Teledetección aplicada al agro : Clasificación de cultivos a partir de imágenes satelitales

Autores
Barni, Matías javier; Ratto, Elisa
Año de publicación
2022
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión aceptada
Colaborador/a o director/a de tesis
Besteiro, Sebastián
Barragán Pera, Héctor Mariano
Descripción
El sector agrícola viene transitando un profundo cambio en la obtención y la utilización de nuevas tecnologías, buscando anticiparse a eventos edafoclimáticos que puedan inferir en los resultados productivos y facilitar la toma de decisiones de forma remota, empujando al profesional a un uso cada vez más extenso de herramientas tales como la teledetección y el manejo de información geoespacial en entornos GIS. La clasificación de imágenes provenientes de sensores remotos permite monitorear dichos cambios con precisión, en forma periódica y a menores costos que con los métodos tradicionales. Las imágenes de los satélites Landsat y Sentinel son ampliamente utilizadas para realizar clasificaciones de las coberturas del terreno, dado que presentan resoluciones espaciales convenientes, una cobertura espectral similar entre ellas y carecen de costos para su descarga y manipuleo. En el presente trabajo se analizaron las ventajas y desventajas del uso de imágenes satelitales de mediana resolución (LANDSAT 8 OLI y Sentinel 2 MSI) al realizar clasificaciones supervisadas de los cultivos estivales existentes en una campaña agrícola en campos ubicados en el partido de Lobos, provincia de Buenos Aires. Para el logro del objetivo se trabajó sobre 8 imágenes (cuatro Landsat 8 y cuatro Sentinel 2) que abarcan el periodo de estudio desde Noviembre del 2019 hasta Abril del 2020, empleando diferentes métodos de clasificación supervisada del complemento Semiautomatic Classification Plugin (SCP) dentro del software Qgis. El procedimiento ha requerido no solo de la obtención de las imágenes satelitales, su procesamiento y validación, sino también del relevamiento de datos de campo. Se partió del supuesto que las clasificaciones derivadas del uso de ambas imágenes no presentan variaciones provocadas por la resolución espectral, pero sí frente a las diferencias en la resolución espacial, siendo las imágenes Landsat las que mejor representan la realidad de campo para el área de estudio. Los resultados obtenidos no fueron congruentes con la hipótesis, ya que las imágenes que representaron mejor la realidad de campo corresponden a Sentinel 2.
Ingeniero Agrónomo
Universidad Nacional de La Plata
Facultad de Ciencias Agrarias y Forestales
Materia
Ciencias Agrarias
Teledetección
Agricultura
Imágenes satelitales
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:10915/141770
Acceder
id SEDICI_acf28cad41e3ab0582036bd95d930373
oai_identifier_str oai:sedici.unlp.edu.ar:10915/141770
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Teledetección aplicada al agro : Clasificación de cultivos a partir de imágenes satelitalesBarni, Matías javierRatto, ElisaCiencias AgrariasTeledetecciónAgriculturaImágenes satelitalesEl sector agrícola viene transitando un profundo cambio en la obtención y la utilización de nuevas tecnologías, buscando anticiparse a eventos edafoclimáticos que puedan inferir en los resultados productivos y facilitar la toma de decisiones de forma remota, empujando al profesional a un uso cada vez más extenso de herramientas tales como la teledetección y el manejo de información geoespacial en entornos GIS. La clasificación de imágenes provenientes de sensores remotos permite monitorear dichos cambios con precisión, en forma periódica y a menores costos que con los métodos tradicionales. Las imágenes de los satélites Landsat y Sentinel son ampliamente utilizadas para realizar clasificaciones de las coberturas del terreno, dado que presentan resoluciones espaciales convenientes, una cobertura espectral similar entre ellas y carecen de costos para su descarga y manipuleo. En el presente trabajo se analizaron las ventajas y desventajas del uso de imágenes satelitales de mediana resolución (LANDSAT 8 OLI y Sentinel 2 MSI) al realizar clasificaciones supervisadas de los cultivos estivales existentes en una campaña agrícola en campos ubicados en el partido de Lobos, provincia de Buenos Aires. Para el logro del objetivo se trabajó sobre 8 imágenes (cuatro Landsat 8 y cuatro Sentinel 2) que abarcan el periodo de estudio desde Noviembre del 2019 hasta Abril del 2020, empleando diferentes métodos de clasificación supervisada del complemento Semiautomatic Classification Plugin (SCP) dentro del software Qgis. El procedimiento ha requerido no solo de la obtención de las imágenes satelitales, su procesamiento y validación, sino también del relevamiento de datos de campo. Se partió del supuesto que las clasificaciones derivadas del uso de ambas imágenes no presentan variaciones provocadas por la resolución espectral, pero sí frente a las diferencias en la resolución espacial, siendo las imágenes Landsat las que mejor representan la realidad de campo para el área de estudio. Los resultados obtenidos no fueron congruentes con la hipótesis, ya que las imágenes que representaron mejor la realidad de campo corresponden a Sentinel 2.Ingeniero AgrónomoUniversidad Nacional de La PlataFacultad de Ciencias Agrarias y ForestalesBesteiro, SebastiánBarragán Pera, Héctor Mariano2022-09-08info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionTesis de gradohttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/141770spainfo: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:UNLP2025-09-29T11:36:13Zoai:sedici.unlp.edu.ar:10915/141770Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:36:13.765SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Teledetección aplicada al agro : Clasificación de cultivos a partir de imágenes satelitales
title Teledetección aplicada al agro : Clasificación de cultivos a partir de imágenes satelitales
spellingShingle Teledetección aplicada al agro : Clasificación de cultivos a partir de imágenes satelitales
Barni, Matías javier
Ciencias Agrarias
Teledetección
Agricultura
Imágenes satelitales
title_short Teledetección aplicada al agro : Clasificación de cultivos a partir de imágenes satelitales
title_full Teledetección aplicada al agro : Clasificación de cultivos a partir de imágenes satelitales
title_fullStr Teledetección aplicada al agro : Clasificación de cultivos a partir de imágenes satelitales
title_full_unstemmed Teledetección aplicada al agro : Clasificación de cultivos a partir de imágenes satelitales
title_sort Teledetección aplicada al agro : Clasificación de cultivos a partir de imágenes satelitales
dc.creator.none.fl_str_mv Barni, Matías javier
Ratto, Elisa
author Barni, Matías javier
author_facet Barni, Matías javier
Ratto, Elisa
author_role author
author2 Ratto, Elisa
author2_role author
dc.contributor.none.fl_str_mv Besteiro, Sebastián
Barragán Pera, Héctor Mariano
dc.subject.none.fl_str_mv Ciencias Agrarias
Teledetección
Agricultura
Imágenes satelitales
topic Ciencias Agrarias
Teledetección
Agricultura
Imágenes satelitales
dc.description.none.fl_txt_mv El sector agrícola viene transitando un profundo cambio en la obtención y la utilización de nuevas tecnologías, buscando anticiparse a eventos edafoclimáticos que puedan inferir en los resultados productivos y facilitar la toma de decisiones de forma remota, empujando al profesional a un uso cada vez más extenso de herramientas tales como la teledetección y el manejo de información geoespacial en entornos GIS. La clasificación de imágenes provenientes de sensores remotos permite monitorear dichos cambios con precisión, en forma periódica y a menores costos que con los métodos tradicionales. Las imágenes de los satélites Landsat y Sentinel son ampliamente utilizadas para realizar clasificaciones de las coberturas del terreno, dado que presentan resoluciones espaciales convenientes, una cobertura espectral similar entre ellas y carecen de costos para su descarga y manipuleo. En el presente trabajo se analizaron las ventajas y desventajas del uso de imágenes satelitales de mediana resolución (LANDSAT 8 OLI y Sentinel 2 MSI) al realizar clasificaciones supervisadas de los cultivos estivales existentes en una campaña agrícola en campos ubicados en el partido de Lobos, provincia de Buenos Aires. Para el logro del objetivo se trabajó sobre 8 imágenes (cuatro Landsat 8 y cuatro Sentinel 2) que abarcan el periodo de estudio desde Noviembre del 2019 hasta Abril del 2020, empleando diferentes métodos de clasificación supervisada del complemento Semiautomatic Classification Plugin (SCP) dentro del software Qgis. El procedimiento ha requerido no solo de la obtención de las imágenes satelitales, su procesamiento y validación, sino también del relevamiento de datos de campo. Se partió del supuesto que las clasificaciones derivadas del uso de ambas imágenes no presentan variaciones provocadas por la resolución espectral, pero sí frente a las diferencias en la resolución espacial, siendo las imágenes Landsat las que mejor representan la realidad de campo para el área de estudio. Los resultados obtenidos no fueron congruentes con la hipótesis, ya que las imágenes que representaron mejor la realidad de campo corresponden a Sentinel 2.
Ingeniero Agrónomo
Universidad Nacional de La Plata
Facultad de Ciencias Agrarias y Forestales
description El sector agrícola viene transitando un profundo cambio en la obtención y la utilización de nuevas tecnologías, buscando anticiparse a eventos edafoclimáticos que puedan inferir en los resultados productivos y facilitar la toma de decisiones de forma remota, empujando al profesional a un uso cada vez más extenso de herramientas tales como la teledetección y el manejo de información geoespacial en entornos GIS. La clasificación de imágenes provenientes de sensores remotos permite monitorear dichos cambios con precisión, en forma periódica y a menores costos que con los métodos tradicionales. Las imágenes de los satélites Landsat y Sentinel son ampliamente utilizadas para realizar clasificaciones de las coberturas del terreno, dado que presentan resoluciones espaciales convenientes, una cobertura espectral similar entre ellas y carecen de costos para su descarga y manipuleo. En el presente trabajo se analizaron las ventajas y desventajas del uso de imágenes satelitales de mediana resolución (LANDSAT 8 OLI y Sentinel 2 MSI) al realizar clasificaciones supervisadas de los cultivos estivales existentes en una campaña agrícola en campos ubicados en el partido de Lobos, provincia de Buenos Aires. Para el logro del objetivo se trabajó sobre 8 imágenes (cuatro Landsat 8 y cuatro Sentinel 2) que abarcan el periodo de estudio desde Noviembre del 2019 hasta Abril del 2020, empleando diferentes métodos de clasificación supervisada del complemento Semiautomatic Classification Plugin (SCP) dentro del software Qgis. El procedimiento ha requerido no solo de la obtención de las imágenes satelitales, su procesamiento y validación, sino también del relevamiento de datos de campo. Se partió del supuesto que las clasificaciones derivadas del uso de ambas imágenes no presentan variaciones provocadas por la resolución espectral, pero sí frente a las diferencias en la resolución espacial, siendo las imágenes Landsat las que mejor representan la realidad de campo para el área de estudio. Los resultados obtenidos no fueron congruentes con la hipótesis, ya que las imágenes que representaron mejor la realidad de campo corresponden a Sentinel 2.
publishDate 2022
dc.date.none.fl_str_mv 2022-09-08
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/acceptedVersion
Tesis de grado
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/141770
url http://sedici.unlp.edu.ar/handle/10915/141770
dc.language.none.fl_str_mv spa
language spa
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
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_ 1844616240416423936
score 13.070432

Publicaciones similares