Interpolación de datos ópticos discontinuos mediante series de Fourier y Método Whittaker: un toolbox escrito en python

Resumen

El uso de series temporales utilizando datos ópticos ha sido de gran ayuda en el estudio de la variabilidad espacio-temporal de cultivos agrícolas a escala global. Un problema recurrente en el uso de datos ópticos es que son espacial y temporalmente discontinuos, con valores perdidos debido a multitud de factores como puede ser condiciones climáticas adversas, baja resolución temporal, fallos en el sensor, entre otras. Como consecuencia, se necesitan soluciones de relleno de huecos de datos para un monitoreo preciso de los cultivos. En el presente articulo se expone un toolbox de procesamiento de imágenes escrito en python. Éste permite realizar diferentes tareas en series temporales en productos Sentinel-2, las cuales incluyen: (1) generar series temporales con datos espacialmente continuos a partir de datos discontinuos utilizando dos métodos de interpolación: Series de Fourier y Whittaker, (2) detectar parámetros fenológicos (inicio de temporada, pico mas alto y fin de la temporada, es decir etapas clave de crecimiento del cultivo) y (3) Reconstruir mapas de algún índice espectral de un día del cual no se tengan datos. El toolbox ha sido probado en una zona cultivada con caña de azúcar, y los resultados muestran que el método Whittaker es que mejor interpola los datos. Este toolbox beneficiará a los agricultores para un mejor monitoreo del cultivo de la caña de azúcar, considerando todos los días del ciclo de desarrollo y expresado a través de un índice espectral.