entrenado con un 70% de los datos y validado con el 30% restante, utilizando 166 muestras y 79 variables. Se evaluó la relación entre los coeficientes de retrodispersión de las polarizaciones VH y VV con la humedad gravimétrica. Se analizaron la importancia de las variables SAR, incluyendo índices como "D-VVVHmean" y "VV GLCM variance mean", para determinar su relevancia en el modelo. Los resultados muestran una fuerte correlación entre la humedad gravimétrica y las mediciones del sensor TDR-150, con un R² de 0,976, validando la precisión del sensor TDR-150. La polarización VV demostró ser más útil para la estimación de humedad del suelo que la VH, con una correlación significativa (R² = 0,455) y moderada a fuerte con Sigma0 VVmean (R² = 0,577). El modelo de Random Forest logró un RMSE de 4,7179% para una resolución de 10 m x 10 m y de 3,1266% para 20 m x 20 m, indicando que resoluciones más bajas pueden mejorar la precisión de las predicciones. El R² del modelo fue de 0,47 para 10 m x 10 m y de 0,6268 para 20 m x 20 m, mostrando una explicación del 47% al 62,68% de la variabilidad en la humedad gravimétrica. Estos hallazgos subrayan la efectividad del modelo para apoyar la gestión hídrica en regiones áridas como Patacamaya.