Mapeo de cultivos agrícolas en Córdoba: una comparación del desempeño de tres algoritmos de clasificación

Autores
Nolasco, Miguel; Bocco, Mónica; Scavuzzo, Carlos
Año de publicación
2017
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El uso de sensores remotos permite el mapeo y monitoreo de cultivos en grandes superficies. La capacidad de identificación por especie y en tiempo casi real es deseable. En el presente trabajo se describe el uso práctico de la teledetección en el mapeo de cultivos. El objetivo del estudio fue comparar el desempeño de los algoritmos de clasificación Máxima Verosimilitud, Support Vector Machine, Random Forest, y analizar el efecto de la naturaleza y número de clases a entrar en los modelos. Los resultados manifiestan la posibilidad de mapear la diversidad de coberturas agrícolas presentes, con anterioridad a la finalización de sus ciclos. Las mejores índices de precisión se alcanzaron al utilizar grupos de entrenamiento-validación, cuyas clases representaban los estadios fenológicos de cada cultivo. Se respalda la conveniencia del algoritmo de Máxima Verosimilitud, el cual alcanzo excelentes resultados, fue de ejecución simple y de bajo costo computacional.
Sociedad Argentina de Informática e Investigación Operativa (SADIO)
Materia
Ciencias Informáticas
Córdoba (Argentina)
máxima verosimilitud
Support Vector Machine
Random Forest
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-sa/3.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/62830
Acceder
id SEDICI_8b21825c4449a2e970823c9384bfc999
oai_identifier_str oai:sedici.unlp.edu.ar:10915/62830
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Mapeo de cultivos agrícolas en Córdoba: una comparación del desempeño de tres algoritmos de clasificaciónNolasco, MiguelBocco, MónicaScavuzzo, CarlosCiencias InformáticasCórdoba (Argentina)máxima verosimilitudSupport Vector MachineRandom ForestEl uso de sensores remotos permite el mapeo y monitoreo de cultivos en grandes superficies. La capacidad de identificación por especie y en tiempo casi real es deseable. En el presente trabajo se describe el uso práctico de la teledetección en el mapeo de cultivos. El objetivo del estudio fue comparar el desempeño de los algoritmos de clasificación Máxima Verosimilitud, Support Vector Machine, Random Forest, y analizar el efecto de la naturaleza y número de clases a entrar en los modelos. Los resultados manifiestan la posibilidad de mapear la diversidad de coberturas agrícolas presentes, con anterioridad a la finalización de sus ciclos. Las mejores índices de precisión se alcanzaron al utilizar grupos de entrenamiento-validación, cuyas clases representaban los estadios fenológicos de cada cultivo. Se respalda la conveniencia del algoritmo de Máxima Verosimilitud, el cual alcanzo excelentes resultados, fue de ejecución simple y de bajo costo computacional.Sociedad Argentina de Informática e Investigación Operativa (SADIO)2017-09info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf58-68http://sedici.unlp.edu.ar/handle/10915/62830spainfo:eu-repo/semantics/altIdentifier/url/http://www.clei2017-46jaiio.sadio.org.ar/sites/default/files/Mem/CAI/CAI-06.pdfinfo:eu-repo/semantics/altIdentifier/issn/2525- 0949info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-sa/3.0/Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-15T11:00:39Zoai:sedici.unlp.edu.ar:10915/62830Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-15 11:00:39.464SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Mapeo de cultivos agrícolas en Córdoba: una comparación del desempeño de tres algoritmos de clasificación
title Mapeo de cultivos agrícolas en Córdoba: una comparación del desempeño de tres algoritmos de clasificación
spellingShingle Mapeo de cultivos agrícolas en Córdoba: una comparación del desempeño de tres algoritmos de clasificación
Nolasco, Miguel
Ciencias Informáticas
Córdoba (Argentina)
máxima verosimilitud
Support Vector Machine
Random Forest
title_short Mapeo de cultivos agrícolas en Córdoba: una comparación del desempeño de tres algoritmos de clasificación
title_full Mapeo de cultivos agrícolas en Córdoba: una comparación del desempeño de tres algoritmos de clasificación
title_fullStr Mapeo de cultivos agrícolas en Córdoba: una comparación del desempeño de tres algoritmos de clasificación
title_full_unstemmed Mapeo de cultivos agrícolas en Córdoba: una comparación del desempeño de tres algoritmos de clasificación
title_sort Mapeo de cultivos agrícolas en Córdoba: una comparación del desempeño de tres algoritmos de clasificación
dc.creator.none.fl_str_mv Nolasco, Miguel
Bocco, Mónica
Scavuzzo, Carlos
author Nolasco, Miguel
author_facet Nolasco, Miguel
Bocco, Mónica
Scavuzzo, Carlos
author_role author
author2 Bocco, Mónica
Scavuzzo, Carlos
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Córdoba (Argentina)
máxima verosimilitud
Support Vector Machine
Random Forest
topic Ciencias Informáticas
Córdoba (Argentina)
máxima verosimilitud
Support Vector Machine
Random Forest
dc.description.none.fl_txt_mv El uso de sensores remotos permite el mapeo y monitoreo de cultivos en grandes superficies. La capacidad de identificación por especie y en tiempo casi real es deseable. En el presente trabajo se describe el uso práctico de la teledetección en el mapeo de cultivos. El objetivo del estudio fue comparar el desempeño de los algoritmos de clasificación Máxima Verosimilitud, Support Vector Machine, Random Forest, y analizar el efecto de la naturaleza y número de clases a entrar en los modelos. Los resultados manifiestan la posibilidad de mapear la diversidad de coberturas agrícolas presentes, con anterioridad a la finalización de sus ciclos. Las mejores índices de precisión se alcanzaron al utilizar grupos de entrenamiento-validación, cuyas clases representaban los estadios fenológicos de cada cultivo. Se respalda la conveniencia del algoritmo de Máxima Verosimilitud, el cual alcanzo excelentes resultados, fue de ejecución simple y de bajo costo computacional.
Sociedad Argentina de Informática e Investigación Operativa (SADIO)
description El uso de sensores remotos permite el mapeo y monitoreo de cultivos en grandes superficies. La capacidad de identificación por especie y en tiempo casi real es deseable. En el presente trabajo se describe el uso práctico de la teledetección en el mapeo de cultivos. El objetivo del estudio fue comparar el desempeño de los algoritmos de clasificación Máxima Verosimilitud, Support Vector Machine, Random Forest, y analizar el efecto de la naturaleza y número de clases a entrar en los modelos. Los resultados manifiestan la posibilidad de mapear la diversidad de coberturas agrícolas presentes, con anterioridad a la finalización de sus ciclos. Las mejores índices de precisión se alcanzaron al utilizar grupos de entrenamiento-validación, cuyas clases representaban los estadios fenológicos de cada cultivo. Se respalda la conveniencia del algoritmo de Máxima Verosimilitud, el cual alcanzo excelentes resultados, fue de ejecución simple y de bajo costo computacional.
publishDate 2017
dc.date.none.fl_str_mv 2017-09
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
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://sedici.unlp.edu.ar/handle/10915/62830
url http://sedici.unlp.edu.ar/handle/10915/62830
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://www.clei2017-46jaiio.sadio.org.ar/sites/default/files/Mem/CAI/CAI-06.pdf
info:eu-repo/semantics/altIdentifier/issn/2525- 0949
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-sa/3.0/
Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-sa/3.0/
Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)
dc.format.none.fl_str_mv application/pdf
58-68
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1846064056876662784
score 13.22299

Publicaciones similares