Cartografía del abandono de parcelas en regadíos tradicionales de ribera con datos de Sentinel 2 y la PAC

Abstract

Una de las grandes problemáticas a las que se enfrenta la provincia de Teruel es la despoblación que conlleva el abandono de la actividad agraria en los regadíos tradicionales de ribera. Para poder llevar a cabo actuaciones encaminadas a recuperar las tierras abandonadas en estos regadíos se necesita información de calidad sobre las parcelas abandonadas y sus características. En este trabajo se muestra el potencial de la teledetección para identificar, caracterizar y cartografiar los regadíos tradicionales de ribera. Mediante técnicas de fotointerpretación y digitalización, empleando ortofotografías del PNOA, así como otras capas de información digital, se ha delimitado el territorio que ocupa dicho regadío. Además, se han identificado las parcelas que no tienen un manejo productivo a partir de un modelo de clasificación supervisada basado en el algoritmo Support Vector Machine-Radial y reglas de decisión. También se ha generado una cartografía de alta resolución de los usos del suelo del espacio de ribera y de plantaciones de Populus sp. empleando ortofotografías PNOA y datos LiDAR. Los resultados obtenidos demuestran la utilidad y beneficios de la información óptica multiespectral (imágenes satelitales y fotografías aéreas) y datos LiDAR (nubes de puntos) para caracterizar estructural y espacialmente los ecosistemas agroforestales de ribera

One of the major problems facing the province of Teruel is the depopulation caused by the abandonment of agricultural activity in traditional riverside irrigated lands. Quality information on the abandoned plots, and their characteristics, is needed to carry out actions aimed at recovering the abandoned lands in these irrigated areas. This work shows the potential of remote sensing to identify, characterize and map traditional riverside irrigated lands. The boundaries of the territory dedicated to traditional irrigated land have been defined by photointerpretation and digitalization techniques using PNOA orthophotographs, as well as other layers of digital information. In addition, the plots without productive use have been identified from a supervised classification model based on the Support Vector Machine-Radial algorithm and decision rules. High-resolution mapping of the land uses of the riparian space and Populus sp. plantations have also been generated using PNOA orthophotographs and LiDAR data. The results obtained demonstrate the usefulness and benefits of multispectral optical information (satellite images and aerial photographs) and LiDAR data (point clouds) to characterize riparian agroforestry ecosystems structurally and spatially.