Fields of The World: A Field Guide for Extracting Agricultural Field Boundaries

Resumen Técnico: Fields of The World (FTW)

Planteamiento del Problema
El monitoreo agrícola a escalas continentales es crítico para la seguridad alimentaria, la política de uso de la tierra y el cumplimiento normativo (por ejemplo, el Reglamento de la UE sobre la Deforestación). Sin embargo, la unidad de análisis para tareas como el mapeo de cultivos, la estimación de rendimientos y la asignación de subsidios es el campo agrícola individual. La digitalización manual de los límites de los campos no es factible a escala, lo que requiere enfoques automatizados para extraer estos límites a partir de imágenes satelitales. Los métodos existentes suelen tener dificultades con la variabilidad espectral y las geometrías irregulares de las parcelas, mientras que los modelos previos de aprendizaje profundo pueden carecer de la diversidad necesaria para la generalización global.

Metodología
El artículo presenta el ecosistema Fields of The World (FTW), que integra un conjunto de datos de referencia, modelos preentrenados y herramientas de línea de comandos para facilitar el monitoreo agrícola de extremo a extremo.

• Pipeline de Datos: El flujo de trabajo utiliza imágenes de Sentinel-2 bi-temporales (reflectancia de superficie Nivel-2A) que representan las ventanas de siembra y cosecha. El sistema consulta el catálogo STAC de Microsoft Planetary Computer para adquirir escenas libres de nubes. Para cada celda MGRS (100×100 km), se definen ventanas estacionales basadas en los calendarios de cultivos locales y se computan composiciones medianas para reducir los artefactos atmosféricos.
• Extracción de Límites de Campos: Los modelos de segmentación centrales emplean una arquitectura U-Net con un codificador EfficientNet-B3 preentrenado en Image ImageNet. Los modelos aceptan dos entradas de 4 canales (RGB + NIR a 10 m de resolución) de observaciones de principios y finales de temporada para capturar diferencias fenológicas. El conjunto de datos de entrenamiento abarca 24 países con tamaños de campo que van desde <1 ha hasta >100 ha. El modelo genera probabilidades por píxel para los interiores de los campos, los límites y el fondo.
• Post-procesamiento: El paquete ftw-tools proporciona una interfaz de línea de comandos para la inferencia. El post-procesamiento implica el umbral de las salidas softmax a 0.5, la aplicación de apertura morfológica para eliminar pequeños artefactos y la conversión de rásteres a polígonos mediante componentes conectados. El filtrado opcional utilizando máscaras de cobertura terrestre (por ejemplo, ESA WorldCover) elimina áreas no agrícolas como bosques y agua.
• Aplicaciones Aguas Abajo:
  • Clasificación de Cultivos: El artículo integra los polígonos de FTW con MOSAIKS (Características Convolucionales Aleatorias). Para cada polígono, se aplican 256 filtros aleatorios de 3×3 a los píxeles de Sentinel-2 para generar embeddings de 256 dimensiones. Se entrena un clasificador de regresión logística sobre estos embeddings utilizando etiquetas de la Capa de Datos de Cultivos (CDL) de la USDA.
  • Atribución de Pérdida de Bosque: El sistema une espacialmente los polígonos derivados de FTW con el conjunto de datos de Cambio Global de Bosques de Hansen (GFC) (resolución de 30 m, 2000–2023) para calcular estadísticas zonales (media, mínimo, pérdida máxima por año) por campo, identificando parcelas con deforestación reciente relevante para el cumplimiento de la EUDR.
  • Inferencia a Escala de País: Las predicciones precomputadas para cinco países (Japón, México, Ruanda, Sudáfrica, Suiza) que cubren 4.76 millones de km² están almacenadas en archivos Zarr optimizados para la nube. Estos utilizan inferencia de ventana deslizante (256×256 píxeles con un 25% de solapamiento) y promediado ponderado por Gauss para suprimir artefactos de borde.

Contribuciones Clave

1. Ecosistema FTW: Un recurso integral que comprende un benchmark de 1.6 millones de polígonos de campos en 24 países, modelos de segmentación preentrenados y herramientas de inferencia de código abierto (ftw-tools).
2. Flujos de Trabajo Reproducibles: Dos cuadernos de Python que demuestran procesos de extremo a extremo: (1) extracción de límites de campos a escala local junto con clasificación de cultivos y atribución de pérdida de bosque, y (2) inferencia a escala de país y detección de cambios utilizando datos nativos de la nube.
3. Capacidad de Few-Shot: Demostración de que los embeddings de MOSAIKS derivados de los polígonos de FTW permiten una clasificación de cultivos efectiva con datos etiquetados limitados.
4. Acceso Nativo de la Nube: Provisión de predicciones precomputadas a escala de país en archivos Zarr, lo que permite la carga perezosa (lazy loading) y consultas espaciales sin descargas completas del conjunto de datos.

Resultados

• Clasificación de Cultivos: En la celda MGRS 14TPN (Iowa, EE. UU.), el sistema logró puntuaciones F1 macro entre 0.65 y 0.75 para la clasificación de tipos de cultivos (maíz, soja, pastizales/pastos, alfalfa) utilizando etiquetas limitadas. El entrenamiento con solo el 10% de los campos etiquetados produjo puntuaciones dentro del 5% del entrenamiento con datos completos. El PCA de los embeddings reveló clústeres separables por tipo de cultivo, con alta precisión para las clases dominantes (F1 > 0.8) y la confusión esperada entre las clases minoritarias.
• Variación del Tamaño del Campo: Las predicciones precomputadas revelaron áreas de campo medianas que van desde 0.06 ha en Ruanda (reflejando sistemas de pequeños agricultores) hasta 0.28 ha en Suiza (reflejando sistemas mecanizados).
• Detección de Cambios: El sistema detectó con éxito cambios año tras año (2023 vs. 2024) mediante la diferenciación de mapas de probabilidad de campos, marcando los píxeles que exceden el percentil 99 de la diferencia absoluta como potencial expansión o abandono agrícola.

Significancia
El artículo posiciona al ecosistema FTW como una herramienta fundamental para el monitoreo agrícola escalable. Demuestra que los modelos de segmentación entrenados con datos globales diversos pueden generalizarse a través de diferentes geografías y zonas climáticas. Al integrar los límites de campos extraídos con tareas aguas abajo como la clasificación de cultivos y el monitoreo de la pérdida de bosques, el ecosistema respalda aplicaciones críticas en la seguridad alimentaria y el cumplimiento regulatorio (por ejemplo, EUDR). La disponibilidad de datos precomputados y optimizados para la nube permite a investigadores y profesionales realizar análisis temporales y consultas espaciales de manera eficiente sin la carga computacional de ejecutar la inferencia localmente.