Modelos de estimación de biomasa herbácea neta a partir de sensores remotos
- Autores
- Nolasco, Miguel Martín; Alvarez, María Paula; Suarez, Franco; Karlin, Marcos Sebastián
- Año de publicación
- 2019
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- Ponencia presentada en 48 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO). XI Congreso de AgroInformática (CAI 2019). Salta, Argentina, 16 al 20 de septiembre de 2019.
Fil: Nolasco, Miguel Martín. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina.
Fil: Alvarez, María Paula. Universidad Nacional de Córdoba. Instituto de Altos Estudios Espaciales Mario Gulich (IG); Argentina.
Fil: Alvarez, María Paula. Comisión Nacional de Actividades Espaciales (CONAE). Instituto de Altos Estudios Espaciales Mario Gulich (IG); Argentina.
Fil: Suarez, Franco. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina.
Fil: Karlin, Marcos Sebastián. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina.
La cuantificación de la biomasa herbácea es importante, para calcular la carga animal y determinar potenciales riesgos de ignición. Sin embargo, la valoración de la biomasa en el terreno posee limitaciones para representar su variabilidad temporal y espacial. En este contexto la tecnología satelital posee el potencial de monitorear la vegetación en áreas extensas y de forma periódica. El objetivo del presente trabajo fue elaborar modelos que permitan estimar remotamente la canti-dad de biomasa en praderas polifíticas del centro de Argentina. Se seleccionaron seis sitios de entrenamiento en pastizales de la Reserva Natural de la Defensa La Calera, Provincia de Córdoba. Se utilizaron las bandas 2-3-4-5-6 y 7 de Landsat 8, e índices de diferencia normalizada de vegetación, agua y humedad. El análisis definió dos ecuaciones de regresión lineal múltiple estadísticamente significativas (p<0,0001) para la estimación de biomasa acumulada instantánea. El modelo #1, de máximo R2 (R2=0,8; AIC=407,08) incluía los índices NDVI y NDMI y las bandas 2-3-4-6. El modelo #2, de mínimo AIC (R2=0,78; AIC=406,14) abarcaba las bandas 2-3-5 y el índice NDVI. Ambos modelos obtenidos permiten la esti-mación de biomasa herbácea acumulada, independientemente del pastoreo, época del año y condición de la biomasa.
Fil: Nolasco, Miguel Martín. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina.
Fil: Alvarez, María Paula. Universidad Nacional de Córdoba. Instituto de Altos Estudios Espaciales Mario Gulich (IG); Argentina.
Fil: Alvarez, María Paula. Comisión Nacional de Actividades Espaciales (CONAE). Instituto de Altos Estudios Espaciales Mario Gulich (IG); Argentina.
Fil: Suarez, Franco. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina.
Fil: Karlin, Marcos Sebastián. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina. - Fuente
- Anales de CAI 2019 Congreso de AgroInformática (JAIIO)
ISSN: 2525-0949
http://170.210.201.137/Anales/Cai/Contribuciones
http://sedici.unlp.edu.ar/handle/10915/87788 - Materia
-
Biomasa
Gramíneas
Modelos
Técnicas de predicción
Satélites
Imágenes por satélites
Reconocimiento aéreo
Landsat - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- Repositorio
- Institución
- Universidad Nacional de Córdoba
- OAI Identificador
- oai:rdu.unc.edu.ar:11086/549151
Ver los metadatos del registro completo
id |
RDUUNC_b64e4a8d38782e1df614093c4dff5dc3 |
---|---|
oai_identifier_str |
oai:rdu.unc.edu.ar:11086/549151 |
network_acronym_str |
RDUUNC |
repository_id_str |
2572 |
network_name_str |
Repositorio Digital Universitario (UNC) |
spelling |
Modelos de estimación de biomasa herbácea neta a partir de sensores remotosNolasco, Miguel MartínAlvarez, María PaulaSuarez, FrancoKarlin, Marcos SebastiánBiomasaGramíneasModelosTécnicas de predicciónSatélitesImágenes por satélitesReconocimiento aéreoLandsatPonencia presentada en 48 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO). XI Congreso de AgroInformática (CAI 2019). Salta, Argentina, 16 al 20 de septiembre de 2019.Fil: Nolasco, Miguel Martín. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina.Fil: Alvarez, María Paula. Universidad Nacional de Córdoba. Instituto de Altos Estudios Espaciales Mario Gulich (IG); Argentina.Fil: Alvarez, María Paula. Comisión Nacional de Actividades Espaciales (CONAE). Instituto de Altos Estudios Espaciales Mario Gulich (IG); Argentina.Fil: Suarez, Franco. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina.Fil: Karlin, Marcos Sebastián. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina.La cuantificación de la biomasa herbácea es importante, para calcular la carga animal y determinar potenciales riesgos de ignición. Sin embargo, la valoración de la biomasa en el terreno posee limitaciones para representar su variabilidad temporal y espacial. En este contexto la tecnología satelital posee el potencial de monitorear la vegetación en áreas extensas y de forma periódica. El objetivo del presente trabajo fue elaborar modelos que permitan estimar remotamente la canti-dad de biomasa en praderas polifíticas del centro de Argentina. Se seleccionaron seis sitios de entrenamiento en pastizales de la Reserva Natural de la Defensa La Calera, Provincia de Córdoba. Se utilizaron las bandas 2-3-4-5-6 y 7 de Landsat 8, e índices de diferencia normalizada de vegetación, agua y humedad. El análisis definió dos ecuaciones de regresión lineal múltiple estadísticamente significativas (p<0,0001) para la estimación de biomasa acumulada instantánea. El modelo #1, de máximo R2 (R2=0,8; AIC=407,08) incluía los índices NDVI y NDMI y las bandas 2-3-4-6. El modelo #2, de mínimo AIC (R2=0,78; AIC=406,14) abarcaba las bandas 2-3-5 y el índice NDVI. Ambos modelos obtenidos permiten la esti-mación de biomasa herbácea acumulada, independientemente del pastoreo, época del año y condición de la biomasa.Fil: Nolasco, Miguel Martín. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina.Fil: Alvarez, María Paula. Universidad Nacional de Córdoba. Instituto de Altos Estudios Espaciales Mario Gulich (IG); Argentina.Fil: Alvarez, María Paula. Comisión Nacional de Actividades Espaciales (CONAE). Instituto de Altos Estudios Espaciales Mario Gulich (IG); Argentina.Fil: Suarez, Franco. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina.Fil: Karlin, Marcos Sebastián. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina.2019info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://hdl.handle.net/11086/549151Anales de CAI 2019 Congreso de AgroInformática (JAIIO)ISSN: 2525-0949http://170.210.201.137/Anales/Cai/Contribucioneshttp://sedici.unlp.edu.ar/handle/10915/87788reponame:Repositorio Digital Universitario (UNC)instname:Universidad Nacional de Córdobainstacron:UNCspainfo:eu-repo/semantics/openAccess2025-09-29T13:41:26Zoai:rdu.unc.edu.ar:11086/549151Institucionalhttps://rdu.unc.edu.ar/Universidad públicaNo correspondehttp://rdu.unc.edu.ar/oai/snrdoca.unc@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:25722025-09-29 13:41:26.595Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdobafalse |
dc.title.none.fl_str_mv |
Modelos de estimación de biomasa herbácea neta a partir de sensores remotos |
title |
Modelos de estimación de biomasa herbácea neta a partir de sensores remotos |
spellingShingle |
Modelos de estimación de biomasa herbácea neta a partir de sensores remotos Nolasco, Miguel Martín Biomasa Gramíneas Modelos Técnicas de predicción Satélites Imágenes por satélites Reconocimiento aéreo Landsat |
title_short |
Modelos de estimación de biomasa herbácea neta a partir de sensores remotos |
title_full |
Modelos de estimación de biomasa herbácea neta a partir de sensores remotos |
title_fullStr |
Modelos de estimación de biomasa herbácea neta a partir de sensores remotos |
title_full_unstemmed |
Modelos de estimación de biomasa herbácea neta a partir de sensores remotos |
title_sort |
Modelos de estimación de biomasa herbácea neta a partir de sensores remotos |
dc.creator.none.fl_str_mv |
Nolasco, Miguel Martín Alvarez, María Paula Suarez, Franco Karlin, Marcos Sebastián |
author |
Nolasco, Miguel Martín |
author_facet |
Nolasco, Miguel Martín Alvarez, María Paula Suarez, Franco Karlin, Marcos Sebastián |
author_role |
author |
author2 |
Alvarez, María Paula Suarez, Franco Karlin, Marcos Sebastián |
author2_role |
author author author |
dc.subject.none.fl_str_mv |
Biomasa Gramíneas Modelos Técnicas de predicción Satélites Imágenes por satélites Reconocimiento aéreo Landsat |
topic |
Biomasa Gramíneas Modelos Técnicas de predicción Satélites Imágenes por satélites Reconocimiento aéreo Landsat |
dc.description.none.fl_txt_mv |
Ponencia presentada en 48 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO). XI Congreso de AgroInformática (CAI 2019). Salta, Argentina, 16 al 20 de septiembre de 2019. Fil: Nolasco, Miguel Martín. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina. Fil: Alvarez, María Paula. Universidad Nacional de Córdoba. Instituto de Altos Estudios Espaciales Mario Gulich (IG); Argentina. Fil: Alvarez, María Paula. Comisión Nacional de Actividades Espaciales (CONAE). Instituto de Altos Estudios Espaciales Mario Gulich (IG); Argentina. Fil: Suarez, Franco. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina. Fil: Karlin, Marcos Sebastián. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina. La cuantificación de la biomasa herbácea es importante, para calcular la carga animal y determinar potenciales riesgos de ignición. Sin embargo, la valoración de la biomasa en el terreno posee limitaciones para representar su variabilidad temporal y espacial. En este contexto la tecnología satelital posee el potencial de monitorear la vegetación en áreas extensas y de forma periódica. El objetivo del presente trabajo fue elaborar modelos que permitan estimar remotamente la canti-dad de biomasa en praderas polifíticas del centro de Argentina. Se seleccionaron seis sitios de entrenamiento en pastizales de la Reserva Natural de la Defensa La Calera, Provincia de Córdoba. Se utilizaron las bandas 2-3-4-5-6 y 7 de Landsat 8, e índices de diferencia normalizada de vegetación, agua y humedad. El análisis definió dos ecuaciones de regresión lineal múltiple estadísticamente significativas (p<0,0001) para la estimación de biomasa acumulada instantánea. El modelo #1, de máximo R2 (R2=0,8; AIC=407,08) incluía los índices NDVI y NDMI y las bandas 2-3-4-6. El modelo #2, de mínimo AIC (R2=0,78; AIC=406,14) abarcaba las bandas 2-3-5 y el índice NDVI. Ambos modelos obtenidos permiten la esti-mación de biomasa herbácea acumulada, independientemente del pastoreo, época del año y condición de la biomasa. Fil: Nolasco, Miguel Martín. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina. Fil: Alvarez, María Paula. Universidad Nacional de Córdoba. Instituto de Altos Estudios Espaciales Mario Gulich (IG); Argentina. Fil: Alvarez, María Paula. Comisión Nacional de Actividades Espaciales (CONAE). Instituto de Altos Estudios Espaciales Mario Gulich (IG); Argentina. Fil: Suarez, Franco. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina. Fil: Karlin, Marcos Sebastián. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina. |
description |
Ponencia presentada en 48 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO). XI Congreso de AgroInformática (CAI 2019). Salta, Argentina, 16 al 20 de septiembre de 2019. |
publishDate |
2019 |
dc.date.none.fl_str_mv |
2019 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
format |
conferenceObject |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://hdl.handle.net/11086/549151 |
url |
http://hdl.handle.net/11086/549151 |
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 |
Anales de CAI 2019 Congreso de AgroInformática (JAIIO) ISSN: 2525-0949 http://170.210.201.137/Anales/Cai/Contribuciones http://sedici.unlp.edu.ar/handle/10915/87788 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_ |
1844618901790392320 |
score |
13.070432 |