Factibilidad de predecir el nivel de rendimiento de Vicia villosa Roth utilizando distintos índices de vegetación satelitales

Autores
D'Amico, María Belén; Marini, Mario Fabián; Calandrini, Guillermo; Renzi, JuanPablo; Chantre, Guillermo Rubén
Año de publicación
2024
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
En este trabajo se combinan las imágenes satelitales, los algoritmos de aprendizaje de máquina y las mediciones de campo para analizar si es posible generar un modelo de predicción del rendimiento de la leguminosa Vicia villosa Roth (VV) antes de su cosecha. En un estudio previo, se empleó información satelital de diferentes fechas a lo largo del ciclo fenológico completo de VV cultivada en varios lotes del partido de Guaminí (provincia de Buenos Aires) y se encontró una estrecha relación entre la serie temporal de los índices de vegetación y el rinde de dichos cultivos. En base a esos resultados, se evalúa la posibilidad de predecir el rendimiento a partir de nueve fechas de la campaña 2021-2022 entre la siembra y previas a la cosecha. Las mismas se asocian de distintas maneras determinando su impacto sobre la precisión del modelo entrenado. Los desarrollos evidencian que con el monitoreo remoto de cinco fechas es posible clasificar adecuadamente el rendimiento de VV. Tener un modelo de predicción ayudaría en las decisiones in-situ optimizando el uso que puede darse al cultivo de VV (pastoreo directo, forraje o producción de semillas) en función del rendimiento esperado.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
modelo
predicción
rendimiento
leguminosa
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/178464
Acceder
id SEDICI_92f407a4b61330fa0430bfacdf05d202
oai_identifier_str oai:sedici.unlp.edu.ar:10915/178464
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Factibilidad de predecir el nivel de rendimiento de Vicia villosa Roth utilizando distintos índices de vegetación satelitalesD'Amico, María BelénMarini, Mario FabiánCalandrini, GuillermoRenzi, JuanPabloChantre, Guillermo RubénCiencias InformáticasmodelopredicciónrendimientoleguminosaEn este trabajo se combinan las imágenes satelitales, los algoritmos de aprendizaje de máquina y las mediciones de campo para analizar si es posible generar un modelo de predicción del rendimiento de la leguminosa Vicia villosa Roth (VV) antes de su cosecha. En un estudio previo, se empleó información satelital de diferentes fechas a lo largo del ciclo fenológico completo de VV cultivada en varios lotes del partido de Guaminí (provincia de Buenos Aires) y se encontró una estrecha relación entre la serie temporal de los índices de vegetación y el rinde de dichos cultivos. En base a esos resultados, se evalúa la posibilidad de predecir el rendimiento a partir de nueve fechas de la campaña 2021-2022 entre la siembra y previas a la cosecha. Las mismas se asocian de distintas maneras determinando su impacto sobre la precisión del modelo entrenado. Los desarrollos evidencian que con el monitoreo remoto de cinco fechas es posible clasificar adecuadamente el rendimiento de VV. Tener un modelo de predicción ayudaría en las decisiones in-situ optimizando el uso que puede darse al cultivo de VV (pastoreo directo, forraje o producción de semillas) en función del rendimiento esperado.Sociedad Argentina de Informática e Investigación Operativa2024-08info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf15-26http://sedici.unlp.edu.ar/handle/10915/178464spainfo:eu-repo/semantics/altIdentifier/url/https://revistas.unlp.edu.ar/JAIIO/article/view/17973info:eu-repo/semantics/altIdentifier/issn/2451-7496info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:47:49Zoai:sedici.unlp.edu.ar:10915/178464Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:47:49.422SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Factibilidad de predecir el nivel de rendimiento de Vicia villosa Roth utilizando distintos índices de vegetación satelitales
title Factibilidad de predecir el nivel de rendimiento de Vicia villosa Roth utilizando distintos índices de vegetación satelitales
spellingShingle Factibilidad de predecir el nivel de rendimiento de Vicia villosa Roth utilizando distintos índices de vegetación satelitales
D'Amico, María Belén
Ciencias Informáticas
modelo
predicción
rendimiento
leguminosa
title_short Factibilidad de predecir el nivel de rendimiento de Vicia villosa Roth utilizando distintos índices de vegetación satelitales
title_full Factibilidad de predecir el nivel de rendimiento de Vicia villosa Roth utilizando distintos índices de vegetación satelitales
title_fullStr Factibilidad de predecir el nivel de rendimiento de Vicia villosa Roth utilizando distintos índices de vegetación satelitales
title_full_unstemmed Factibilidad de predecir el nivel de rendimiento de Vicia villosa Roth utilizando distintos índices de vegetación satelitales
title_sort Factibilidad de predecir el nivel de rendimiento de Vicia villosa Roth utilizando distintos índices de vegetación satelitales
dc.creator.none.fl_str_mv D'Amico, María Belén
Marini, Mario Fabián
Calandrini, Guillermo
Renzi, JuanPablo
Chantre, Guillermo Rubén
author D'Amico, María Belén
author_facet D'Amico, María Belén
Marini, Mario Fabián
Calandrini, Guillermo
Renzi, JuanPablo
Chantre, Guillermo Rubén
author_role author
author2 Marini, Mario Fabián
Calandrini, Guillermo
Renzi, JuanPablo
Chantre, Guillermo Rubén
author2_role author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
modelo
predicción
rendimiento
leguminosa
topic Ciencias Informáticas
modelo
predicción
rendimiento
leguminosa
dc.description.none.fl_txt_mv En este trabajo se combinan las imágenes satelitales, los algoritmos de aprendizaje de máquina y las mediciones de campo para analizar si es posible generar un modelo de predicción del rendimiento de la leguminosa Vicia villosa Roth (VV) antes de su cosecha. En un estudio previo, se empleó información satelital de diferentes fechas a lo largo del ciclo fenológico completo de VV cultivada en varios lotes del partido de Guaminí (provincia de Buenos Aires) y se encontró una estrecha relación entre la serie temporal de los índices de vegetación y el rinde de dichos cultivos. En base a esos resultados, se evalúa la posibilidad de predecir el rendimiento a partir de nueve fechas de la campaña 2021-2022 entre la siembra y previas a la cosecha. Las mismas se asocian de distintas maneras determinando su impacto sobre la precisión del modelo entrenado. Los desarrollos evidencian que con el monitoreo remoto de cinco fechas es posible clasificar adecuadamente el rendimiento de VV. Tener un modelo de predicción ayudaría en las decisiones in-situ optimizando el uso que puede darse al cultivo de VV (pastoreo directo, forraje o producción de semillas) en función del rendimiento esperado.
Sociedad Argentina de Informática e Investigación Operativa
description En este trabajo se combinan las imágenes satelitales, los algoritmos de aprendizaje de máquina y las mediciones de campo para analizar si es posible generar un modelo de predicción del rendimiento de la leguminosa Vicia villosa Roth (VV) antes de su cosecha. En un estudio previo, se empleó información satelital de diferentes fechas a lo largo del ciclo fenológico completo de VV cultivada en varios lotes del partido de Guaminí (provincia de Buenos Aires) y se encontró una estrecha relación entre la serie temporal de los índices de vegetación y el rinde de dichos cultivos. En base a esos resultados, se evalúa la posibilidad de predecir el rendimiento a partir de nueve fechas de la campaña 2021-2022 entre la siembra y previas a la cosecha. Las mismas se asocian de distintas maneras determinando su impacto sobre la precisión del modelo entrenado. Los desarrollos evidencian que con el monitoreo remoto de cinco fechas es posible clasificar adecuadamente el rendimiento de VV. Tener un modelo de predicción ayudaría en las decisiones in-situ optimizando el uso que puede darse al cultivo de VV (pastoreo directo, forraje o producción de semillas) en función del rendimiento esperado.
publishDate 2024
dc.date.none.fl_str_mv 2024-08
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/10915/178464
url http://sedici.unlp.edu.ar/handle/10915/178464
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://revistas.unlp.edu.ar/JAIIO/article/view/17973
info:eu-repo/semantics/altIdentifier/issn/2451-7496
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
15-26
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_ 1844616341426798592
score 13.070432

Publicaciones similares