Ejercicio Módulo 4: Clasificación y Detección de Cambios en una Zona Agrícola

Aplicar técnicas de extracción de información para clasificar tipos de cultivo en una zona agrícola, detectar cambios de cubierta entre dos fechas y cuantificar el área regada versus de secano.

1. Descargar dos imágenes Sentinel-2 Level-2A de la cuenca del Duero: una de mayo y otra de agosto del mismo año. Seleccionar bandas B02, B03, B04, B08, B11 (10m y 20m).
2. Calcular el NDVI para ambas imágenes con Raster Calculator. Crear la imagen de diferencia dNDVI = NDVI_agosto – NDVI_mayo. Identificar zonas de ganancia/pérdida de vegetación estival.
3. Reclasificar el dNDVI en tres clases: pérdida fuerte (<-0.2), sin cambio (-0.2 a 0.1) y ganancia (>0.1). Las zonas de ‘ganancia’ o sin cambio en agosto = candidatos a regadío.
4. Realizar una clasificación supervisada con Random Forest (SCP) usando al menos 6 clases: cereal maduro, maíz irrigado, olivar, suelo, urbano y pasto. Mínimo 30 ROIs por clase.
5. Validar la clasificación con 20 puntos de control por clase (independientes de los ROIs). Calcular la matriz de confusión y el índice Kappa. El Kappa debe superar 0.7.
6. Cruzar el mapa de clasificación con NDVI agosto para identificar las parcelas de maíz irrigado (clase ‘maíz’ + NDVI_agosto > 0.5). Calcular la superficie en hectáreas.
7. Comparar el resultado con el mapa de zonas regables de la Confederación Hidrográfica del Duero (disponible en IDE-CHD). Calcular el porcentaje de coincidencia.
8. Elaborar un informe con: mapas de clasificación y cambio, matriz de confusión, estadísticas de superficie de regadíos y análisis de discrepancias con el mapa oficial.