Mapeo remoto multisensor de coberturas agrícolas extensivas en la zona central de Córdoba

Autores
Nolasco, Miguel Martín
Año de publicación
2018
Idioma
español castellano
Tipo de recurso
tesis de maestría
Estado
versión publicada
Colaborador/a o director/a de tesis
Scavuzzo, Carlos Marcelo
Bocco, Mónica de Lourdes
Descripción
En la presente tesis se describe el uso práctico de la teledetección en el mapeo de cultivos. Los objetivos fueron: Evaluar y comparar el desempeño de algoritmos de clasificación; Determinar la posibilidad de extrapolar firmas espectrales; y Caracterizar cubiertas de residuos agrícolas con datos SAR. El estudio fue desarrollado en el área central de la Provincia de Córdoba, Argentina. Se utilizaron imágenes de sensores pasivos y activos. La precisión de las clasificaciones fue evaluada mediante matrices de confusión. Empleando datos ópticos, las mejores precisiones se alcanzaron al utilizar clases que representaban los diversos estadios fenológicos de cada cultivo. La clasificación realizada con datos inter-anuales, evidenció muy buenas precisiones. El análisis de datos de radar sobre residuos de cultivos, determinó que el filtro Lee es el más apropiado para el problema en estudio. La polarización HH permitió una mejor discriminación de las clases.
Materia
Applied computing-Agriculture
Machine Learning
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Repositorio
Repositorio Digital Universitario (UNC)
Institución
Universidad Nacional de Córdoba
OAI Identificador
oai:rdu.unc.edu.ar:11086/6841

id RDUUNC_87e95daa0d29ca83e315615d3ba22588
oai_identifier_str oai:rdu.unc.edu.ar:11086/6841
network_acronym_str RDUUNC
repository_id_str 2572
network_name_str Repositorio Digital Universitario (UNC)
spelling Mapeo remoto multisensor de coberturas agrícolas extensivas en la zona central de CórdobaNolasco, Miguel MartínApplied computing-AgricultureMachine LearningEn la presente tesis se describe el uso práctico de la teledetección en el mapeo de cultivos. Los objetivos fueron: Evaluar y comparar el desempeño de algoritmos de clasificación; Determinar la posibilidad de extrapolar firmas espectrales; y Caracterizar cubiertas de residuos agrícolas con datos SAR. El estudio fue desarrollado en el área central de la Provincia de Córdoba, Argentina. Se utilizaron imágenes de sensores pasivos y activos. La precisión de las clasificaciones fue evaluada mediante matrices de confusión. Empleando datos ópticos, las mejores precisiones se alcanzaron al utilizar clases que representaban los diversos estadios fenológicos de cada cultivo. La clasificación realizada con datos inter-anuales, evidenció muy buenas precisiones. El análisis de datos de radar sobre residuos de cultivos, determinó que el filtro Lee es el más apropiado para el problema en estudio. La polarización HH permitió una mejor discriminación de las clases.Scavuzzo, Carlos MarceloBocco, Mónica de Lourdes2018info:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_bdccinfo:ar-repo/semantics/tesisDeMaestriaapplication/pdfhttp://hdl.handle.net/11086/6841spainfo:eu-repo/semantics/openAccessreponame:Repositorio Digital Universitario (UNC)instname:Universidad Nacional de Córdobainstacron:UNC2025-09-29T13:44:32Zoai:rdu.unc.edu.ar:11086/6841Institucionalhttps://rdu.unc.edu.ar/Universidad públicaNo correspondehttp://rdu.unc.edu.ar/oai/snrdoca.unc@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:25722025-09-29 13:44:32.987Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdobafalse
dc.title.none.fl_str_mv Mapeo remoto multisensor de coberturas agrícolas extensivas en la zona central de Córdoba
title Mapeo remoto multisensor de coberturas agrícolas extensivas en la zona central de Córdoba
spellingShingle Mapeo remoto multisensor de coberturas agrícolas extensivas en la zona central de Córdoba
Nolasco, Miguel Martín
Applied computing-Agriculture
Machine Learning
title_short Mapeo remoto multisensor de coberturas agrícolas extensivas en la zona central de Córdoba
title_full Mapeo remoto multisensor de coberturas agrícolas extensivas en la zona central de Córdoba
title_fullStr Mapeo remoto multisensor de coberturas agrícolas extensivas en la zona central de Córdoba
title_full_unstemmed Mapeo remoto multisensor de coberturas agrícolas extensivas en la zona central de Córdoba
title_sort Mapeo remoto multisensor de coberturas agrícolas extensivas en la zona central de Córdoba
dc.creator.none.fl_str_mv Nolasco, Miguel Martín
author Nolasco, Miguel Martín
author_facet Nolasco, Miguel Martín
author_role author
dc.contributor.none.fl_str_mv Scavuzzo, Carlos Marcelo
Bocco, Mónica de Lourdes
dc.subject.none.fl_str_mv Applied computing-Agriculture
Machine Learning
topic Applied computing-Agriculture
Machine Learning
dc.description.none.fl_txt_mv En la presente tesis se describe el uso práctico de la teledetección en el mapeo de cultivos. Los objetivos fueron: Evaluar y comparar el desempeño de algoritmos de clasificación; Determinar la posibilidad de extrapolar firmas espectrales; y Caracterizar cubiertas de residuos agrícolas con datos SAR. El estudio fue desarrollado en el área central de la Provincia de Córdoba, Argentina. Se utilizaron imágenes de sensores pasivos y activos. La precisión de las clasificaciones fue evaluada mediante matrices de confusión. Empleando datos ópticos, las mejores precisiones se alcanzaron al utilizar clases que representaban los diversos estadios fenológicos de cada cultivo. La clasificación realizada con datos inter-anuales, evidenció muy buenas precisiones. El análisis de datos de radar sobre residuos de cultivos, determinó que el filtro Lee es el más apropiado para el problema en estudio. La polarización HH permitió una mejor discriminación de las clases.
description En la presente tesis se describe el uso práctico de la teledetección en el mapeo de cultivos. Los objetivos fueron: Evaluar y comparar el desempeño de algoritmos de clasificación; Determinar la posibilidad de extrapolar firmas espectrales; y Caracterizar cubiertas de residuos agrícolas con datos SAR. El estudio fue desarrollado en el área central de la Provincia de Córdoba, Argentina. Se utilizaron imágenes de sensores pasivos y activos. La precisión de las clasificaciones fue evaluada mediante matrices de confusión. Empleando datos ópticos, las mejores precisiones se alcanzaron al utilizar clases que representaban los diversos estadios fenológicos de cada cultivo. La clasificación realizada con datos inter-anuales, evidenció muy buenas precisiones. El análisis de datos de radar sobre residuos de cultivos, determinó que el filtro Lee es el más apropiado para el problema en estudio. La polarización HH permitió una mejor discriminación de las clases.
publishDate 2018
dc.date.none.fl_str_mv 2018
dc.type.none.fl_str_mv info:eu-repo/semantics/masterThesis
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_bdcc
info:ar-repo/semantics/tesisDeMaestria
format masterThesis
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11086/6841
url http://hdl.handle.net/11086/6841
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Digital Universitario (UNC)
instname:Universidad Nacional de Córdoba
instacron:UNC
reponame_str Repositorio Digital Universitario (UNC)
collection Repositorio Digital Universitario (UNC)
instname_str Universidad Nacional de Córdoba
instacron_str UNC
institution UNC
repository.name.fl_str_mv Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdoba
repository.mail.fl_str_mv oca.unc@gmail.com
_version_ 1844618985270673408
score 13.070432