Resumen Técnico: SwissCrop25

Planteamiento del Problema

Los sistemas operativos de mapeo de cultivos se enfrentan a cuatro requisitos críticos que los benchmarks existentes no logran abordar simultáneamente:

1. Generalización Temporal: Los modelos deben generalizarse a través de los años con condiciones climáticas y fenológicas variables, en lugar de simplemente interpolar dentro de una sola temporada.
2. Taxonomía de Grano Fino: Las necesidades operativas requieren distinguir clases de grano fino y de cola larga (por ejemplo, intensidades específicas de gestión de pastizales, maíz de grano frente a maíz de ensilaje) en lugar de solo los cultivos dominantes.
3. Integridad de la Escena: El despliegue en el mundo real requiere delinear las tierras de cultivo de las no agrícolas (bosques, zonas urbanas, etc.) sin depender de máscaras agrícolas predefinidas, que a menudo inflan las estimaciones de rendimiento.
4. Oportunidad Intra-temporada: Aplicaciones como la seguridad alimentaria y los seguros requieren predicciones fiables antes de que termine la temporada de crecimiento, aunque la mayoría de los benchmarks solo evalúan la precisión al final de la temporada utilizando series temporales completas.

Los conjuntos de datos actuales suelen abordar estas dimensiones de forma aislada, carecen de cobertura multi-anual con unidades espaciales consistentes o omiten las clases de cobertura terrestre no agrícola y los datos de temperatura necesarios para un modelado informado ecofisiológicamente.

Metodología y Construcción del Conjunto de Datos

Los autores presentan SwissCrop25, un conjunto de datos de benchmark a escala nacional que cubre la totalidad de Suiza (41.285 km²) a lo largo de siete temporadas de crecimiento (2019–2025).

• Fuentes de Datos:
  • Etiquetas: Derivadas del conjunto de datos de Áreas Cultivadas Agrícolas de Suiza (LNF), agregadas de 140 códigos administrativos en una taxonomía de cultivos de 73 clases (que incluye tipos de gestión de pastizales de grano fino) y 5 clases explícitas de cobertura terrestre no agrícola (bosque, agua, zonas edificadas, tierras improductivas, humedales). Las etiquetas están emparejadas con el modelo topográfico nacional del paisaje (swissTLM3D) para el refinamiento de las no agrícolas.
  • Imágenes: Series temporales de Sentinel-2 (10 bandas espectrales, resolución de 10 m) de 2019–2025, procesadas en cubos de 128×128 píxeles con enmascaramiento de nubes.
  • Datos Ambientales: Observaciones de la temperatura media diaria de MeteoSwiss utilizadas para derivar los Grados Día Calor (GDD) acumulados, permitiendo la alineación fenológica.
• Protocolo de Evaluación:
  • Leave-One-Year-Out (LOYO): Una división de cinco pliegues (2021–2025) donde cada año se prueba contra el entrenamiento en los años restantes. Esto pone a prueba la verdadera generalización temporal en lugar de la transferencia espacial.
  • Evaluación en Dos Etapas: Los modelos se evalúan primero en la delineación binaria de tierras de cultivo (integridad de la escena) y segundo en la clasificación de cultivos de grano fino (65 clases).
  • Pruebas Intra-temporada: Los modelos entrenados con temporadas completas se evalúan en series temporales truncadas (enero a diciembre) para evaluar el rendimiento al inicio de la temporada.
  • Estrategias Temporales: El estudio compara la alineación estándar del tiempo de calendario frente a estrategias conscientes de la fenología: T³S (muestreo de tiempo térmico) y Codificación Posicional Térmica (TPE).

Configuración Experimental

Los autores evaluaron tres familias de modelos representativas:

1. U-TAE: Un modelo de atención temporal convolucional.
2. TSViT: Un transformador espacio-temporal con tokens de clase aprendibles.
3. Galileo: Un modelo fundacional de Observación de la Tierra (evaluado en configuraciones de ajuste fino y de codificador congelado).

Todos los modelos fueron entrenados con una pérdida de entropía cruzada balanceada por clase. Las métricas incluyeron Exactitud Global (OA), IoU Generalizado (GIoU), mIoU promedio macro y mF1 promedio macro. La calibración se midió mediante el Error de Calibración Esperado (ECE) y la Verosimilitud Negativa (NLL).

Resultados Clave

1. Integridad de la Escena

Cuando se entrenaron conjuntamente para delinear tierras de cultivo y clasificar cultivos, todos los modelos alcanzaron un IoU agrícola (IoUag) entre el 86% y el 89%, significativamente inferior a las puntuaciones casi perfectas reportadas a menudo en benchmarks que asumen máscaras predefinidas. Los errores fueron principalmente falsos negativos en áreas espectralmente similares (por ejemplo, pastos forestales, prados extensivos).

2. Generalización Temporal

• Brecha de Rendimiento: Bajo el protocolo LOYO, TSViT logró el mejor rendimiento general con un macro-mIoU del 48,1%, superando a U-TAE (35,8%) por 12 puntos porcentuales.
• Modelos Fundacionales: El modelo Galileo-nano ajustado finamente alcanzó un 30,4% de mIoU, mientras que las variantes congeladas funcionaron sustancialmente peor (14,1%–20,6%), lo que indica que las representaciones pre-entrenadas por sí solas son insuficientes para esta tarea operativa específica sin una adaptación significativa.
• Calibración: U-TAE demostró una mejor calibración (ECE 0,77%) en comparación con TSViT (1,86%), lo que resalta un compromiso entre la precisión bruta y la fiabilidad de la confianza.
• Alineación Fenológica: La incorporación de estrategias temporales derivadas de la temperatura mejoró la robustez. La TPE proporcionó las mayores ganancias, aumentando el mIoU de TSViT en +10,7 pp sobre la línea base. Sin embargo, la división de 2024 (caracterizada por inviernos anomalamente cálidos) fue el año más desafiante para todos los modelos, lo que sugiere que la alineación de la temperatura explica solo parte de la varianza interanual.

3. Clasificación de Grano Fino

• Resolución Taxonómica: La brecha de rendimiento entre modelos aumentó a medida que aumentaba la especificidad taxonómica. Mientras que los modelos fueron comparables en niveles de uso de suelo gruesos (lv3), la ventaja de TSViT creció hasta 12 pp en el nivel de hoja (65 clases).
• Clases Raras: TSViT superó significativamente a U-TAE en clases raras y minoritarias, probablemente debido a que su mecanismo de atención de tokens de clase permite una mejor agregación global para patrones infrecuentes.
• Pastizales: TSViT destacó en la distinción entre prados intensivos y extensivos. Sin embargo, U-TAE superó a TSViT en "Pastura Forestal" (42% frente a 24%), lo que sugiere que las convoluciones multiescala capturan mejor el contexto espacial de los cultivos adyacentes al bosque que la agregación espacial basada en transformadores.

4. Utilidad Intra-temporada

• Inicio de la Temporada: U-TAE lideró en Exactitud Global (OA) durante la fase temprana de la temporada de crecimiento (enero–mayo).
• Final de la Temporada: TSViT superó a U-TAE en mIoU a partir de agosto, impulsado por una mejor discriminación de clases raras a medida que la temporada progresa.
• Compromiso (Trade-off): U-TAE logró un mayor Área Bajo la Curva (AUC) para OA (54,8% frente a 51,3%), mientras que TSViT logró un mayor AUC para mIoU (23,5% frente a 19,9%).

5. Eficiencia

TSViT ofreció la mejor relación precisión-eficiencia entre las arquitecturas dedicadas. Galileo-nano incurrió en costes de entrenamiento 3 veces mayores con un rendimiento inferior, y Galileo-base se consideró impracticable para el ajuste fino con el hardware disponible.

Significado y Reivindicaciones

El artículo afirma que SwissCrop25 proporciona un banco de pruebas desafiante y realista que expone las limitaciones de la investigación actual en mapeo de cultivos, las cuales quedan ocultas por los benchmarks convencionales. Las conclusiones clave son:

• Realidad Operativa: Las máscaras de tierras de cultivo predefinidas inflan el rendimiento; la delineación y clasificación conjuntas revelan errores sistemáticos en áreas seminaturales y adyacentes a bosques.
• Cambios Temporales: Los modelos deben evaluarse bajo protocolos estrictos de LOYO para capturar los cambios de distribución impulsados por el clima; los benchmarks estándar de un solo año son insuficientes.
• Dependencia de la Arquitectura: Ninguna arquitectura única domina todos los escenarios operativos. TSViT es superior para la clasificación de grano fino y de final de temporada, mientras que U-TAE ofrece un mejor rendimiento al inicio de la temporada y una mejor calibración.
• Límites de los Modelos Fundacionales: En este entorno operativo específico, los modelos de dominio específico superan a los modelos fundacionales de Observación de la Tierra de propósito general, lo que sugiere que el pre-entrenamiento en grandes archivos no resuelve automáticamente los desafíos del monitoreo agrícola de grano fino y multi-anual sin una adaptación dirigida.

Los autores concluyen que la evaluación de los sistemas de mapeo de cultivos requiere un enfoque multidimensional que integre la variabilidad temporal, la complejidad semántica y las restricciones reales de despliegue, algo que SwissCrop25 facilita.