Vineyard area estimation using medium spatial resolution satellite imagery
La Unión Europea requiere que sus estados miembros determinen su potencial de producción de vino. Para realizar esta tarea la mayoría de los estados miembros han desarrollado o actualizado registros vinícolas. El presente estudio propone localizar viñedos utilizando imágenes de satélite de resolució...
Gespeichert in:
Veröffentlicht in: | Spanish journal of agricultural research : SJAR 2008-09, Vol.6 (3), p.441-452 |
---|---|
Hauptverfasser: | , , , |
Format: | Artikel |
Sprache: | eng |
Schlagworte: | |
Online-Zugang: | Volltext |
Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
Zusammenfassung: | La Unión Europea requiere que sus estados miembros determinen su potencial de producción de vino. Para realizar esta tarea la mayoría de los estados miembros han desarrollado o actualizado registros vinícolas. El presente estudio propone localizar viñedos utilizando imágenes de satélite de resolución espacial media. El trabajo se desarrolló utilizando imágenes Landsat que se validaron para la Denominación de Origen "Bierzo", León, España. La metodología descrita en el artículo logró una exactitud del productor de 0,88 y una exactitud para el usuario de 0,63. La superficie de viñedo para cada municipio fue estimada a partir de imágenes clasificadas, mediante regresión lineal, obteniendo valores de R2 superiores a 0,80. El método aporta buenos resultados a escala municipal.
The European Union requires member states to estimate their wine growing potential. For this purpose, most member states have developed or updated vineyard registers. The present study suggests locating vineyards using medium spatial resolution satellite imagery. The work was carried out using Landsat images that were validated for the Designation of Origin "Bierzo", León, Spain. The methodology described in this paper yields a producer's accuracy of 0.88 and a user's accuracy of 0.63. The vineyard areas for each municipality were estimated from the classified images by linear regression, with fits of R2 > 0.80. The method gives good results at the municipal scale. |
---|---|
ISSN: | 1695-971X 2171-9292 2171-9292 |
DOI: | 10.5424/sjar/2008063-337 |