This paper presents an evaluation of land cover accuracy, particularly regarding oil palm crop cover, using optical/synthetic aperture radar (SAR) image fusion methods through the implementation of the random forest (RF) algorithm on cloud computing platforms using Sentinel-1 SAR and Sentinel-2 optical images. Among the fusion methods evaluated were Brovey (BR), high-frequency modulation (HFM), Gram–Schmidt (GS), and principal components (PC). This work was developed using a cloud computing environment employing R and Python for statistical analysis. It was found that an optical/SAR image stack resulted in the best overall accuracy with 82.14%, which was 11.66% higher than that of the SAR image, and 7.85% higher than that of the optical image. The high-frequency modulation (HFM) and Brovey (BR) image fusion methods showed overall accuracies higher than the Sentinel-2 optical image classification by 3.8% and 3.09%, respectively. This demonstrates the potential of integrating optical imagery with Sentinel SAR imagery to increase land cover classification accuracy. On the other hand, the SAR images obtained very high accuracy results in classifying oil palm crops and forests, reaching 94.29% and 90%, respectively. This demonstrates the ability of synthetic aperture radar (SAR) to provide more information when fused with an optical image to improve land cover classification.

This article describes the process of constructing a model of the geographic information management for the cultivation of oil palm in Colombia. Due to the need to collect, store, update, and analyze data from planted areas in the country, it was necessary to rely on the soft systems model to propose an information system structure that would respond to the needs of accounting for planted areas and to be able to integrate such information with other strategic data for the oil palm sector. This research developed a database model on which the geographic data related to the Colombian planted area of palm oil has been stored for over ten years. The geographic model has allowed creating new information at various territorial scales, integrated with phytosanitary data important for regional crop management. The integration of a web-based platform has positioned the oil palm cadastre as a consultation service for users working in various roles in the oil palm industry, as a reliable geographical bank of information, available to other oil palm project agribusinesses.

This paper evaluates different optical and synthetic aperture radar (SAR) image fusion methods applied to open-access Sentinel images with global coverage. The objective of this research was to evaluate the potential of image fusion methods to get a greater visual difference in land cover, especially in oil palm crops with natural forest areas that are difficult to differentiate visually. The application of the image fusion methods: Brovey (BR), high-frequency modulation (HFM), Gram-Schmidt (GS), and principal components (PC) was evaluated on Sentinel-2 optical and Sentinel-1 SAR images using a cloud computing environment. The results show that the application of the implemented optical/SAR image fusion methods allows the creation of a synthetic image with the characteristics of both data sources. The multispectral information provided by the optical image and information associated with the geometry and texture/roughness of the land covers, provided by the SAR image, allows a greater differentiation in the visualization of the various land covers, achieving a better understanding of the study area. The fusion methods that visually presented greater characteristics associated with the SAR image were the BR and GS methods. The HFM method reached the best statistical indicators; however, this method did not present significant visual changes in the SAR contribution.

La adopción del híbrido interespecífico Elaeis oleifera x Elaeis guineensis (OxG) ha requerido transformaciones de la agroindustria de palma de aceite. Por ello, en este marco se ha recurrido a la adaptación de enfoques como el de agricultura de precisión (AP), para asegurar la eficiencia y eficacia de procesos. En el caso específico del híbrido OxG, la aplicación de la AP se ha llevado a cabo en la polinización y la cosecha, con la adopción de metodologías y tecnologías que habían sido implementadas en otros procesos, pero orientadas al aseguramiento de la trazabilidad y la calidad de la producción. En el presente capítulo se abordan las tecnologías y métodos para la gestión de datos en los procesos de polinización y cosecha del híbrido OxG, en los que se considera su gran relevancia en la productividad. No se aborda el enfoque de procesos como nutrición o sanidad, ya que es la polinización asistida la principal diferencia de cultivares híbridos OxG con respecto a E. guineensis. Igualmente, se hace un recorrido por la concepción del flujo de datos en el proceso de polinización, las tecnologías que con el enfoque de AP se utilizan en el flujo de datos, los principales métodos para el análisis de datos en la polinización, la forma como los datos de polinización se integran a la cosecha y, finalmente, las experiencias de algunas plantaciones que han implementado el enfoque de AP en el manejo del híbrido OxG

En el presente documento se consignan las experiencias más relevantes del proceso de adopción del registro digital de datos en campo para el cultivo de palma de aceite. Se reconocen actores, etapas, éxitos y fracasos, que en su conjunto construyen el estado actual y las perspectivas de uso de una tecnología que ha permeado los diferentes ámbitos del manejo agronómico y es uno de los hitos de la adopción del enfoque de agricultura de precisión: CyberTracker, formularios digitales hechos a la medida para la palmicultura colombiana.

Este artículo evalúa diferentes métodos de fusión de imágenes ópticas y de radar de apertura sintética (SAR, siglas de Synthetic Aperture Radar) aplicados a imágenes Sentinel de acceso abierto con cobertura global. El objetivo de esta investigación fue analizar el potencial de los métodos de fusión de imágenes para obtener una mayor diferenciación visual de las coberturas del suelo, especialmente en cultivos de palma de aceite con áreas de bosque natural que resultan difíciles de distinguir mediante interpretación visual convencional. Se evaluó la aplicación de los métodos de fusión de imágenes Brovey (BR), modulación de alta frecuencia (HFM), Gram-Schmidt (GS) y componentes principales (PC) en imágenes ópticas Sentinel-2 y SAR Sentinel-1, para lo cual se utilizó un entorno de computación en la nube. Los resultados muestran que la aplicación de los métodos de fusión de imágenes ópticas/ SAR implementados permite crear una imagen sintética que integra las características de ambas fuentes de datos. La información multiespectral proporcionada por la imagen óptica y la información asociada a la geometría y la textura/rugosidad de las coberturas terrestres proporcionada por la imagen SAR, posibilita una mayor diferenciación en la visualización de las diversas coberturas, lo que conduce a una mejor comprensión del área de estudio. Los métodos de fusión que presentaron visualmente mayores características asociadas a la imagen SAR fueron los BR y GS. El método HFM, por su parte, alcanzó los mejores indicadores estadísticos; sin embargo, este método no presentó cambios visuales significativos en la contribución SAR.