En Extremadura, la ayuda de la Política Agraria Común (PAC) tiene un presupuesto de unos 500 millones de euros para los 41,633 km² que tiene como extensión la comunidad autónoma. Hacer visitas al terreno para comprobar el cultivo es extremadamente costoso, y sólo es posible hacer inspección a un pequeño porcentaje de las explotaciones con cultivos declarados.
Para solucionar este problema, un equipo multidisciplinar de investigadores de la Universidad de Extremadura, formado por Ingenieros Informáticos, Ingenieros en Cartografía y Fotogrametría e Ingenieros Agrónomos viene desarrollando desde 2019 un sistema inteligente de detección de cultivos a raíz de un convenio con la Consejería de Medio Ambiente y Rural, Políticas Agrarias y Territorio, llamado INTELIPAC.
El sistema se basa en el aprendizaje de patrones mediante redes neuronales, y se está aplicando, entre otros usos, a la detección de más de 79 tipos de cultivos. Para el aprendizaje se toman los recintos de ayuda de la PAC de los años 2017, 2018, 2019 y 2020, y se han descargado para cada parcela, las imágenes de los satélites Sentinel-2 (que pasan aproximadamente cada 5 días) en estos años. El sistema software se basa en el análisis de la evolución anual de cada píxel del interior del recinto de cultivo, tratando cada zona de la parcela. Para el aprendizaje del patrón de tabaco, por ejemplo, se han usado unos 3 millones de píxeles. Con esta gran cantidad de información se obtienen unos extraordinarios porcentajes de acierto con el modelo conseguido, con valores superiores al 97%.
Con los patrones aprendidos de estos cultivos, y con el enfoque de tratamiento de las imágenes de satélite por píxel, se consigue que para las declaraciones gráficas de próximos años se pueda detectar de forma automática la coincidencia de la parcela con el patrón de cultivo declarado, evitando los costosos controles sobre el terreno.
Este modelo y las técnicas usadas en INTELIPAC son las que se están empleando en el proyecto PREIGNEO seleccionado para los Premios de la Cátedra Telefónica de la UEx. En este caso, en vez de identificar cultivos, la información de las imágenes de satélite de años anteriores se emplea para predecir las zonas potencialmente peligrosas por riesgo de incendios.