Cartografía de los ambientes naturales y antrópicos de Entre Ríos (Argentina) utilizando clasificación de aprendizaje automático
- Autores
- Sabattini, Julian Alberto; Sabattini, Rafael Alberto; Muzzachiodi, Norberto; Treisse, Irina; Penco, Rodrigo
- Año de publicación
- 2024
- Idioma
- español castellano
- Tipo de recurso
- artículo
- Estado
- versión publicada
- Descripción
- Entre Ríos presenta un paisaje particular con numerosos ambientes contrastantes. Cartografiar tanto los naturales y como los antrópicos es una tarea frecuente gracias a la utilización de tecnologías de percepción remota junto con los sistemas de información geográfica. Conocer qué, cuánto y dónde se encuentran es indispensable para diseñar estrategias de uso sostenible y de conservación de recursos naturales en un territorio. La libre accesibilidad de los datos y la capacidad de procesamiento en la nube de toda esta información es determinante para procesar y clasificar la vegetación de un área determinada. El objetivo fue confeccionar un mapa actualizado y rápidamente actualizable en el futuro con el mismo método de los ambientes naturales y antrópicos más representativos de la provincia de Entre Ríos conociendo cuál es la mejor época del año en la cual se maximiza el porcentaje de acierto de clasificación de algoritmos automáticos de cada ambiente. Utilizar algoritmos automáticos de aprendizajes de clasificación fue útil para conocer la extensión de los ecosistemas naturales y antrópicos en un amplio territorio. Las herramientas de Google Earth Engine permitieron seleccionar la época del año en la cual se maximiza el porcentaje de acierto y disminuye la probabilidad de error con bajo costo computacional y operacional. Los resultados obtenidos son indispensables para planificar políticas públicas de forma precisa y certera para las actividades productivas, como así también para la conservación de los recursos naturales.
Entre Ríos presents a distinctive landscape with numerous contrasting environments. Mapping both natural and anthropic features is a common task facilitated using remote sensing technologies alongside geographic information systems. Knowing what, how much, and where they are located is essential for designing sustainable use and conservation strategies for natural resources in a territory. The free accessibility of data and the cloud processing capability for all this information are crucial for processing and classifying the vegetation of a specific area. The aim was to create an updated map that can be easily updated in the future, using the same method for the most representative natural and anthropic environments in the province of Entre Ríos. This involves determining the best time of the year to maximize the accuracy percentage of automatic algorithm classification for each environment. Employing automatic classification learning algorithms was useful in understanding the extent of natural and anthropic ecosystems across a vast territory. Google Earth Engine tools allowed for selecting the optimal time of year to maximize accuracy percentage and minimize the probability of error with low computational and operational costs. The results obtained are indispensable for planning precise and accurate public policies for productive activities, as well as for the conservation of natural resources.
Fil: Sabattini, Julian Alberto. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Nacional de Entre Ríos. Facultad de Ciencias Agropecuarias; Argentina
Fil: Sabattini, Rafael Alberto. Universidad Nacional de Entre Ríos. Facultad de Ciencias Agropecuarias; Argentina
Fil: Muzzachiodi, Norberto. Universidad Nacional del Litoral. Facultad de Bioquímica y Ciencias Biológicas; Argentina
Fil: Treisse, Irina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto Nacional de Limnología. Universidad Nacional del Litoral. Instituto Nacional de Limnología; Argentina
Fil: Penco, Rodrigo. Universidad Nacional de Entre Ríos. Facultad de Ciencias Agropecuarias; Argentina - Materia
-
dinámica cobertura del suelo
Google Earth Engine
Sentinel-2
clasificación supervisada - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
- Repositorio
- Institución
- Consejo Nacional de Investigaciones Científicas y Técnicas
- OAI Identificador
- oai:ri.conicet.gov.ar:11336/242130
Ver los metadatos del registro completo
id |
CONICETDig_05878a9e5b84ccb925a0e13eeca3fe75 |
---|---|
oai_identifier_str |
oai:ri.conicet.gov.ar:11336/242130 |
network_acronym_str |
CONICETDig |
repository_id_str |
3498 |
network_name_str |
CONICET Digital (CONICET) |
spelling |
Cartografía de los ambientes naturales y antrópicos de Entre Ríos (Argentina) utilizando clasificación de aprendizaje automáticoMapping of the natural and anthropic environments of Entre Rios (Argentina) using machine learning classificationSabattini, Julian AlbertoSabattini, Rafael AlbertoMuzzachiodi, NorbertoTreisse, IrinaPenco, Rodrigodinámica cobertura del sueloGoogle Earth EngineSentinel-2clasificación supervisadahttps://purl.org/becyt/ford/1.5https://purl.org/becyt/ford/1Entre Ríos presenta un paisaje particular con numerosos ambientes contrastantes. Cartografiar tanto los naturales y como los antrópicos es una tarea frecuente gracias a la utilización de tecnologías de percepción remota junto con los sistemas de información geográfica. Conocer qué, cuánto y dónde se encuentran es indispensable para diseñar estrategias de uso sostenible y de conservación de recursos naturales en un territorio. La libre accesibilidad de los datos y la capacidad de procesamiento en la nube de toda esta información es determinante para procesar y clasificar la vegetación de un área determinada. El objetivo fue confeccionar un mapa actualizado y rápidamente actualizable en el futuro con el mismo método de los ambientes naturales y antrópicos más representativos de la provincia de Entre Ríos conociendo cuál es la mejor época del año en la cual se maximiza el porcentaje de acierto de clasificación de algoritmos automáticos de cada ambiente. Utilizar algoritmos automáticos de aprendizajes de clasificación fue útil para conocer la extensión de los ecosistemas naturales y antrópicos en un amplio territorio. Las herramientas de Google Earth Engine permitieron seleccionar la época del año en la cual se maximiza el porcentaje de acierto y disminuye la probabilidad de error con bajo costo computacional y operacional. Los resultados obtenidos son indispensables para planificar políticas públicas de forma precisa y certera para las actividades productivas, como así también para la conservación de los recursos naturales.Entre Ríos presents a distinctive landscape with numerous contrasting environments. Mapping both natural and anthropic features is a common task facilitated using remote sensing technologies alongside geographic information systems. Knowing what, how much, and where they are located is essential for designing sustainable use and conservation strategies for natural resources in a territory. The free accessibility of data and the cloud processing capability for all this information are crucial for processing and classifying the vegetation of a specific area. The aim was to create an updated map that can be easily updated in the future, using the same method for the most representative natural and anthropic environments in the province of Entre Ríos. This involves determining the best time of the year to maximize the accuracy percentage of automatic algorithm classification for each environment. Employing automatic classification learning algorithms was useful in understanding the extent of natural and anthropic ecosystems across a vast territory. Google Earth Engine tools allowed for selecting the optimal time of year to maximize accuracy percentage and minimize the probability of error with low computational and operational costs. The results obtained are indispensable for planning precise and accurate public policies for productive activities, as well as for the conservation of natural resources.Fil: Sabattini, Julian Alberto. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Nacional de Entre Ríos. Facultad de Ciencias Agropecuarias; ArgentinaFil: Sabattini, Rafael Alberto. Universidad Nacional de Entre Ríos. Facultad de Ciencias Agropecuarias; ArgentinaFil: Muzzachiodi, Norberto. Universidad Nacional del Litoral. Facultad de Bioquímica y Ciencias Biológicas; ArgentinaFil: Treisse, Irina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto Nacional de Limnología. Universidad Nacional del Litoral. Instituto Nacional de Limnología; ArgentinaFil: Penco, Rodrigo. Universidad Nacional de Entre Ríos. Facultad de Ciencias Agropecuarias; ArgentinaUniversitat Politècnica de València2024-07info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/242130Sabattini, Julian Alberto; Sabattini, Rafael Alberto; Muzzachiodi, Norberto; Treisse, Irina; Penco, Rodrigo; Cartografía de los ambientes naturales y antrópicos de Entre Ríos (Argentina) utilizando clasificación de aprendizaje automático; Universitat Politècnica de València; Revista de Teledetección; 64; 7-2024; 49-601133-09531988-8740CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/https://polipapers.upv.es/index.php/raet/article/view/20831info:eu-repo/semantics/altIdentifier/doi/10.4995/raet.2024.20831info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T10:40:05Zoai:ri.conicet.gov.ar:11336/242130instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-29 10:40:06.199CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse |
dc.title.none.fl_str_mv |
Cartografía de los ambientes naturales y antrópicos de Entre Ríos (Argentina) utilizando clasificación de aprendizaje automático Mapping of the natural and anthropic environments of Entre Rios (Argentina) using machine learning classification |
title |
Cartografía de los ambientes naturales y antrópicos de Entre Ríos (Argentina) utilizando clasificación de aprendizaje automático |
spellingShingle |
Cartografía de los ambientes naturales y antrópicos de Entre Ríos (Argentina) utilizando clasificación de aprendizaje automático Sabattini, Julian Alberto dinámica cobertura del suelo Google Earth Engine Sentinel-2 clasificación supervisada |
title_short |
Cartografía de los ambientes naturales y antrópicos de Entre Ríos (Argentina) utilizando clasificación de aprendizaje automático |
title_full |
Cartografía de los ambientes naturales y antrópicos de Entre Ríos (Argentina) utilizando clasificación de aprendizaje automático |
title_fullStr |
Cartografía de los ambientes naturales y antrópicos de Entre Ríos (Argentina) utilizando clasificación de aprendizaje automático |
title_full_unstemmed |
Cartografía de los ambientes naturales y antrópicos de Entre Ríos (Argentina) utilizando clasificación de aprendizaje automático |
title_sort |
Cartografía de los ambientes naturales y antrópicos de Entre Ríos (Argentina) utilizando clasificación de aprendizaje automático |
dc.creator.none.fl_str_mv |
Sabattini, Julian Alberto Sabattini, Rafael Alberto Muzzachiodi, Norberto Treisse, Irina Penco, Rodrigo |
author |
Sabattini, Julian Alberto |
author_facet |
Sabattini, Julian Alberto Sabattini, Rafael Alberto Muzzachiodi, Norberto Treisse, Irina Penco, Rodrigo |
author_role |
author |
author2 |
Sabattini, Rafael Alberto Muzzachiodi, Norberto Treisse, Irina Penco, Rodrigo |
author2_role |
author author author author |
dc.subject.none.fl_str_mv |
dinámica cobertura del suelo Google Earth Engine Sentinel-2 clasificación supervisada |
topic |
dinámica cobertura del suelo Google Earth Engine Sentinel-2 clasificación supervisada |
purl_subject.fl_str_mv |
https://purl.org/becyt/ford/1.5 https://purl.org/becyt/ford/1 |
dc.description.none.fl_txt_mv |
Entre Ríos presenta un paisaje particular con numerosos ambientes contrastantes. Cartografiar tanto los naturales y como los antrópicos es una tarea frecuente gracias a la utilización de tecnologías de percepción remota junto con los sistemas de información geográfica. Conocer qué, cuánto y dónde se encuentran es indispensable para diseñar estrategias de uso sostenible y de conservación de recursos naturales en un territorio. La libre accesibilidad de los datos y la capacidad de procesamiento en la nube de toda esta información es determinante para procesar y clasificar la vegetación de un área determinada. El objetivo fue confeccionar un mapa actualizado y rápidamente actualizable en el futuro con el mismo método de los ambientes naturales y antrópicos más representativos de la provincia de Entre Ríos conociendo cuál es la mejor época del año en la cual se maximiza el porcentaje de acierto de clasificación de algoritmos automáticos de cada ambiente. Utilizar algoritmos automáticos de aprendizajes de clasificación fue útil para conocer la extensión de los ecosistemas naturales y antrópicos en un amplio territorio. Las herramientas de Google Earth Engine permitieron seleccionar la época del año en la cual se maximiza el porcentaje de acierto y disminuye la probabilidad de error con bajo costo computacional y operacional. Los resultados obtenidos son indispensables para planificar políticas públicas de forma precisa y certera para las actividades productivas, como así también para la conservación de los recursos naturales. Entre Ríos presents a distinctive landscape with numerous contrasting environments. Mapping both natural and anthropic features is a common task facilitated using remote sensing technologies alongside geographic information systems. Knowing what, how much, and where they are located is essential for designing sustainable use and conservation strategies for natural resources in a territory. The free accessibility of data and the cloud processing capability for all this information are crucial for processing and classifying the vegetation of a specific area. The aim was to create an updated map that can be easily updated in the future, using the same method for the most representative natural and anthropic environments in the province of Entre Ríos. This involves determining the best time of the year to maximize the accuracy percentage of automatic algorithm classification for each environment. Employing automatic classification learning algorithms was useful in understanding the extent of natural and anthropic ecosystems across a vast territory. Google Earth Engine tools allowed for selecting the optimal time of year to maximize accuracy percentage and minimize the probability of error with low computational and operational costs. The results obtained are indispensable for planning precise and accurate public policies for productive activities, as well as for the conservation of natural resources. Fil: Sabattini, Julian Alberto. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Nacional de Entre Ríos. Facultad de Ciencias Agropecuarias; Argentina Fil: Sabattini, Rafael Alberto. Universidad Nacional de Entre Ríos. Facultad de Ciencias Agropecuarias; Argentina Fil: Muzzachiodi, Norberto. Universidad Nacional del Litoral. Facultad de Bioquímica y Ciencias Biológicas; Argentina Fil: Treisse, Irina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto Nacional de Limnología. Universidad Nacional del Litoral. Instituto Nacional de Limnología; Argentina Fil: Penco, Rodrigo. Universidad Nacional de Entre Ríos. Facultad de Ciencias Agropecuarias; Argentina |
description |
Entre Ríos presenta un paisaje particular con numerosos ambientes contrastantes. Cartografiar tanto los naturales y como los antrópicos es una tarea frecuente gracias a la utilización de tecnologías de percepción remota junto con los sistemas de información geográfica. Conocer qué, cuánto y dónde se encuentran es indispensable para diseñar estrategias de uso sostenible y de conservación de recursos naturales en un territorio. La libre accesibilidad de los datos y la capacidad de procesamiento en la nube de toda esta información es determinante para procesar y clasificar la vegetación de un área determinada. El objetivo fue confeccionar un mapa actualizado y rápidamente actualizable en el futuro con el mismo método de los ambientes naturales y antrópicos más representativos de la provincia de Entre Ríos conociendo cuál es la mejor época del año en la cual se maximiza el porcentaje de acierto de clasificación de algoritmos automáticos de cada ambiente. Utilizar algoritmos automáticos de aprendizajes de clasificación fue útil para conocer la extensión de los ecosistemas naturales y antrópicos en un amplio territorio. Las herramientas de Google Earth Engine permitieron seleccionar la época del año en la cual se maximiza el porcentaje de acierto y disminuye la probabilidad de error con bajo costo computacional y operacional. Los resultados obtenidos son indispensables para planificar políticas públicas de forma precisa y certera para las actividades productivas, como así también para la conservación de los recursos naturales. |
publishDate |
2024 |
dc.date.none.fl_str_mv |
2024-07 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_6501 info:ar-repo/semantics/articulo |
format |
article |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://hdl.handle.net/11336/242130 Sabattini, Julian Alberto; Sabattini, Rafael Alberto; Muzzachiodi, Norberto; Treisse, Irina; Penco, Rodrigo; Cartografía de los ambientes naturales y antrópicos de Entre Ríos (Argentina) utilizando clasificación de aprendizaje automático; Universitat Politècnica de València; Revista de Teledetección; 64; 7-2024; 49-60 1133-0953 1988-8740 CONICET Digital CONICET |
url |
http://hdl.handle.net/11336/242130 |
identifier_str_mv |
Sabattini, Julian Alberto; Sabattini, Rafael Alberto; Muzzachiodi, Norberto; Treisse, Irina; Penco, Rodrigo; Cartografía de los ambientes naturales y antrópicos de Entre Ríos (Argentina) utilizando clasificación de aprendizaje automático; Universitat Politècnica de València; Revista de Teledetección; 64; 7-2024; 49-60 1133-0953 1988-8740 CONICET Digital CONICET |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/url/https://polipapers.upv.es/index.php/raet/article/view/20831 info:eu-repo/semantics/altIdentifier/doi/10.4995/raet.2024.20831 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ |
dc.format.none.fl_str_mv |
application/pdf application/pdf |
dc.publisher.none.fl_str_mv |
Universitat Politècnica de València |
publisher.none.fl_str_mv |
Universitat Politècnica de València |
dc.source.none.fl_str_mv |
reponame:CONICET Digital (CONICET) instname:Consejo Nacional de Investigaciones Científicas y Técnicas |
reponame_str |
CONICET Digital (CONICET) |
collection |
CONICET Digital (CONICET) |
instname_str |
Consejo Nacional de Investigaciones Científicas y Técnicas |
repository.name.fl_str_mv |
CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas |
repository.mail.fl_str_mv |
dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar |
_version_ |
1844614427770355712 |
score |
13.070432 |