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
- Institución
- Universidad Nacional de Córdoba
- OAI Identificador
- oai:rdu.unc.edu.ar:11086/6841
Ver los metadatos del registro completo
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 |