Modelos simples para estimar cobertura de suelo agrícola a partir de imágenes MODIS: aplicación a la zona central de Córdoba (Argentina)

Autores
Bocco, Mónica; Ovando, Gustavo; Sayago, Silvina; Willington, Enrique A.
Año de publicación
2013
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Las imágenes provenientes de sensores remotos constituyen una importante fuente de información sobre cultivos que puede utilizarse para obtener parámetros agronómicos. La soja (Glycine max (L.) Merrill) y el maíz (Zea mays L.) son los cultivos más importantes en Argentina, por área sembrada y réditos económicos producidos. En este trabajo se desarrollaron modelos matemáticos simples para evaluar porcentaje de cobertura de suelo por soja y maíz, a partir de diferentes índices de vegetación derivados del Moderate–resolution Imaging Spectroradiometer (MODIS). Los índices de vegetación considerados fueron: de diferencia normalizada (NDVI), Índice ajustado por el suelo SAVI, su modificación MSAVI, la Razón Simple (SR) y el índice perpendicular de vegetación (PVI). El comportamiento de los modelos fue muy bueno y los resultados mostraron que, excepto para SR, un modelo lineal puede predecir porcentaje de cobertura de suelo por soja y maíz, con valores de R2>0,86.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
Modelos
Cultivos
Índice de vegetación
MODIS
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:10915/93461
Acceder
id SEDICI_da190b050c7b65e1c028f78b9f1150e2
oai_identifier_str oai:sedici.unlp.edu.ar:10915/93461
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Modelos simples para estimar cobertura de suelo agrícola a partir de imágenes MODIS: aplicación a la zona central de Córdoba (Argentina)Bocco, MónicaOvando, GustavoSayago, SilvinaWillington, Enrique A.Ciencias InformáticasModelosCultivosÍndice de vegetaciónMODISLas imágenes provenientes de sensores remotos constituyen una importante fuente de información sobre cultivos que puede utilizarse para obtener parámetros agronómicos. La soja (Glycine max (L.) Merrill) y el maíz (Zea mays L.) son los cultivos más importantes en Argentina, por área sembrada y réditos económicos producidos. En este trabajo se desarrollaron modelos matemáticos simples para evaluar porcentaje de cobertura de suelo por soja y maíz, a partir de diferentes índices de vegetación derivados del Moderate–resolution Imaging Spectroradiometer (MODIS). Los índices de vegetación considerados fueron: de diferencia normalizada (NDVI), Índice ajustado por el suelo SAVI, su modificación MSAVI, la Razón Simple (SR) y el índice perpendicular de vegetación (PVI). El comportamiento de los modelos fue muy bueno y los resultados mostraron que, excepto para SR, un modelo lineal puede predecir porcentaje de cobertura de suelo por soja y maíz, con valores de R2>0,86.Sociedad Argentina de Informática e Investigación Operativa2013-09info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf61-69http://sedici.unlp.edu.ar/handle/10915/93461spainfo:eu-repo/semantics/altIdentifier/issn/1852-4850info: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:UNLP2025-09-29T11:19:26Zoai:sedici.unlp.edu.ar:10915/93461Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:19:27.193SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Modelos simples para estimar cobertura de suelo agrícola a partir de imágenes MODIS: aplicación a la zona central de Córdoba (Argentina)
title Modelos simples para estimar cobertura de suelo agrícola a partir de imágenes MODIS: aplicación a la zona central de Córdoba (Argentina)
spellingShingle Modelos simples para estimar cobertura de suelo agrícola a partir de imágenes MODIS: aplicación a la zona central de Córdoba (Argentina)
Bocco, Mónica
Ciencias Informáticas
Modelos
Cultivos
Índice de vegetación
MODIS
title_short Modelos simples para estimar cobertura de suelo agrícola a partir de imágenes MODIS: aplicación a la zona central de Córdoba (Argentina)
title_full Modelos simples para estimar cobertura de suelo agrícola a partir de imágenes MODIS: aplicación a la zona central de Córdoba (Argentina)
title_fullStr Modelos simples para estimar cobertura de suelo agrícola a partir de imágenes MODIS: aplicación a la zona central de Córdoba (Argentina)
title_full_unstemmed Modelos simples para estimar cobertura de suelo agrícola a partir de imágenes MODIS: aplicación a la zona central de Córdoba (Argentina)
title_sort Modelos simples para estimar cobertura de suelo agrícola a partir de imágenes MODIS: aplicación a la zona central de Córdoba (Argentina)
dc.creator.none.fl_str_mv Bocco, Mónica
Ovando, Gustavo
Sayago, Silvina
Willington, Enrique A.
author Bocco, Mónica
author_facet Bocco, Mónica
Ovando, Gustavo
Sayago, Silvina
Willington, Enrique A.
author_role author
author2 Ovando, Gustavo
Sayago, Silvina
Willington, Enrique A.
author2_role author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Modelos
Cultivos
Índice de vegetación
MODIS
topic Ciencias Informáticas
Modelos
Cultivos
Índice de vegetación
MODIS
dc.description.none.fl_txt_mv Las imágenes provenientes de sensores remotos constituyen una importante fuente de información sobre cultivos que puede utilizarse para obtener parámetros agronómicos. La soja (Glycine max (L.) Merrill) y el maíz (Zea mays L.) son los cultivos más importantes en Argentina, por área sembrada y réditos económicos producidos. En este trabajo se desarrollaron modelos matemáticos simples para evaluar porcentaje de cobertura de suelo por soja y maíz, a partir de diferentes índices de vegetación derivados del Moderate–resolution Imaging Spectroradiometer (MODIS). Los índices de vegetación considerados fueron: de diferencia normalizada (NDVI), Índice ajustado por el suelo SAVI, su modificación MSAVI, la Razón Simple (SR) y el índice perpendicular de vegetación (PVI). El comportamiento de los modelos fue muy bueno y los resultados mostraron que, excepto para SR, un modelo lineal puede predecir porcentaje de cobertura de suelo por soja y maíz, con valores de R2>0,86.
Sociedad Argentina de Informática e Investigación Operativa
description Las imágenes provenientes de sensores remotos constituyen una importante fuente de información sobre cultivos que puede utilizarse para obtener parámetros agronómicos. La soja (Glycine max (L.) Merrill) y el maíz (Zea mays L.) son los cultivos más importantes en Argentina, por área sembrada y réditos económicos producidos. En este trabajo se desarrollaron modelos matemáticos simples para evaluar porcentaje de cobertura de suelo por soja y maíz, a partir de diferentes índices de vegetación derivados del Moderate–resolution Imaging Spectroradiometer (MODIS). Los índices de vegetación considerados fueron: de diferencia normalizada (NDVI), Índice ajustado por el suelo SAVI, su modificación MSAVI, la Razón Simple (SR) y el índice perpendicular de vegetación (PVI). El comportamiento de los modelos fue muy bueno y los resultados mostraron que, excepto para SR, un modelo lineal puede predecir porcentaje de cobertura de suelo por soja y maíz, con valores de R2>0,86.
publishDate 2013
dc.date.none.fl_str_mv 2013-09
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/10915/93461
url http://sedici.unlp.edu.ar/handle/10915/93461
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/issn/1852-4850
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
61-69
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_ 1844616068240244736
score 13.070432

Publicaciones similares