Teledetección para la evaluación de daños por tormentas con vientos fuertes en plantaciones de banano (Musa AAA Simmonds)

Contenido Pág. 1. Introducción 15 2. Planteamiento del Problema y Pregunta de Investigación 17 2.1 Hipótesis 19 2.2 Objetivos 19 2.2.1 Objetivo General 19 2.2.2 Objetivos Específicos: 19 3. Marco Teórico 21 3.1.1 Riesgos y desastres en la agricultura 21 3.1.2 Generalidades del cultivo de banano 23 3...

Full description

Autores:: Ruiz Villada, Sara Emiliana
Rubio Clemente, Ainhoa
Valencia Hurtado, Sergio Humberto

Tipo de recurso:

Fecha de publicación:: 2024

Institución:: Tecnológico de Antioquia

Repositorio:: Repositorio Tdea

Idioma:: spa

id	RepoTdea2_e5fff87f31487400874cf8c27e6135eb
oai_identifier_str	oai:dspace.tdea.edu.co:tdea/5118
network_acronym_str	RepoTdea2
network_name_str	Repositorio Tdea
repository_id_str
dc.title.none.fl_str_mv	Teledetección para la evaluación de daños por tormentas con vientos fuertes en plantaciones de banano (Musa AAA Simmonds)
title	Teledetección para la evaluación de daños por tormentas con vientos fuertes en plantaciones de banano (Musa AAA Simmonds)
spellingShingle	Teledetección para la evaluación de daños por tormentas con vientos fuertes en plantaciones de banano (Musa AAA Simmonds) Banano Teledetección Índices de vegetación Vientos fuertes Gestión del riesgo agrícola Banano
title_short	Teledetección para la evaluación de daños por tormentas con vientos fuertes en plantaciones de banano (Musa AAA Simmonds)
title_full	Teledetección para la evaluación de daños por tormentas con vientos fuertes en plantaciones de banano (Musa AAA Simmonds)
title_fullStr	Teledetección para la evaluación de daños por tormentas con vientos fuertes en plantaciones de banano (Musa AAA Simmonds)
title_full_unstemmed	Teledetección para la evaluación de daños por tormentas con vientos fuertes en plantaciones de banano (Musa AAA Simmonds)
title_sort	Teledetección para la evaluación de daños por tormentas con vientos fuertes en plantaciones de banano (Musa AAA Simmonds)
dc.creator.fl_str_mv	Ruiz Villada, Sara Emiliana Rubio Clemente, Ainhoa Valencia Hurtado, Sergio Humberto
dc.contributor.advisor.none.fl_str_mv	Rubio Clemente, Ainhoa
dc.contributor.author.none.fl_str_mv	Ruiz Villada, Sara Emiliana Rubio Clemente, Ainhoa Valencia Hurtado, Sergio Humberto
dc.contributor.jury.none.fl_str_mv	Trujillo Vargas, Laura Marcela Giraldo Jiménez, Jorge Andrés
dc.subject.proposal.none.fl_str_mv	Banano Teledetección Índices de vegetación Vientos fuertes Gestión del riesgo agrícola Banano
topic	Banano Teledetección Índices de vegetación Vientos fuertes Gestión del riesgo agrícola Banano
description	Contenido Pág. 1. Introducción 15 2. Planteamiento del Problema y Pregunta de Investigación 17 2.1 Hipótesis 19 2.2 Objetivos 19 2.2.1 Objetivo General 19 2.2.2 Objetivos Específicos: 19 3. Marco Teórico 21 3.1.1 Riesgos y desastres en la agricultura 21 3.1.2 Generalidades del cultivo de banano 23 3.1.3 Daños por tormentas con vientos fuertes en cultivos de banano 26 3.1.4 Generalidades de la teledetección 27 3.1.5 Índices espectrales de vegetación 30 3.1.6 La teledetección en la agricultura 34 3.1.7 Aplicación de herramientas de teledetección para la evaluación de daños en cultivos 35 4. Metodología 39 4.1.1 Ubicación del área de estudio 39 4.1.2 Descripción de las características climáticas del área de estudio 40 4.1.3 Descripción del caso de estudio 40 4.1.4 Clasificación del tipo de cobertura en el área de estudio antes del evento 40 4.1.5 Análisis del área afectada con imágenes ópticas y de radar 41 4.1.6 Estimación de la pérdida económica en la producción de banano 43 4.1.7 Construcción de series temporales de índices de vegetación 44 5. Resultados y Discusión 47 5.1 Resultados 47 5.1.1 Características climáticas del área de estudio 47 5.1.2 Descripción del caso de estudio 49 5.1.3 Clasificación del tipo de cobertura en el área de estudio 51 5.1.4 Análisis de área afectada con imágenes ópticas 53 5.1.5 Análisis del área afectada con imágenes de radar 57 5.1.6 Estimación de la pérdida económica en la producción de banano 59 5.1.7 Seguimiento post-evento de la recuperación de la cobertura vegetal de banano 60 5.2 Discusión 63 6. Conclusiones y trabajos futuros 68
publishDate	2024
dc.date.accessioned.none.fl_str_mv	2024-04-01T14:33:42Z
dc.date.available.none.fl_str_mv	2024-04-01T14:33:42Z
dc.date.issued.none.fl_str_mv	2024-03-13
dc.type.spa.fl_str_mv	Trabajo de grado - Maestría
dc.type.content.spa.fl_str_mv	Text
dc.type.driver.spa.fl_str_mv	info:eu-repo/semantics/masterThesis
dc.type.redcol.spa.fl_str_mv	http://purl.org/redcol/resource_type/TM
dc.type.version.spa.fl_str_mv	info:eu-repo/semantics/acceptedVersion
status_str	acceptedVersion
dc.identifier.citation.spa.fl_str_mv	APA
dc.identifier.uri.none.fl_str_mv	https://dspace.tdea.edu.co/handle/tdea/5118
dc.identifier.instname.spa.fl_str_mv	Tecnológico de Antioquia Institución Universitaria
dc.identifier.reponame.spa.fl_str_mv	Repositorio TdeA
dc.identifier.repourl.spa.fl_str_mv	https://dspace.tdea.edu.co/
identifier_str_mv	APA Tecnológico de Antioquia Institución Universitaria Repositorio TdeA
url	https://dspace.tdea.edu.co/handle/tdea/5118 https://dspace.tdea.edu.co/
dc.language.iso.spa.fl_str_mv	spa
language	spa
dc.relation.references.spa.fl_str_mv	Aeberli, A., Phinn, S., Johansen, K., Robson, A., & Lamb, D. W. (2023). Characterisation of Banana Plant Growth Using High-Spatiotemporal-Resolution Multispectral UAV Imagery. Remote Sensing, 15(3), 679. https://doi.org/https://doi.org/10.3390/rs15030679 Aghimien, E. V. (2020). Application of vegetation indices to estimate above-ground carbon stock using pleiades satellite imagery of a secondary forest ecosystem in Ibadan, Nigeria. African Journal of Agriculture, Technology and Environment, 9(1), 160–173. https://ajate.com.ng/wp-content/uploads/2023/02/14-Aghimien-AJATE-Vol-9-No-1.pdf Ajadi, O. A., Liao, H., Jaacks, J., Santos, A. D., Kumpatla, S. P., Patel, R., & Swatantran, A. (2020). Landscape-Scale Crop Lodging Assessment across Iowa and Illinois Using Synthetic Aperture Radar (SAR) Images. Remote Sensing, 12(23), 1–15. https://doi.org/10.3390/rs12233885 Alcaldía de Zona Bananera. (2020). Plan de Desarrollo Territorial 2020-2023 “Unidos Somos más, liderando el progreso.” https://www.zonabananera-magdalena.gov.co/Transparencia/PlaneacionGestionyControl/Plan de Desarrollo 2020 - 2023.pdf Alencar da Silva, K. M., & Silva, R. (2017). Tendencia pluviométrica y concentración estacional de precipitación en la cuenca hidrográfica del río Moxotó – Pernamcuco – Brasil. Revista Geográfica de América Central, 1(58), 295–313. https://doi.org/10.15359/rgac.58-1.12 Angearu, C. V., Ontel, I., Irimescu, A., Sorin, B., & Dodd, E. (2022). Remote sensing methods for detecting and mapping hailstorm damage: a case study from the 20 July 2020 hailstorm, Baragan Plain, Romania. Natural Hazards, 114(2), 2013–2040. https://doi.org/10.1007/s11069-022-05457-x Asemota, G. N. O. (2010). Evidence-Based Wind-Felled Recovery of Plantains. The African Journal of Plant Science and Biotechnology Global Science Books, 4(1), 84–89. http://www.globalsciencebooks.info/Online/GSBOnline/images/2010/AJPSB_4(SI1)/AJPSB_4(SI1)84-89o.pdf Asociación de Bananeros de Colombia Augura. (2021). Coyuntura Bananera 2021. https://augura.com.co/wp-content/uploads/2022/04/COYUNTURA-BANANERA-2021.pdf Asociación de Bananeros de Colombia Augura. (2020). Coyuntura Bananera 2020. https://augura.com.co/wp-content/uploads/2021/06/Coyuntura-Bananera-2020.pdf Bairwa, S. L., Kushwaha, S., & Bairwa, S. (2013). Managing Risk and Uncertainty in Agriculture – a Review. Agricultural Education, Research and Extension in India. Poddar Publication, Chittupure, Varanasi., 212–214. https://www.researchgate.net/profile/Shoji-Lal-Bairwa/publication/303224394_MANAGING_RISK_AND_UNCERTAINTY_IN_AGRICULTURE_-_A_REVIEW/links/57396c4b08ae298602e2c725/MANAGING-RISK-AND-UNCERTAINTY-IN-AGRICULTURE-A-REVIEW.pdf Baloloy, A. B., Blanco, A. C., C. Sta. Ana, R. R., & Nadaoka, K. (2020). Development and application of a new mangrove vegetation index (MVI) for rapid and accurate mangrove mapping. ISPRS Journal of Photogrammetry and Remote Sensing, 166, 95–117. https://doi.org/10.1016/j.isprsjprs.2020.06.001 Baquero-Melo, J. (2017). Vulnerabilidad socioecológica y socioeconómica en cadenas de valor agrícola. El Caso de la producción del plátano en Colombia. Revista Latinoamericana de Estudios Rurales, 2(3), 96–127. http://www.ceil-conicet.gov.ar/ojs/index.php/revistaalasru/article/view/198/114 Barrera, J. L., Cartagena, J. R., & Nanclares, O. A. (2020). Influence of high planting densities and arrangements on yield and fruit development of Musa AAA Simmonds. Acta Agronómica, 69(1), 46-53. https://pdfs.semanticscholar.org/224a/b2175203c8d42a8e9d5a73fcfa2f35ad4a31.pdf Bernal-Monterrosa, M. A, & Delgado-Bejarano, L. (2022). Proyección de rendimiento usando variables productivas y diversos tipos de semilla de banano (Musa spp.) en Turbo-Colombia. Ciencia y Agricultura, 19(3): 102-115. https://doi.org/10.19053/01228420.v19.n3.2022.14706 Blanc, E., & Noy, I. (2023). Impacts of droughts and floods on agricultural productivity in New Zealand as measured from space. Environmental Research: Climate, 2(3), 035001. https://iopscience.iop.org/article/10.1088/2752-5295/acd4da Brenes-Gamboa, S. (2017). Parámetros de producción y calidad de los cultivares de banano FHIA-17, FHIA-25 y Yangambi. Agronomía Mesoamericana, 28(3), 719–733. https://www.redalyc.org/journal/437/43752453015/html/ Canada Centre for Remote Sensing CCRS. (November 19, 2015). Fundamentals of Remote Sensing - Introduction. What is Remote Sensing?. https://natural-resources.canada.ca/maps-tools-and-publications/satellite-imagery-and-air-photos/tutorial-fundamentals-remote-sensing/introduction/9363 Cangialosi, J., Delgado, S., & Berg, R. (2022). Hurricane Elsa (AL052021). National Hurricane Center Tropical Cyclone Report. National Oceanic and Atmospheric Administration NOAA. https://www.nhc.noaa.gov/data/tcr/AL052021_Elsa.pdf Chakraborty, A., Srikanth, P., Murthy, C. S., Rao, P. V. N., & Chowdhury, S. (2021). Assessing lodging damage of jute crop due to super cyclone Amphan using multi-temporal Sentinel-1 and Sentinel-2 data over parts of West Bengal, India. Environmental Monitoring and Assessment, 193(464), 1–18. https://doi.org/10.1007/s10661-021-09220-w Chang, L., Peng-Sen, S., & Shi-Rong, L. (2016). A review of plant spectral reflectance response to water physiological changes. Chinese Journal of Plant Ecology, 40(1), 80–91. https://doi.org/10.17521/cjpe.2015.0267 Chen, S., Lin, H., & Guang, Y. (2022). Efficient agricultural disaster financing using satellite data and artificial intelligence. Computers and Electrical Engineering, 103, 108394. https://doi.org/https://doi.org/10.1016/j.compeleceng.2022.108394 Cherlinka, V. (August 30, 2019). NDVI FAQ: All You Need To Know About Index. EOS Data Analytics EOSDA. https://eos.com/blog/ndvi-faq-all-you-need-to-know-about-ndvi/#:~:text=In most cases%2C NDVI values,possible density of green leaves. C.I. Técnicas Baltime de Colombia S.A. Tecbaco & Environment Systems. (2020). Wind Damage Assessment for an Insurance Claim. Environment Systems Ltd. https://envsys.co.uk/wp-content/uploads/2020/07/Tecbaco-Wind-Damage-1.pdf Conrad, O., Bechtel, B., Bock, M., Dietrich, H., Fischer, E., Gerlitz, L., Wehberg, J., Wichmann, V., & Böhner, J. (2018). System for Automated Geoscientific Analyses (SAGA) v. 6.3.0, Geosci. Model Dev., 8, 1991-2007. https://sourceforge.net/projects/saga-gis/files/SAGA%20-%206/SAGA%20-%206.3.0/ Consejo Municipal para la Gestión del Riesgo de Desastres del municipio de Apartadó CMGRD Apartadó. (2016). Actualización Plan Municipal de Gestión del Riesgo de Desastres. Municipio de Apartadó, Sistema Nacional de Gestión del Riesgo de Desastres. http://repositorio.gestiondelriesgo.gov.co/bitstream/handle/20.500.11762/28662/Apartado_PMGRD.pdf?sequence=2&isAllowed=y Corporación Autónoma Regional del Magdalena Corpamag & Universidad del Magdalena. (2018). Determinantes ambientales del departamento del Magdalena, para la orientación de los modelos de ocupación territorial. https://www.corpamag.gov.co/archivos/mapas/DeterminantesAmbientalesDptoMagdalena.pdf Corporación OSSO, La Red, & Oficina de las Naciones Unidas para la Reducción del Riesgo de Desastres UNDRR. (2023). Sistema de Inventario de Desastres [DesInventar]. https://www.desinventar.org/ Cotrozzi, L. (2022). Spectroscopic detection of forest diseases: a review (1970–2020). Journal of Forestry Research, 33(1), 21–38. https://doi.org/10.1007/s11676-021-01378-w Dai, X., Chen, S., Jiang, H., & Nainarpandian, C. (February 10, 2023). Rice lodging disaster monitoring method based on multi-source remote sensing data [Abstract]. International Conference on Geographic Information and Remote Sensing Technology (GIRST 2022), Kunming, China. Society of Photo-Optical Instrumentation Engineers SPIE, 12552, 568–573. https://www.spiedigitallibrary.org/conference-proceedings-of-spie/12552/1255224/Rice-lodging-disaster-monitoring-method-based-on-multi-source-remote/10.1117/12.2667454.short De Petris, S., Sarvia, F., Gullino, M., Tarantino, E., & Borgogno-Mondino, E. (2021). Sentinel-1 polarimetry to map apple orchard damage after a storm. Remote Sensing, 13(5), 1–16. https://doi.org/10.3390/rs13051030 Delgado, G., & Hawkins, D. J. (2020). Comercio justo Estudio de Impactos del Tratado de Libre Comercio entre la UE y Colombia en la Agricultura. Friedrich-Ebert-Stiftung (FES). https://library.fes.de/pdf-files/iez/16299.pdf Díaz, F. A., Quintero, S. V., Triana, J. S., & Morón, D. C. (2014). Aproximación a los sistemas de percepción remota en satélites pequeños. Universidad Sergio Arboleda. https://repository.usergioarboleda.edu.co/bitstream/handle/11232/545/Aproximacion sistemas de percepci%F3n remota en sat%E9lites peque%F1os.pdf?sequence=10 Ejiogu, A. (2018). Agricultural Risk Management and Insurance. In Agricultural Finance and Opportunities for Investment and Expansion (pp. 221–234). IGI Global. https://doi.org/10.4018/978-1-5225-3059-6.ch012 El Heraldo. (29 de septiembre de 2021). Cerca de mil hectáreas de banano afectadas por vendaval en la Zona Bananera. EL HERALDO. https://www.elheraldo.co/magdalena/cerca-de-mil-hectareas-de-banano-afectadas-por-vendaval-en-la-zona-bananera-854069 EOS Data Analytics. (2024). Combinación De Bandas De Infrarrojos (Vegetación). https://eos.com/es/make-an-analysis/color-infrared/ Essaadia, A., Abdellah, A., Ahmed, A., Abdelouahed, F., & Kamal, E. (2022). The normalized difference vegetation index (NDVI) of the Zat valley, Marrakech: comparison and dynamics. Heliyon, 8(12), 1–10. https://doi.org/10.1016/j.heliyon.2022.e12204 Fengjin, X., & Qiufeng, L. (2023). An evaluation of vegetation loss due to the super typhoon Sarika in Hainan Island of China. Natural Hazards, 115(2), 1677–1695. https://doi.org/10.1007/s11069-022-05613-3 Feria, D. F., Londoño, D. A., Cardona, S. P., & Zapata, S. (2022). Evaluación productiva y fisiológica de diferentes densidades de siembra en banano durante la primera generación. In Informe anual abril 2022 (pp. 139–143). Centro de investigaciones del banano Cenibanano. https://augura.com.co/wp-content/uploads/2023/04/Informe-anual-CENIBANANO-2022_VF.pdf Feria, D. F., Londoño, D. A., Hurtado, R., Elejalde, G. J., & Zapata, S. (2023). ABC del cultivo de banano - Región de Urabá. Estrategias técnicas para mejorar la productividad. Asociación de Bananeros de Colombia Augura. https://www.researchgate.net/publication/373739216_ABC_del_cultivo_de_banano_-_Region_de_Uraba_Estrategias_tecnicas_para_mejorar_la_productividad Fernández, E. (21 de septiembre de 2022). Más de nueve mil tareas de plátano y guineo derribadas por Fiona en La Canela. Diario Libre. https://www.diariolibre.com/actualidad/nacional/2022/09/21/miles-de-tareas-de-platano-danadas-por-huracan-fiona/2079535 Fondo para el Financiamiento del Sector Agropecuario FINAGRO. (2017). Seguro Agrícola Catastrófico en Colombia: Estudio de Factibilidad. Banco Mundial. https://www.finagro.com.co/sites/default/files/estudio_factibilidad_sac.pdf Fondo para el Financiamiento del Sector Agropecuario FINAGRO. (2018). Ficha de inteligencia banano tipo exportación. Unidad de Gestión de Riesgos Agropecuarios. https://www.finagro.com.co/sites/default/files/node/basic-page/files/ficha_banano_version_ii.pdf Food and Agriculture Organization of the United Nations FAO. (2019). Agricultural risk management tools. FAO elearning Academy course. https://elearning.fao.org/course/view.php?id=450 Food and Agriculture Organization of the United Nations FAO. (2021). The impact of disasters and crises on agriculture and food security: 2021. FAO. https://doi.org/https://doi.org/10.4060/cb3673en Forum for Agricultural Risk Management in Development FARM-D. (2024). Understanding Risks. Risk in Agriculture. FARM-D, Platform for Agricultural Risk Management (PARM). https://www.farm-d.org/basic-concepts/ FreshPlaza. (25 de septiembre de 2015). República Dominicana: Una tormenta tropical destruye plantaciones de bananas. FreshPlaza. https://www.freshplaza.es/article/3091927/republica-dominicana-una-tormenta-tropical-destruye-plantaciones-de-bananas/ Furlanetto, J., Ferro, N. D., Briffaut, F., Carotta, L., Polese, R., Dramis, A., Miele, C., Persichetti, A., Nicoli, L., & Morari, F. (2021). Mapping of hailstorm and strong wind damaged crop areas using LAI estimated from multispectral imagery. Precision Agriculture ’21, 315–321. https://www.wageningenacademic.com/doi/10.3920/978-90-8686-916-9_37 Gao, Q., Zribi, M., Escorihuela, M. J., & Baghdadi, N. (2017). Synergetic use of Sentinel-1 and Sentinel-2 data for soil moisture mapping at 100 m resolution. Sensors, 17(9), 1-21. https://doi.org/10.3390/s17091966 Gobierno de España & Copernicus. (2018a). El programa Copernicus aplicado a la producción y gestión de la información geoespacial. Fundamentos de teledetección aplicada. Proyecto cofinanciado por la Comisión Europea. https://www.ign.es/web/resources/docs/IGNCnig/actividades/OBS/Programa_Marco_Copernicus_User_Uptake/2_Fundamentos_teledeteccion_aplicada.pdf Gobierno de España & Copernicus. (2018b). El programa Copernicus aplicado a la producción y gestión de la información geoespacial. El componente espacio Copernicus. Proyecto co-financiado por la Comisión Europea. https://www.ign.es/web/resources/docs/IGNCnig/actividades/OBS/Programa_Marco_Copernicus_User_Uptake/3_componente_espacio_Copernicus.pdf Guan, H., Huang, J., Li, X., Zeng, Y., Su, W., Ma, Y., Dong, J., Niu, Q., & Wang, W. (2022). An improved approach to estimating crop lodging percentage with Sentinel-2 imagery using machine learning. International Journal of Applied Earth Observation and Geoinformation, 113(102992), 1–17. https://doi.org/10.1016/j.jag.2022.102992 Gueco, L. S., Sinohin, V. G. O., & Molina, A. B. (2016). Evaluation of local and introduced banana cultivars against strong wind damage in the Philippines. Philippine Journal of Crop Science (Philippines), 42. https://agris.fao.org/agris-search/search.do?recordID=PH2017000379 Guerrero, M. (2010). Guía Técnica del Cultivo del Plátano Programa MAG-CENTA-Frutales. Centro Nacional de Tecnología Agropecuaria y Forestal-CENTA Enrique Álvarez Córdova. https://universidadagricola.com/wp-content/uploads/2018/05/GUIA-CULTIVO-PLATANO.pdf Guo, R., Zhu, X., & Liu, T. (2023). Automatic detection of crop lodging from multitemporal satellite data based on the isolation forest algorithm. Computers and Electronics in Agriculture, 215, 108415. https://doi.org/10.1016/j.compag.2023.108415 Guzmán-Álvarez, J. A., González-Zuñiga, M., Sandoval, J. A., & Calvo-Alvarado, J. C. (2022). Uso de sensores remotos en la agricultura: aplicaciones en el cultivo del banano. Agronomía Mesoamericana, 33(3), 48279. https://doi.org/10.15517/am.v33i3.48279 Guzmán, D., Ruiz, J. F., & Cadena, M. (2014). Regionalización de Colombia según la estacionalidad de la precipitación media mensual, a través análisis de componentes principales (ACP). Subdirección de Meteorología IDEAM. http://www.ideam.gov.co/documents/21021/21789/Regionalizaci%25C3%25B3n%2Bde%2Bla%2Blluvia%2Ben%2BColombia.pdf/92287f96-840f-4408-8e76-98b668b83664 Ha, T., Shen, Y., Duddu, H., Johnson, E., & Shirtliffe, S. J. (2022). Quantifying Hail Damage in Crops Using Sentinel-2 Imagery. Remote Sensing, 14(951), 1–17. https://doi.org/10.3390/rs14040951 Henao, M. C., & Caro, D. A. (2019). Valoración por el método de flujo de caja libre: finca bananera de Urabá. Apuntes Contables N° 24, 89–105. https://revistas.uexternado.edu.co/index.php/contad/article/view/5985/7707 Hu, L., Zhang, C., Zhang, M., Shi, Y., Lu, J., & Fang, Z. (2023). Enhancing FAIR Data Services in Agricultural Disaster: A Review. Remote Sensing, 15(2024), 1–33. https://doi.org/10.3390/rs15082024 Huang, S., Tang, L., Hupy, J. P., Wang, Y., & Shao, G. (2021). A commentary review on the use of normalized diference vegetation index (NDVI) in the era of popular remote sensing. Journal of Forestry Research, 32(1), 1–6. https://doi.org/10.1007/s11676-020-01155-1 Huete, A., Didan, K., Miura, T., Rodriguez, E. P., Gao, X., & Ferreira, L. G. (2002). Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote sensing of environment, 83(1-2), 195-213. https://doi.org/10.1016/S0034-4257(02)00096-2 Iguarán, A. (8 de octubre de 2021). Bananeros afectados por vendaval en Magdalena piden ayuda nacional. EL HERALDO. https://www.elheraldo.co/magdalena/bananeros-afectados-por-vendaval-en-magdalena-piden-ayuda-nacional-856135 Instituto Interamericano de Cooperación para la Agricultura IICA. (16 de febrero de 2021). Banano: Un cultivo fundamental para la seguridad alimentaria que está bajo amenaza. https://www.iica.int/es/prensa/noticias/banano-un-cultivo-fundamental-para-la-seguridad-alimentaria-que-esta-bajo-amenaza Instituto Interamericano de Cooperación para la Agricultura IICA. (2023). Gestión del riesgo y sostenibilidad de la agricultura. https://iica.int/es/visiones-iica/gestion-del-riesgo-y-sostenibilidad-de-la-agricultura Instituto de Hidrología, Meteorología y Estudios Ambientales IDEAM. (2011). Clasificaciones climáticas Colombia. http://www.ideam.gov.co/documents/21021/21789/climas+%5BModo+de+compatibilidad%5D.pdf/d8c85704-a07a-4290-ba65-f2042ce99ff9 Instituto de Hidrología, Meteorología y Estudios Ambientales IDEAM. (2021a). Boletín Climatológico Septiembre de 2021. http://sgi.ideam.gov.co/documents/21021/113579674/09_Bolet%C3%ADn_Climatol%C3%B3gico_Septiembre_2021.pdf/900df7a7-60de-44e6-9cfe-60441b3159e9?version=1.0 Instituto de Hidrología, Meteorología y Estudios Ambientales IDEAM. (2021b). Index of /geotiff/goes16/Colombia [imagen]. http://bart.ideam.gov.co/geotiff/goes16/Colombia/ Instituto Geográfico Nacional de España [IGNSpain]. (20 de enero de 2021). (06) Curso de procesamiento de imágenes Sentinel con SNAP - Imágenes radar (Sentinel-1) [Archivo de video]. YouTube. https://www.youtube.com/watch?v=QK8J8huXzio Khanal, S., Fulton, J., Hawkins, E., Port, K., & Klopfenstein, A. (March 28, 2017). Remote Sensing in Precision Agriculture. Ohioline The Ohio State University College of Food, Agricultural, and Environmental Sciences. https://ohioline.osu.edu/factsheet/fabe-5541 Komarek, A. M., De Pinto, A., & Smith, V. H. (2020). A review of types of risks in agriculture: What we know and what we need to know. Agricultural Systems, 178, 102738. https://doi.org/10.1016/j.agsy.2019.102738 Lamour, J., Naud, O., Lechaudel, M., Le Moguédec, G., Taylor, J., & Tisseyre, B. (2020). Spatial analysis and mapping of banana crop properties: issues of the asynchronicity of the banana production and proposition of a statistical method to take it into account. Precision Agriculture, 21, 897–921. https://doi.org/10.1007/s11119-019-09700-7 Mafuratidze, P., Chibarabada, T. P., Shekede, M. D., & Masocha, M. (2023). A new four-stage approach based on normalized vegetation indices for detecting and mapping sugarcane hail damage using multispectral remotely sensed data. Geocarto International, 38(1), 1–18. https://doi.org/10.1080/10106049.2023.2245788 Marcelino, L., González, V., & Ríos, D. (2012). Manual técnico El cultivo de plátano (Musa paradisiaca L.) en Panamá. Instituto de Investigación Agropecuaria de Panamá (idiap). https://chm.cbd.int/api/v2013/documents/05B386D2-5BCD-A52D-6097-F853803CC619/attachments/205364/Cultivo de platano musa paradisiaca.pdf Maro, L. A. C., Klabunde, G. H. F., Guimarães, G. G. F., Beltrame, A. B., Scherer, R. F., de Negreiros, R. J. Z., Malburg, J. L., Mariguele, K. H., & Sônego, M. (2021). Recuperação e renovação de bananais atingidos por vendavais e ciclone. Agropecuária Catarinense, 34(2), 15–17. https://doi.org/10.52945/rac.v34i2.1035 Martínez, A. M., & Cayón, D. G. (2011). Dinámica del Crecimiento y Desarrollo del Banano (Musa AAA Simmonds cvs. Gran Enano y Valery). Revista Facultad Nacional de Agronomía-Medellín, 64(2), 6055–6064. https://repositorio.unal.edu.co/bitstream/handle/unal/40424/29360-105477-1-PB.pdf?sequence=2&isAllowed=y McCullum, A., & Schmidt, C. (2020). Introducción a la Teledetección para Pronósticos Ecológicos con Base en Escenarios. NASA Applied Remote Sensing Training Program (ARSET). National Aeronautics and Space Administration NASA. https://appliedsciences.nasa.gov/sites/default/files/2020-11/ScenarioBasedEco_Part1_Spanish.pdf McNairn, H. (2021). Clasificación de Cultivos Agrícolas con Radar de Apertura Sintética y Teledetección Óptica 1ra Parte 1: Repaso de Radar de Apertura Sintética (SAR). NASA Applied Remote Sensing Training Program (ARSET). National Aeronautics and Space Administration NASA, Agriculture and Agri-Food Canada (AAFC), Agencia Espacial Europea (ESA). https://appliedsciences.nasa.gov/sites/default/files/2021-10/Ag_Part1_Edited_HM_JO_HM_Span.pdf Miao, S., Zhao, Y., Huang, J., Li, X., Wu, R., Su, W., Zeng, Y., Guan, H., Abd Elbasit, M. A. M., & Zhang, J. (2023). A Comprehensive Evaluation of Flooding’s Effect on Crops Using Satellite Time Series Data. Remote Sensing, 15(5), 1–15. https://doi.org/10.3390/rs15051305 Ministerio de Agricultura y Desarrollo Rural Minagricultura. (2020). Cadena de Banano. Dirección de Cadenas Agrícolas y Forestales. https://sioc.minagricultura.gov.co/Banano/Documentos/2020-03-31 Cifras Sectoriales.pdf Moguel, A. G. (2021). Huracán “Sam” del Océano Atlántico Del 22 de septiembre al 5 de octubre del 2021. Comisión Nacional del Agua CONAGUA. https://smn.conagua.gob.mx/tools/DATA/Ciclones%20Tropicales/Ciclones/2021-Sam.pdf Mu, Y., Chen, S., Cao, Y., Zhu, B., Li, A., Cui, L., Dai, R., & Zeng, Q. (2023). Tracking Typhoon Disaster to Crop Damage by Combing Sar and Optical Data. SSRN. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4485201 Munich Re. (2024). Agricultural risk management. https://www.munichre.com/en/risks/agricultural-risks.html#:~:text=We offer an optimized solution,and enhancing financial credit-worthiness. Muñoz, P. (2013). Apuntes de Teledetección: Índices de Vegetación. Centro de Información de Recursos Naturales Ciren. https://bibliotecadigital.ciren.cl/bitstream/handle/20.500.13082/26389/Tema Indices de vegetación%2C Pedro Muñoz A.pdf?sequence=1&isAllowed=y National Aeronautics and Space Administration, Science Mission Directorate NASA Science. (2010). Reflected Near-Infrared Waves. NASA Science Website. https://science.nasa.gov/ems/08_nearinfraredwaves National Oceanic and Atmospheric Administration NOAA. (March 10, 2020). Transforming Energy into Imagery: How Satellite Data Becomes Stunning Views of Earth. https://www.nesdis.noaa.gov/news/transforming-energy-imagery-how-satellite-data-becomes-stunning-views-of-earth NASA Applied Remote Sensing Training Program ARSET. (2022). ARSET - Evaluación de Desastres Usando Radar de Apertura Sintética. National Aeronautics and Space Administration NASA. https://appliedsciences.nasa.gov/get-involved/training/spanish/arset-evaluacion-de-desastres-usando-radar-de-apertura-sintetica Noy, I., Blanc, E., Pundit, M., & Uher, T. (2023). Nowcasting from Space: Impact of Tropical Cyclones on Fiji’s Agriculture. Asian Development Bank Economics Working Paper Series No. 676. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4334574 Opinión Caribe. (29 de septiembre de 2021). En Zona Bananera, reportan daños en las plantaciones a causa de vendaval. Opinión Caribe. https://www.opinioncaribe.com/2021/09/29/en-zona-bananera-reportan-danos-en-las-plantaciones-a-causa-de-vendaval/ Opinión Caribe. (4 de septiembre de 2023). Fuertes vientos en el municipio de Zona Bananera generan pérdidas millonarias en cultivos de banano. Opinión Caribe. https://www.opinioncaribe.com/2023/09/04/fuertes-vientos-en-el-municipio-de-zona-bananera-generan-perdidas-millonarias-en-cultivos-de-banano/ Organisation for Economic Co-operation and Development OECD. (2010). Section 2. Bananas and plantains (Musa spp.). In Safety Assessment of Transgenic Organisms: OECD Consensus Documents: Volume 4. (pp. 84–146). OECD. https://www.oecd-ilibrary.org/docserver/9789264096158-en.pdf?expires=1677284023&id=id&accname=guest&checksum=2D93122F6203163D7902623AB8717C50 Organisation for Economic Co-operation and Development OECD. (2020). Agricultural Risk Management and Resilience: A Holistic Approach. https://www.oecd.org/agriculture/topics/risk-management-and-resilience/ Organización de las Naciones Unidas ONU. (2016). Banano Perfil de INFOCOMM. Conferencia de las Naciones Unidas sobre el Comercio y Desarrollo CNUCED. UNCTAD. http://unctad.org/es/PublicationsLibrary/INFOCOMM_cp01_Banana_es.pdf Pan, Z., Huang, J., Wei, C., & Zhang, H. (2017). Remote sensing of agricultural disasters monitoring: recent advances. International Journal of Remote Sensing & Geoscience (IJRSG), 6(2), 4–19. http://ijrsg.com/Files/1c3710b2-9da5-4852-8791-70b2c1c7edbc_IJRSG_30_02.pdf Petrosyan, M. (2022). Gis and Remote Sensing Data for Vegetation Analysis. International Research Journal of Modernization in Engineering Technology and Science, 04(08), 1466–1472. https://doi.org/10.56726/irjmets29432 Prabhakar, M., Gopinath, K. A., Reddy, A. G. K., Thirupathi, M., & Rao, C. S. (2019). Mapping hailstorm damaged crop area using multispectral satellite data. The Egyptian Journal of Remote Sensing and Space Science, 22(1), 73–79. https://doi.org/10.1016/j.ejrs.2018.09.001 ProMusa. (2020). Morfología de la planta del banano. Musapedia, the Banana Knowledge Compedium. https://www.promusa.org/Morfología+de+la+planta+del+banano Qu, X., Shi, D., Gu, X., Sun, Q., Hu, X., Yang, X., & Pan, Y. (2022). Monitoring Lodging Extents of Maize Crop Using Multitemporal GF-1 Images. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 15, 3800–3814. https://doi.org/10.1109/JSTARS.2022.3170345 R Core Team (2023). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. https://www.R-project.org/. Ramírez, F. (2022). Lineamientos para la planificación de la recuperación post desastre en los Países Miembros de la Comunidad Andina. Comunidad Andina Secretaría General. https://www.comunidadandina.org/CapradeApi/Resources/Documents/XW2CAN_lineamientos recup postdesastre (PUBLICADO).pdf Rego, F. C., Cadima, I. S. P., & Strand, E. K. (2020). A Log-Ratio Vegetation Index (LRVI) for Discrimination and Classification of Remote Sensing Data. Silva Lusitana, 28(1), 45–70. https://doi.org/10.1051/silu/20202801045 Reina, Y. G., Chacón, A. I., & Aguilar, J. E. (2023). Análisis de la merma del banano a partir del software Agrosft. Minerva Journal, 4(2023), 116–113. https://doi.org/10.47460/minerva.v2023ispecial.122 Ruiz, J. F., Serna, J., & Zapata, H. J. (2017). Atlas de Viento de Colombia. Instituto de Hidrología, Meteorología y Estudios Ambientales - IDEAM. Unidad de Planeación Minero Energética - UPME. Bogotá, Colombia. http://www.ideam.gov.co/documents/21021/493444/ATLAS+VIENTO+DE+COLOMBIA Sabio, C., Salgado, C., Salgado, V., & Sáenz, V. (2014). Escuela Agrícola Panamericana Manual del cultivo de banano. Departamento de protección vegetal El Zamorano. https://bdigital.zamorano.edu/server/api/core/bitstreams/b2940530-4907-4d2f-bd02-bcd9d61c43b8/content Salgueiro, L., Marcello, J., & Vilaplana, V. (2020). Super-resolution of Sentinel-2 imagery using generative adversarial networks. Remote Sensing, 12(15), 1–27. https://doi.org/10.3390/RS12152424 Sálmon-Cuspinera, Y. Z., (2020). Impactos y riesgos de los eventos climáticos extremos en el sector agrícola de la provincia Santiago de Cuba, Cuba. Ciencia en su PC, 1, 99-112. https://www.redalyc.org/articulo.oa?id=181363107008 Samreen, T., Tahir, S., Arshad, S., Kanwal, S., Anjum, F., Nazir, M. Z., & Sidra-Tul-Muntaha. (2023). Remote Sensing for Precise Nutrient Management in Agriculture. Environmental Sciences Proceedings, 23(32), 1–4. https://doi.org/10.3390/environsciproc2022023032 Santa Marta Al Día. (30 de septiembre de 2021). Vendaval en la Zona Bananera arrasó con casi mil hectáreas de banano. Santa Marta Al Día. https://santamartaaldia.co/vendaval-en-la-zona-bananera-arraso-con-casi-mil-hectareas-de-banano/ Santillán, O., & Rentería, M. E. (2018). Agricultura de Presición. Oficina de Información Científica y Tecnológica Para El Congreso de La Unión Nota - INCyTU, 015, 1–6. http://foroconsultivo.org.mx/INCyTU/index.php/notas/76-15-agricultura-de-precision-n Santos, S., & Kienzle, J. (2021). Agricultura 4.0: Robótica agrícola y equipos automatizados para la producción agrícola sostenible. Gestión integrada de cultivos N. 24. Organización de las Naciones Unidas para la Alimentación y la Agricultura FAO. https://www.fao.org/3/cb2186es/cb2186es.pdf Sawant, S., Mohite, J., Sakkan, M., & Pappula, S. (16-19 July, 2019). Near Real Time Crop Loss Estimation using Remote Sensing Observations [Abstract]. 2019 8th International Conference on Agro-Geoinformatics (Agro-Geoinformatics), Istanbul, Turkey. https://doi.org/10.1109/Agro-Geoinformatics.2019.8820217 Scherer, R. F., Sônego, M., Beltrame, A. B., & Maro, L. A. C. (2018). Danos causados por vendaval em bananais de diferentes cultivares de bananeira (Musa spp.). Agropecuária Catarinense, 31(1), 45–47. https://doi.org/10.22491/rac.2018.v31n1.4 Schmidt, C., McCullum, A., & Hewson, J. (2018). Exercise 1: Change Detection with Visual Inspection and Image Subtraction. Change Detection for Land Cover Mapping. NASA Applied Remote Sensing Training Program ARSET. National Aeronautics and Space Administration NASA. https://appliedsciences.nasa.gov/join-mission/training/english/arset-change-detection-land-cover-mapping Sistema de Información para la Planificación Rural Agropecuaria SIPRA. (2018). Distritos de riego (polígono). Distritos_ADT_Pol_Dic2018 [archivo shapefile]. Unidad de Planificación Rural Agropecuaria UPRA. https://sipra.upra.gov.co/nacional Sishodia, R. P., Ray, R. L., & Singh, S. K. (2020). Applications of remote sensing in precision agriculture: A review. Remote Sensing, 12(19), 1–31. https://doi.org/10.3390/rs12193136 Sobhani, B., Abad, B., & Kefayat Motlagh, O. M. (2018). Identification of vegetation coverage seasons in Iran using enhanced vegetation index (EVI). Applied Ecology and Environmental Research, 16(4), 3861–3872. https://doi.org/10.15666/aeer/1604_38613872 The Economic and Social Commission for Asia and the Pacific ESCAP. (2019). The Disaster Riskscape Across Asia-Pacific Pathways for Resilience, Inclusion and Empowerment. Asia-Pacific Disaster Report 2019. United Nations. https://www.unescap.org/sites/default/d8files/knowledge-products/Asia-Pacific Disaster Report 2019_full version.pdf The European Space Agency ESA. (2 de marzo de 2017). Datos de Sentinel. https://www.esa.int/Space_in_Member_States/Spain/Datos_de_Sentinel Thomas, G. (2018). Risk management in agriculture. Scottish Parliament Information Centre SPICe. https://sp-bpr-en-prod-cdnep.azureedge.net/published/2018/7/4/Risk-management-in-agriculture/SB 18-46.pdf Thompson, W. (2021). Enhancing smallholder farmer climate resilience in cocoa and banana global food value chains [Doctoral Thesis, ETH Zurich]. https://www.research-collection.ethz.ch/handle/20.500.11850/504801?show=full Trinh, T., Feeny, S., & Posso, A. (2021). Chapter 17 - The Impact of Natural Disasters and Climate Change on Agriculture: Findings From Vietnam. In Economic Effects of Natural Disasters (pp. 261–280). Academic Press. https://doi.org/10.1016/b978-0-12-817465-4.00017-0 Unidad Nacional para la Gestión del Riesgo de Desastres UNGRD. (1 de junio de 2021). Inicia oficialmente la temporada de huracanes y otros ciclones tropicales del 2021. http://portal.gestiondelriesgo.gov.co/Paginas/Noticias/2021/Inicia-oficialmente-la-temporada-de-huracanes-y-otros-ciclones-tropicales-del-2021.aspx Urieles, R. (5 de septiembre de 2023). Emergencia en el Magdalena, unas mil hectáreas de banano afectados por vendaval. El Tiempo. https://www.eltiempo.com/colombia/otras-ciudades/magdalena-unas-mil-hectareas-de-banano-afectados-por-vendaval-802808 Vargas, A. (2012). Efecto de la colocación de dispositivos elásticos de hule, en las manos superiores del racimo de banano, sobre la conformación de la mano, el rechazo de frutos y la relación cajas-racimo. Agronomía Costarricense, 36(1), 79-88. https://www.redalyc.org/pdf/436/43623289008.pdf Vargas, A., Watler, W., Morales, M., & Vignola, R. (2017). Prácticas efectivas para la reducción de impactos por eventos climáticos en el cultivo de banano en Costa Rica Ficha técnica cultivo de banano. CATIE, MINAE, ADAPTATION FUND, DCC, FUNDECOOPERACION. https://www.mag.go.cr/bibliotecavirtual/F01-8205.pdf Varma, V., Thompson, W., Bonilla, S., Krütli, P., Six, J., & Bebber, D. P. (2020). Mapping the impacts of hurricanes Maria and Irma on banana production area in the Dominican Republic. BioRxiv, 1–16. https://doi.org/10.1101/2020.09.20.304899 Vega, B., Domínguez, R., & Posada, G. (2018). Seasonal flood risk assessment in agricultural areas. Tecnología y Ciencias del Agua, 9(3), 92–127. https://doi.org/10.24850/j-tyca-2018-03-04 Veneros, J., García, L., Morales, E., Gómez, V., Torres, M., & López-Morales, F. (2020). Aplicación de sensores remotos para el análisis de cobertura vegetal y cuerpos de agua. IDESIA (Chile), 38(4), 99-107. https://www.scielo.cl/pdf/idesia/v38n4/0718-3429-idesia-38-04-99.pdf Waghmare, B., & Suryawanshi, M. (2017). A Review- Remote Sensing. International Journal of Engineering Research and Applications, 07(06), 52–54. https://doi.org/10.9790/9622-0706025254 Wen, L. (2020). Discussion on Remote Sensing Monitoring of Agrometeorological Disasters. Remote Sensing, 9(2), 38–41. https://doi.org/10.18282/rs.v9i2.1371 Xue, J., & Su, B. (2017). Significant remote sensing vegetation indices: A review of developments and applications. Journal of Sensors, 2017, 1–17. https://doi.org/10.1155/2017/1353691 World Bank Group. (2019). Zimbabwe: Agriculture Sector Disaster Risk Assessment. Building Disaster Resilience in Sub-Saharan Africa. https://openknowledge.worldbank.org/bitstream/handle/10986/33471/Zimbabwe-Agriculture-Sector-Disaster-Risk-Assessment.pdf?sequence=1&isAllowed=y Yegros, M. C. (2020). Aspectos agronómicos y de manejo. In Victor Enciso (Ed.), Banana Manejo, comercialización y costos (pp. 7-24). CONACYT, FEEI, Universidad Nacional de Asunción Facultad de Ciencias Agrarias. https://www.agr.una.py/descargas/publicaciones/banana_manejo_comercializacion_y_costos.pdf Zeng, Y., Hao, D., Huete, A., Dechant, B., Berry, J., Chen, J. M., Joiner, J., Frankenberg, C., Bond-Lamberty, B., Ryu, Y., Xiao, J., Asrar, G. R., & Chen, M. (2022). Optical vegetation indices for monitoring terrestrial ecosystems globally. Nature Reviews Earth & Environment, 3(7), 477–493. https://www.nature.com/articles/s43017-022-00298-5 Zuzulova, V., & Vido, J. (2018). Normalized difference vegetation index (NDVI) as a tool for the evaluation of agricultural drought. Scientific Journal of the European Ecocycles Society Ecocycles, 4(1), 83–87. https://doi.org/10.19040/ecocycles.v4i1.124
dc.rights.none.fl_str_mv	Tecnológico de Antioquia Institución Universitaria, 2024
dc.rights.uri.spa.fl_str_mv	https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.license.spa.fl_str_mv	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.accessrights.spa.fl_str_mv	info:eu-repo/semantics/closedAccess
dc.rights.coar.spa.fl_str_mv	http://purl.org/coar/access_right/c_14cb
rights_invalid_str_mv	Tecnológico de Antioquia Institución Universitaria, 2024 https://creativecommons.org/licenses/by-nc-nd/4.0/ Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) http://purl.org/coar/access_right/c_14cb
eu_rights_str_mv	closedAccess
dc.format.extent.spa.fl_str_mv	22 páginas
dc.format.mimetype.spa.fl_str_mv	application/pdf
dc.publisher.spa.fl_str_mv	Tecnológico de Antioquia, Institución Universitaria
dc.publisher.faculty.spa.fl_str_mv	Facultad de Ingeniería
dc.publisher.program.spa.fl_str_mv	Maestría en gestión del riesgo y medio ambiente
dc.publisher.place.spa.fl_str_mv	Medellín
institution	Tecnológico de Antioquia
bitstream.url.fl_str_mv	https://dspace.tdea.edu.co/bitstream/tdea/5118/2/SARA%20RUIZ%20VILLADA_%20Tesis_VF_REPOSITORIO.pdf https://dspace.tdea.edu.co/bitstream/tdea/5118/3/license.txt https://dspace.tdea.edu.co/bitstream/tdea/5118/4/SARA%20RUIZ%20VILLADA_%20Tesis_VF_REPOSITORIO.pdf.txt https://dspace.tdea.edu.co/bitstream/tdea/5118/5/SARA%20RUIZ%20VILLADA_%20Tesis_VF_REPOSITORIO.pdf.jpg
bitstream.checksum.fl_str_mv	6722f5f0908686d43b0c8ea7bb7ddb9e 2f9959eaf5b71fae44bbf9ec84150c7a bddc804cec14900a1e6d5eac30c72451 555d8782048aabcfa7aef333cdd7afdc
bitstream.checksumAlgorithm.fl_str_mv	MD5 MD5 MD5 MD5
repository.name.fl_str_mv	Repositorio Institucional Tecnologico de Antioquia
repository.mail.fl_str_mv	bdigital@metabiblioteca.com
_version_	1812189170047647744
spelling	Rubio Clemente, Ainhoa3a2017e5-f3f4-49c4-987d-d7857f92bd19Ruiz Villada, Sara Emiliana15bdd0ca-82cc-402f-b609-07954cbbf88dRubio Clemente, Ainhoa8924cc9a-a600-460b-b180-3288281741e5Valencia Hurtado, Sergio Humbertoe41f6cfe-bada-4501-a23e-d967b935e4deTrujillo Vargas, Laura MarcelaGiraldo Jiménez, Jorge Andrés2024-04-01T14:33:42Z2024-04-01T14:33:42Z2024-03-13APAhttps://dspace.tdea.edu.co/handle/tdea/5118Tecnológico de Antioquia Institución UniversitariaRepositorio TdeAhttps://dspace.tdea.edu.co/Contenido Pág. 1. Introducción 15 2. Planteamiento del Problema y Pregunta de Investigación 17 2.1 Hipótesis 19 2.2 Objetivos 19 2.2.1 Objetivo General 19 2.2.2 Objetivos Específicos: 19 3. Marco Teórico 21 3.1.1 Riesgos y desastres en la agricultura 21 3.1.2 Generalidades del cultivo de banano 23 3.1.3 Daños por tormentas con vientos fuertes en cultivos de banano 26 3.1.4 Generalidades de la teledetección 27 3.1.5 Índices espectrales de vegetación 30 3.1.6 La teledetección en la agricultura 34 3.1.7 Aplicación de herramientas de teledetección para la evaluación de daños en cultivos 35 4. Metodología 39 4.1.1 Ubicación del área de estudio 39 4.1.2 Descripción de las características climáticas del área de estudio 40 4.1.3 Descripción del caso de estudio 40 4.1.4 Clasificación del tipo de cobertura en el área de estudio antes del evento 40 4.1.5 Análisis del área afectada con imágenes ópticas y de radar 41 4.1.6 Estimación de la pérdida económica en la producción de banano 43 4.1.7 Construcción de series temporales de índices de vegetación 44 5. Resultados y Discusión 47 5.1 Resultados 47 5.1.1 Características climáticas del área de estudio 47 5.1.2 Descripción del caso de estudio 49 5.1.3 Clasificación del tipo de cobertura en el área de estudio 51 5.1.4 Análisis de área afectada con imágenes ópticas 53 5.1.5 Análisis del área afectada con imágenes de radar 57 5.1.6 Estimación de la pérdida económica en la producción de banano 59 5.1.7 Seguimiento post-evento de la recuperación de la cobertura vegetal de banano 60 5.2 Discusión 63 6. Conclusiones y trabajos futuros 68MaestríaMagister en gestión del riesgo y medio ambiente22 páginasapplication/pdfspaTecnológico de Antioquia, Institución UniversitariaFacultad de IngenieríaMaestría en gestión del riesgo y medio ambienteMedellínTecnológico de Antioquia Institución Universitaria, 2024https://creativecommons.org/licenses/by-nc-nd/4.0/Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)info:eu-repo/semantics/closedAccesshttp://purl.org/coar/access_right/c_14cbTeledetección para la evaluación de daños por tormentas con vientos fuertes en plantaciones de banano (Musa AAA Simmonds)Trabajo de grado - MaestríaTextinfo:eu-repo/semantics/masterThesishttp://purl.org/redcol/resource_type/TMinfo:eu-repo/semantics/acceptedVersionAeberli, A., Phinn, S., Johansen, K., Robson, A., & Lamb, D. W. (2023). Characterisation of Banana Plant Growth Using High-Spatiotemporal-Resolution Multispectral UAV Imagery. Remote Sensing, 15(3), 679. https://doi.org/https://doi.org/10.3390/rs15030679Aghimien, E. V. (2020). Application of vegetation indices to estimate above-ground carbon stock using pleiades satellite imagery of a secondary forest ecosystem in Ibadan, Nigeria. African Journal of Agriculture, Technology and Environment, 9(1), 160–173. https://ajate.com.ng/wp-content/uploads/2023/02/14-Aghimien-AJATE-Vol-9-No-1.pdfAjadi, O. A., Liao, H., Jaacks, J., Santos, A. D., Kumpatla, S. P., Patel, R., & Swatantran, A. (2020). Landscape-Scale Crop Lodging Assessment across Iowa and Illinois Using Synthetic Aperture Radar (SAR) Images. Remote Sensing, 12(23), 1–15. https://doi.org/10.3390/rs12233885Alcaldía de Zona Bananera. (2020). Plan de Desarrollo Territorial 2020-2023 “Unidos Somos más, liderando el progreso.” https://www.zonabananera-magdalena.gov.co/Transparencia/PlaneacionGestionyControl/Plan de Desarrollo 2020 - 2023.pdfAlencar da Silva, K. M., & Silva, R. (2017). Tendencia pluviométrica y concentración estacional de precipitación en la cuenca hidrográfica del río Moxotó – Pernamcuco – Brasil. Revista Geográfica de América Central, 1(58), 295–313. https://doi.org/10.15359/rgac.58-1.12Angearu, C. V., Ontel, I., Irimescu, A., Sorin, B., & Dodd, E. (2022). Remote sensing methods for detecting and mapping hailstorm damage: a case study from the 20 July 2020 hailstorm, Baragan Plain, Romania. Natural Hazards, 114(2), 2013–2040. https://doi.org/10.1007/s11069-022-05457-xAsemota, G. N. O. (2010). Evidence-Based Wind-Felled Recovery of Plantains. The African Journal of Plant Science and Biotechnology Global Science Books, 4(1), 84–89. http://www.globalsciencebooks.info/Online/GSBOnline/images/2010/AJPSB_4(SI1)/AJPSB_4(SI1)84-89o.pdfAsociación de Bananeros de Colombia Augura. (2021). Coyuntura Bananera 2021. https://augura.com.co/wp-content/uploads/2022/04/COYUNTURA-BANANERA-2021.pdfAsociación de Bananeros de Colombia Augura. (2020). Coyuntura Bananera 2020. https://augura.com.co/wp-content/uploads/2021/06/Coyuntura-Bananera-2020.pdfBairwa, S. L., Kushwaha, S., & Bairwa, S. (2013). Managing Risk and Uncertainty in Agriculture – a Review. Agricultural Education, Research and Extension in India. Poddar Publication, Chittupure, Varanasi., 212–214. https://www.researchgate.net/profile/Shoji-Lal-Bairwa/publication/303224394_MANAGING_RISK_AND_UNCERTAINTY_IN_AGRICULTURE_-_A_REVIEW/links/57396c4b08ae298602e2c725/MANAGING-RISK-AND-UNCERTAINTY-IN-AGRICULTURE-A-REVIEW.pdfBaloloy, A. B., Blanco, A. C., C. Sta. Ana, R. R., & Nadaoka, K. (2020). Development and application of a new mangrove vegetation index (MVI) for rapid and accurate mangrove mapping. ISPRS Journal of Photogrammetry and Remote Sensing, 166, 95–117. https://doi.org/10.1016/j.isprsjprs.2020.06.001Baquero-Melo, J. (2017). Vulnerabilidad socioecológica y socioeconómica en cadenas de valor agrícola. El Caso de la producción del plátano en Colombia. Revista Latinoamericana de Estudios Rurales, 2(3), 96–127. http://www.ceil-conicet.gov.ar/ojs/index.php/revistaalasru/article/view/198/114Barrera, J. L., Cartagena, J. R., & Nanclares, O. A. (2020). Influence of high planting densities and arrangements on yield and fruit development of Musa AAA Simmonds. Acta Agronómica, 69(1), 46-53. https://pdfs.semanticscholar.org/224a/b2175203c8d42a8e9d5a73fcfa2f35ad4a31.pdfBernal-Monterrosa, M. A, & Delgado-Bejarano, L. (2022). Proyección de rendimiento usando variables productivas y diversos tipos de semilla de banano (Musa spp.) en Turbo-Colombia. Ciencia y Agricultura, 19(3): 102-115. https://doi.org/10.19053/01228420.v19.n3.2022.14706Blanc, E., & Noy, I. (2023). Impacts of droughts and floods on agricultural productivity in New Zealand as measured from space. Environmental Research: Climate, 2(3), 035001. https://iopscience.iop.org/article/10.1088/2752-5295/acd4daBrenes-Gamboa, S. (2017). Parámetros de producción y calidad de los cultivares de banano FHIA-17, FHIA-25 y Yangambi. Agronomía Mesoamericana, 28(3), 719–733. https://www.redalyc.org/journal/437/43752453015/html/Canada Centre for Remote Sensing CCRS. (November 19, 2015). Fundamentals of Remote Sensing - Introduction. What is Remote Sensing?. https://natural-resources.canada.ca/maps-tools-and-publications/satellite-imagery-and-air-photos/tutorial-fundamentals-remote-sensing/introduction/9363Cangialosi, J., Delgado, S., & Berg, R. (2022). Hurricane Elsa (AL052021). National Hurricane Center Tropical Cyclone Report. National Oceanic and Atmospheric Administration NOAA. https://www.nhc.noaa.gov/data/tcr/AL052021_Elsa.pdfChakraborty, A., Srikanth, P., Murthy, C. S., Rao, P. V. N., & Chowdhury, S. (2021). Assessing lodging damage of jute crop due to super cyclone Amphan using multi-temporal Sentinel-1 and Sentinel-2 data over parts of West Bengal, India. Environmental Monitoring and Assessment, 193(464), 1–18. https://doi.org/10.1007/s10661-021-09220-wChang, L., Peng-Sen, S., & Shi-Rong, L. (2016). A review of plant spectral reflectance response to water physiological changes. Chinese Journal of Plant Ecology, 40(1), 80–91. https://doi.org/10.17521/cjpe.2015.0267Chen, S., Lin, H., & Guang, Y. (2022). Efficient agricultural disaster financing using satellite data and artificial intelligence. Computers and Electrical Engineering, 103, 108394. https://doi.org/https://doi.org/10.1016/j.compeleceng.2022.108394Cherlinka, V. (August 30, 2019). NDVI FAQ: All You Need To Know About Index. EOS Data Analytics EOSDA. https://eos.com/blog/ndvi-faq-all-you-need-to-know-about-ndvi/#:~:text=In most cases%2C NDVI values,possible density of green leaves.C.I. Técnicas Baltime de Colombia S.A. Tecbaco & Environment Systems. (2020). Wind Damage Assessment for an Insurance Claim. Environment Systems Ltd. https://envsys.co.uk/wp-content/uploads/2020/07/Tecbaco-Wind-Damage-1.pdfConrad, O., Bechtel, B., Bock, M., Dietrich, H., Fischer, E., Gerlitz, L., Wehberg, J., Wichmann, V., & Böhner, J. (2018). System for Automated Geoscientific Analyses (SAGA) v. 6.3.0, Geosci. Model Dev., 8, 1991-2007. https://sourceforge.net/projects/saga-gis/files/SAGA%20-%206/SAGA%20-%206.3.0/Consejo Municipal para la Gestión del Riesgo de Desastres del municipio de Apartadó CMGRD Apartadó. (2016). Actualización Plan Municipal de Gestión del Riesgo de Desastres. Municipio de Apartadó, Sistema Nacional de Gestión del Riesgo de Desastres. http://repositorio.gestiondelriesgo.gov.co/bitstream/handle/20.500.11762/28662/Apartado_PMGRD.pdf?sequence=2&isAllowed=yCorporación Autónoma Regional del Magdalena Corpamag & Universidad del Magdalena. (2018). Determinantes ambientales del departamento del Magdalena, para la orientación de los modelos de ocupación territorial. https://www.corpamag.gov.co/archivos/mapas/DeterminantesAmbientalesDptoMagdalena.pdfCorporación OSSO, La Red, & Oficina de las Naciones Unidas para la Reducción del Riesgo de Desastres UNDRR. (2023). Sistema de Inventario de Desastres [DesInventar]. https://www.desinventar.org/Cotrozzi, L. (2022). Spectroscopic detection of forest diseases: a review (1970–2020). Journal of Forestry Research, 33(1), 21–38. https://doi.org/10.1007/s11676-021-01378-wDai, X., Chen, S., Jiang, H., & Nainarpandian, C. (February 10, 2023). Rice lodging disaster monitoring method based on multi-source remote sensing data [Abstract]. International Conference on Geographic Information and Remote Sensing Technology (GIRST 2022), Kunming, China. Society of Photo-Optical Instrumentation Engineers SPIE, 12552, 568–573. https://www.spiedigitallibrary.org/conference-proceedings-of-spie/12552/1255224/Rice-lodging-disaster-monitoring-method-based-on-multi-source-remote/10.1117/12.2667454.shortDe Petris, S., Sarvia, F., Gullino, M., Tarantino, E., & Borgogno-Mondino, E. (2021). Sentinel-1 polarimetry to map apple orchard damage after a storm. Remote Sensing, 13(5), 1–16. https://doi.org/10.3390/rs13051030Delgado, G., & Hawkins, D. J. (2020). Comercio justo Estudio de Impactos del Tratado de Libre Comercio entre la UE y Colombia en la Agricultura. Friedrich-Ebert-Stiftung (FES). https://library.fes.de/pdf-files/iez/16299.pdfDíaz, F. A., Quintero, S. V., Triana, J. S., & Morón, D. C. (2014). Aproximación a los sistemas de percepción remota en satélites pequeños. Universidad Sergio Arboleda. https://repository.usergioarboleda.edu.co/bitstream/handle/11232/545/Aproximacion sistemas de percepci%F3n remota en sat%E9lites peque%F1os.pdf?sequence=10Ejiogu, A. (2018). Agricultural Risk Management and Insurance. In Agricultural Finance and Opportunities for Investment and Expansion (pp. 221–234). IGI Global. https://doi.org/10.4018/978-1-5225-3059-6.ch012El Heraldo. (29 de septiembre de 2021). Cerca de mil hectáreas de banano afectadas por vendaval en la Zona Bananera. EL HERALDO. https://www.elheraldo.co/magdalena/cerca-de-mil-hectareas-de-banano-afectadas-por-vendaval-en-la-zona-bananera-854069EOS Data Analytics. (2024). Combinación De Bandas De Infrarrojos (Vegetación). https://eos.com/es/make-an-analysis/color-infrared/Essaadia, A., Abdellah, A., Ahmed, A., Abdelouahed, F., & Kamal, E. (2022). The normalized difference vegetation index (NDVI) of the Zat valley, Marrakech: comparison and dynamics. Heliyon, 8(12), 1–10. https://doi.org/10.1016/j.heliyon.2022.e12204Fengjin, X., & Qiufeng, L. (2023). An evaluation of vegetation loss due to the super typhoon Sarika in Hainan Island of China. Natural Hazards, 115(2), 1677–1695. https://doi.org/10.1007/s11069-022-05613-3Feria, D. F., Londoño, D. A., Cardona, S. P., & Zapata, S. (2022). Evaluación productiva y fisiológica de diferentes densidades de siembra en banano durante la primera generación. In Informe anual abril 2022 (pp. 139–143). Centro de investigaciones del banano Cenibanano. https://augura.com.co/wp-content/uploads/2023/04/Informe-anual-CENIBANANO-2022_VF.pdfFeria, D. F., Londoño, D. A., Hurtado, R., Elejalde, G. J., & Zapata, S. (2023). ABC del cultivo de banano - Región de Urabá. Estrategias técnicas para mejorar la productividad. Asociación de Bananeros de Colombia Augura. https://www.researchgate.net/publication/373739216_ABC_del_cultivo_de_banano_-_Region_de_Uraba_Estrategias_tecnicas_para_mejorar_la_productividadFernández, E. (21 de septiembre de 2022). Más de nueve mil tareas de plátano y guineo derribadas por Fiona en La Canela. Diario Libre. https://www.diariolibre.com/actualidad/nacional/2022/09/21/miles-de-tareas-de-platano-danadas-por-huracan-fiona/2079535Fondo para el Financiamiento del Sector Agropecuario FINAGRO. (2017). Seguro Agrícola Catastrófico en Colombia: Estudio de Factibilidad. Banco Mundial. https://www.finagro.com.co/sites/default/files/estudio_factibilidad_sac.pdfFondo para el Financiamiento del Sector Agropecuario FINAGRO. (2018). Ficha de inteligencia banano tipo exportación. Unidad de Gestión de Riesgos Agropecuarios. https://www.finagro.com.co/sites/default/files/node/basic-page/files/ficha_banano_version_ii.pdfFood and Agriculture Organization of the United Nations FAO. (2019). Agricultural risk management tools. FAO elearning Academy course. https://elearning.fao.org/course/view.php?id=450Food and Agriculture Organization of the United Nations FAO. (2021). The impact of disasters and crises on agriculture and food security: 2021. FAO. https://doi.org/https://doi.org/10.4060/cb3673enForum for Agricultural Risk Management in Development FARM-D. (2024). Understanding Risks. Risk in Agriculture. FARM-D, Platform for Agricultural Risk Management (PARM). https://www.farm-d.org/basic-concepts/FreshPlaza. (25 de septiembre de 2015). República Dominicana: Una tormenta tropical destruye plantaciones de bananas. FreshPlaza. https://www.freshplaza.es/article/3091927/republica-dominicana-una-tormenta-tropical-destruye-plantaciones-de-bananas/Furlanetto, J., Ferro, N. D., Briffaut, F., Carotta, L., Polese, R., Dramis, A., Miele, C., Persichetti, A., Nicoli, L., & Morari, F. (2021). Mapping of hailstorm and strong wind damaged crop areas using LAI estimated from multispectral imagery. Precision Agriculture ’21, 315–321. https://www.wageningenacademic.com/doi/10.3920/978-90-8686-916-9_37Gao, Q., Zribi, M., Escorihuela, M. J., & Baghdadi, N. (2017). Synergetic use of Sentinel-1 and Sentinel-2 data for soil moisture mapping at 100 m resolution. Sensors, 17(9), 1-21. https://doi.org/10.3390/s17091966Gobierno de España & Copernicus. (2018a). El programa Copernicus aplicado a la producción y gestión de la información geoespacial. Fundamentos de teledetección aplicada. Proyecto cofinanciado por la Comisión Europea. https://www.ign.es/web/resources/docs/IGNCnig/actividades/OBS/Programa_Marco_Copernicus_User_Uptake/2_Fundamentos_teledeteccion_aplicada.pdfGobierno de España & Copernicus. (2018b). El programa Copernicus aplicado a la producción y gestión de la información geoespacial. El componente espacio Copernicus. Proyecto co-financiado por la Comisión Europea. https://www.ign.es/web/resources/docs/IGNCnig/actividades/OBS/Programa_Marco_Copernicus_User_Uptake/3_componente_espacio_Copernicus.pdfGuan, H., Huang, J., Li, X., Zeng, Y., Su, W., Ma, Y., Dong, J., Niu, Q., & Wang, W. (2022). An improved approach to estimating crop lodging percentage with Sentinel-2 imagery using machine learning. International Journal of Applied Earth Observation and Geoinformation, 113(102992), 1–17. https://doi.org/10.1016/j.jag.2022.102992Gueco, L. S., Sinohin, V. G. O., & Molina, A. B. (2016). Evaluation of local and introduced banana cultivars against strong wind damage in the Philippines. Philippine Journal of Crop Science (Philippines), 42. https://agris.fao.org/agris-search/search.do?recordID=PH2017000379Guerrero, M. (2010). Guía Técnica del Cultivo del Plátano Programa MAG-CENTA-Frutales. Centro Nacional de Tecnología Agropecuaria y Forestal-CENTA Enrique Álvarez Córdova. https://universidadagricola.com/wp-content/uploads/2018/05/GUIA-CULTIVO-PLATANO.pdfGuo, R., Zhu, X., & Liu, T. (2023). Automatic detection of crop lodging from multitemporal satellite data based on the isolation forest algorithm. Computers and Electronics in Agriculture, 215, 108415. https://doi.org/10.1016/j.compag.2023.108415Guzmán-Álvarez, J. A., González-Zuñiga, M., Sandoval, J. A., & Calvo-Alvarado, J. C. (2022). Uso de sensores remotos en la agricultura: aplicaciones en el cultivo del banano. Agronomía Mesoamericana, 33(3), 48279. https://doi.org/10.15517/am.v33i3.48279Guzmán, D., Ruiz, J. F., & Cadena, M. (2014). Regionalización de Colombia según la estacionalidad de la precipitación media mensual, a través análisis de componentes principales (ACP). Subdirección de Meteorología IDEAM. http://www.ideam.gov.co/documents/21021/21789/Regionalizaci%25C3%25B3n%2Bde%2Bla%2Blluvia%2Ben%2BColombia.pdf/92287f96-840f-4408-8e76-98b668b83664Ha, T., Shen, Y., Duddu, H., Johnson, E., & Shirtliffe, S. J. (2022). Quantifying Hail Damage in Crops Using Sentinel-2 Imagery. Remote Sensing, 14(951), 1–17. https://doi.org/10.3390/rs14040951Henao, M. C., & Caro, D. A. (2019). Valoración por el método de flujo de caja libre: finca bananera de Urabá. Apuntes Contables N° 24, 89–105. https://revistas.uexternado.edu.co/index.php/contad/article/view/5985/7707Hu, L., Zhang, C., Zhang, M., Shi, Y., Lu, J., & Fang, Z. (2023). Enhancing FAIR Data Services in Agricultural Disaster: A Review. Remote Sensing, 15(2024), 1–33. https://doi.org/10.3390/rs15082024Huang, S., Tang, L., Hupy, J. P., Wang, Y., & Shao, G. (2021). A commentary review on the use of normalized diference vegetation index (NDVI) in the era of popular remote sensing. Journal of Forestry Research, 32(1), 1–6. https://doi.org/10.1007/s11676-020-01155-1Huete, A., Didan, K., Miura, T., Rodriguez, E. P., Gao, X., & Ferreira, L. G. (2002). Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote sensing of environment, 83(1-2), 195-213. https://doi.org/10.1016/S0034-4257(02)00096-2Iguarán, A. (8 de octubre de 2021). Bananeros afectados por vendaval en Magdalena piden ayuda nacional. EL HERALDO. https://www.elheraldo.co/magdalena/bananeros-afectados-por-vendaval-en-magdalena-piden-ayuda-nacional-856135Instituto Interamericano de Cooperación para la Agricultura IICA. (16 de febrero de 2021). Banano: Un cultivo fundamental para la seguridad alimentaria que está bajo amenaza. https://www.iica.int/es/prensa/noticias/banano-un-cultivo-fundamental-para-la-seguridad-alimentaria-que-esta-bajo-amenazaInstituto Interamericano de Cooperación para la Agricultura IICA. (2023). Gestión del riesgo y sostenibilidad de la agricultura. https://iica.int/es/visiones-iica/gestion-del-riesgo-y-sostenibilidad-de-la-agriculturaInstituto de Hidrología, Meteorología y Estudios Ambientales IDEAM. (2011). Clasificaciones climáticas Colombia. http://www.ideam.gov.co/documents/21021/21789/climas+%5BModo+de+compatibilidad%5D.pdf/d8c85704-a07a-4290-ba65-f2042ce99ff9Instituto de Hidrología, Meteorología y Estudios Ambientales IDEAM. (2021a). Boletín Climatológico Septiembre de 2021. http://sgi.ideam.gov.co/documents/21021/113579674/09_Bolet%C3%ADn_Climatol%C3%B3gico_Septiembre_2021.pdf/900df7a7-60de-44e6-9cfe-60441b3159e9?version=1.0Instituto de Hidrología, Meteorología y Estudios Ambientales IDEAM. (2021b). Index of /geotiff/goes16/Colombia [imagen]. http://bart.ideam.gov.co/geotiff/goes16/Colombia/Instituto Geográfico Nacional de España [IGNSpain]. (20 de enero de 2021). (06) Curso de procesamiento de imágenes Sentinel con SNAP - Imágenes radar (Sentinel-1) [Archivo de video]. YouTube. https://www.youtube.com/watch?v=QK8J8huXzioKhanal, S., Fulton, J., Hawkins, E., Port, K., & Klopfenstein, A. (March 28, 2017). Remote Sensing in Precision Agriculture. Ohioline The Ohio State University College of Food, Agricultural, and Environmental Sciences. https://ohioline.osu.edu/factsheet/fabe-5541Komarek, A. M., De Pinto, A., & Smith, V. H. (2020). A review of types of risks in agriculture: What we know and what we need to know. Agricultural Systems, 178, 102738. https://doi.org/10.1016/j.agsy.2019.102738Lamour, J., Naud, O., Lechaudel, M., Le Moguédec, G., Taylor, J., & Tisseyre, B. (2020). Spatial analysis and mapping of banana crop properties: issues of the asynchronicity of the banana production and proposition of a statistical method to take it into account. Precision Agriculture, 21, 897–921. https://doi.org/10.1007/s11119-019-09700-7Mafuratidze, P., Chibarabada, T. P., Shekede, M. D., & Masocha, M. (2023). A new four-stage approach based on normalized vegetation indices for detecting and mapping sugarcane hail damage using multispectral remotely sensed data. Geocarto International, 38(1), 1–18. https://doi.org/10.1080/10106049.2023.2245788Marcelino, L., González, V., & Ríos, D. (2012). Manual técnico El cultivo de plátano (Musa paradisiaca L.) en Panamá. Instituto de Investigación Agropecuaria de Panamá (idiap). https://chm.cbd.int/api/v2013/documents/05B386D2-5BCD-A52D-6097-F853803CC619/attachments/205364/Cultivo de platano musa paradisiaca.pdfMaro, L. A. C., Klabunde, G. H. F., Guimarães, G. G. F., Beltrame, A. B., Scherer, R. F., de Negreiros, R. J. Z., Malburg, J. L., Mariguele, K. H., & Sônego, M. (2021). Recuperação e renovação de bananais atingidos por vendavais e ciclone. Agropecuária Catarinense, 34(2), 15–17. https://doi.org/10.52945/rac.v34i2.1035Martínez, A. M., & Cayón, D. G. (2011). Dinámica del Crecimiento y Desarrollo del Banano (Musa AAA Simmonds cvs. Gran Enano y Valery). Revista Facultad Nacional de Agronomía-Medellín, 64(2), 6055–6064. https://repositorio.unal.edu.co/bitstream/handle/unal/40424/29360-105477-1-PB.pdf?sequence=2&isAllowed=yMcCullum, A., & Schmidt, C. (2020). Introducción a la Teledetección para Pronósticos Ecológicos con Base en Escenarios. NASA Applied Remote Sensing Training Program (ARSET). National Aeronautics and Space Administration NASA. https://appliedsciences.nasa.gov/sites/default/files/2020-11/ScenarioBasedEco_Part1_Spanish.pdfMcNairn, H. (2021). Clasificación de Cultivos Agrícolas con Radar de Apertura Sintética y Teledetección Óptica 1ra Parte 1: Repaso de Radar de Apertura Sintética (SAR). NASA Applied Remote Sensing Training Program (ARSET). National Aeronautics and Space Administration NASA, Agriculture and Agri-Food Canada (AAFC), Agencia Espacial Europea (ESA). https://appliedsciences.nasa.gov/sites/default/files/2021-10/Ag_Part1_Edited_HM_JO_HM_Span.pdfMiao, S., Zhao, Y., Huang, J., Li, X., Wu, R., Su, W., Zeng, Y., Guan, H., Abd Elbasit, M. A. M., & Zhang, J. (2023). A Comprehensive Evaluation of Flooding’s Effect on Crops Using Satellite Time Series Data. Remote Sensing, 15(5), 1–15. https://doi.org/10.3390/rs15051305Ministerio de Agricultura y Desarrollo Rural Minagricultura. (2020). Cadena de Banano. Dirección de Cadenas Agrícolas y Forestales. https://sioc.minagricultura.gov.co/Banano/Documentos/2020-03-31 Cifras Sectoriales.pdfMoguel, A. G. (2021). Huracán “Sam” del Océano Atlántico Del 22 de septiembre al 5 de octubre del 2021. Comisión Nacional del Agua CONAGUA. https://smn.conagua.gob.mx/tools/DATA/Ciclones%20Tropicales/Ciclones/2021-Sam.pdfMu, Y., Chen, S., Cao, Y., Zhu, B., Li, A., Cui, L., Dai, R., & Zeng, Q. (2023). Tracking Typhoon Disaster to Crop Damage by Combing Sar and Optical Data. SSRN. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4485201Munich Re. (2024). Agricultural risk management. https://www.munichre.com/en/risks/agricultural-risks.html#:~:text=We offer an optimized solution,and enhancing financial credit-worthiness.Muñoz, P. (2013). Apuntes de Teledetección: Índices de Vegetación. Centro de Información de Recursos Naturales Ciren. https://bibliotecadigital.ciren.cl/bitstream/handle/20.500.13082/26389/Tema Indices de vegetación%2C Pedro Muñoz A.pdf?sequence=1&isAllowed=yNational Aeronautics and Space Administration, Science Mission Directorate NASA Science. (2010). Reflected Near-Infrared Waves. NASA Science Website. https://science.nasa.gov/ems/08_nearinfraredwavesNational Oceanic and Atmospheric Administration NOAA. (March 10, 2020). Transforming Energy into Imagery: How Satellite Data Becomes Stunning Views of Earth. https://www.nesdis.noaa.gov/news/transforming-energy-imagery-how-satellite-data-becomes-stunning-views-of-earthNASA Applied Remote Sensing Training Program ARSET. (2022). ARSET - Evaluación de Desastres Usando Radar de Apertura Sintética. National Aeronautics and Space Administration NASA. https://appliedsciences.nasa.gov/get-involved/training/spanish/arset-evaluacion-de-desastres-usando-radar-de-apertura-sinteticaNoy, I., Blanc, E., Pundit, M., & Uher, T. (2023). Nowcasting from Space: Impact of Tropical Cyclones on Fiji’s Agriculture. Asian Development Bank Economics Working Paper Series No. 676. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4334574Opinión Caribe. (29 de septiembre de 2021). En Zona Bananera, reportan daños en las plantaciones a causa de vendaval. Opinión Caribe. https://www.opinioncaribe.com/2021/09/29/en-zona-bananera-reportan-danos-en-las-plantaciones-a-causa-de-vendaval/Opinión Caribe. (4 de septiembre de 2023). Fuertes vientos en el municipio de Zona Bananera generan pérdidas millonarias en cultivos de banano. Opinión Caribe. https://www.opinioncaribe.com/2023/09/04/fuertes-vientos-en-el-municipio-de-zona-bananera-generan-perdidas-millonarias-en-cultivos-de-banano/Organisation for Economic Co-operation and Development OECD. (2010). Section 2. Bananas and plantains (Musa spp.). In Safety Assessment of Transgenic Organisms: OECD Consensus Documents: Volume 4. (pp. 84–146). OECD. https://www.oecd-ilibrary.org/docserver/9789264096158-en.pdf?expires=1677284023&id=id&accname=guest&checksum=2D93122F6203163D7902623AB8717C50Organisation for Economic Co-operation and Development OECD. (2020). Agricultural Risk Management and Resilience: A Holistic Approach. https://www.oecd.org/agriculture/topics/risk-management-and-resilience/Organización de las Naciones Unidas ONU. (2016). Banano Perfil de INFOCOMM. Conferencia de las Naciones Unidas sobre el Comercio y Desarrollo CNUCED. UNCTAD. http://unctad.org/es/PublicationsLibrary/INFOCOMM_cp01_Banana_es.pdfPan, Z., Huang, J., Wei, C., & Zhang, H. (2017). Remote sensing of agricultural disasters monitoring: recent advances. International Journal of Remote Sensing & Geoscience (IJRSG), 6(2), 4–19. http://ijrsg.com/Files/1c3710b2-9da5-4852-8791-70b2c1c7edbc_IJRSG_30_02.pdfPetrosyan, M. (2022). Gis and Remote Sensing Data for Vegetation Analysis. International Research Journal of Modernization in Engineering Technology and Science, 04(08), 1466–1472. https://doi.org/10.56726/irjmets29432Prabhakar, M., Gopinath, K. A., Reddy, A. G. K., Thirupathi, M., & Rao, C. S. (2019). Mapping hailstorm damaged crop area using multispectral satellite data. The Egyptian Journal of Remote Sensing and Space Science, 22(1), 73–79. https://doi.org/10.1016/j.ejrs.2018.09.001ProMusa. (2020). Morfología de la planta del banano. Musapedia, the Banana Knowledge Compedium. https://www.promusa.org/Morfología+de+la+planta+del+bananoQu, X., Shi, D., Gu, X., Sun, Q., Hu, X., Yang, X., & Pan, Y. (2022). Monitoring Lodging Extents of Maize Crop Using Multitemporal GF-1 Images. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 15, 3800–3814. https://doi.org/10.1109/JSTARS.2022.3170345R Core Team (2023). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. https://www.R-project.org/.Ramírez, F. (2022). Lineamientos para la planificación de la recuperación post desastre en los Países Miembros de la Comunidad Andina. Comunidad Andina Secretaría General. https://www.comunidadandina.org/CapradeApi/Resources/Documents/XW2CAN_lineamientos recup postdesastre (PUBLICADO).pdfRego, F. C., Cadima, I. S. P., & Strand, E. K. (2020). A Log-Ratio Vegetation Index (LRVI) for Discrimination and Classification of Remote Sensing Data. Silva Lusitana, 28(1), 45–70. https://doi.org/10.1051/silu/20202801045Reina, Y. G., Chacón, A. I., & Aguilar, J. E. (2023). Análisis de la merma del banano a partir del software Agrosft. Minerva Journal, 4(2023), 116–113. https://doi.org/10.47460/minerva.v2023ispecial.122Ruiz, J. F., Serna, J., & Zapata, H. J. (2017). Atlas de Viento de Colombia. Instituto de Hidrología, Meteorología y Estudios Ambientales - IDEAM. Unidad de Planeación Minero Energética - UPME. Bogotá, Colombia. http://www.ideam.gov.co/documents/21021/493444/ATLAS+VIENTO+DE+COLOMBIASabio, C., Salgado, C., Salgado, V., & Sáenz, V. (2014). Escuela Agrícola Panamericana Manual del cultivo de banano. Departamento de protección vegetal El Zamorano. https://bdigital.zamorano.edu/server/api/core/bitstreams/b2940530-4907-4d2f-bd02-bcd9d61c43b8/contentSalgueiro, L., Marcello, J., & Vilaplana, V. (2020). Super-resolution of Sentinel-2 imagery using generative adversarial networks. Remote Sensing, 12(15), 1–27. https://doi.org/10.3390/RS12152424Sálmon-Cuspinera, Y. Z., (2020). Impactos y riesgos de los eventos climáticos extremos en el sector agrícola de la provincia Santiago de Cuba, Cuba. Ciencia en su PC, 1, 99-112. https://www.redalyc.org/articulo.oa?id=181363107008Samreen, T., Tahir, S., Arshad, S., Kanwal, S., Anjum, F., Nazir, M. Z., & Sidra-Tul-Muntaha. (2023). Remote Sensing for Precise Nutrient Management in Agriculture. Environmental Sciences Proceedings, 23(32), 1–4. https://doi.org/10.3390/environsciproc2022023032Santa Marta Al Día. (30 de septiembre de 2021). Vendaval en la Zona Bananera arrasó con casi mil hectáreas de banano. Santa Marta Al Día. https://santamartaaldia.co/vendaval-en-la-zona-bananera-arraso-con-casi-mil-hectareas-de-banano/Santillán, O., & Rentería, M. E. (2018). Agricultura de Presición. Oficina de Información Científica y Tecnológica Para El Congreso de La Unión Nota - INCyTU, 015, 1–6. http://foroconsultivo.org.mx/INCyTU/index.php/notas/76-15-agricultura-de-precision-nSantos, S., & Kienzle, J. (2021). Agricultura 4.0: Robótica agrícola y equipos automatizados para la producción agrícola sostenible. Gestión integrada de cultivos N. 24. Organización de las Naciones Unidas para la Alimentación y la Agricultura FAO. https://www.fao.org/3/cb2186es/cb2186es.pdfSawant, S., Mohite, J., Sakkan, M., & Pappula, S. (16-19 July, 2019). Near Real Time Crop Loss Estimation using Remote Sensing Observations [Abstract]. 2019 8th International Conference on Agro-Geoinformatics (Agro-Geoinformatics), Istanbul, Turkey. https://doi.org/10.1109/Agro-Geoinformatics.2019.8820217Scherer, R. F., Sônego, M., Beltrame, A. B., & Maro, L. A. C. (2018). Danos causados por vendaval em bananais de diferentes cultivares de bananeira (Musa spp.). Agropecuária Catarinense, 31(1), 45–47. https://doi.org/10.22491/rac.2018.v31n1.4Schmidt, C., McCullum, A., & Hewson, J. (2018). Exercise 1: Change Detection with Visual Inspection and Image Subtraction. Change Detection for Land Cover Mapping. NASA Applied Remote Sensing Training Program ARSET. National Aeronautics and Space Administration NASA. https://appliedsciences.nasa.gov/join-mission/training/english/arset-change-detection-land-cover-mappingSistema de Información para la Planificación Rural Agropecuaria SIPRA. (2018). Distritos de riego (polígono). Distritos_ADT_Pol_Dic2018 [archivo shapefile]. Unidad de Planificación Rural Agropecuaria UPRA. https://sipra.upra.gov.co/nacionalSishodia, R. P., Ray, R. L., & Singh, S. K. (2020). Applications of remote sensing in precision agriculture: A review. Remote Sensing, 12(19), 1–31. https://doi.org/10.3390/rs12193136Sobhani, B., Abad, B., & Kefayat Motlagh, O. M. (2018). Identification of vegetation coverage seasons in Iran using enhanced vegetation index (EVI). Applied Ecology and Environmental Research, 16(4), 3861–3872. https://doi.org/10.15666/aeer/1604_38613872The Economic and Social Commission for Asia and the Pacific ESCAP. (2019). The Disaster Riskscape Across Asia-Pacific Pathways for Resilience, Inclusion and Empowerment. Asia-Pacific Disaster Report 2019. United Nations. https://www.unescap.org/sites/default/d8files/knowledge-products/Asia-Pacific Disaster Report 2019_full version.pdfThe European Space Agency ESA. (2 de marzo de 2017). Datos de Sentinel. https://www.esa.int/Space_in_Member_States/Spain/Datos_de_SentinelThomas, G. (2018). Risk management in agriculture. Scottish Parliament Information Centre SPICe. https://sp-bpr-en-prod-cdnep.azureedge.net/published/2018/7/4/Risk-management-in-agriculture/SB 18-46.pdfThompson, W. (2021). Enhancing smallholder farmer climate resilience in cocoa and banana global food value chains [Doctoral Thesis, ETH Zurich]. https://www.research-collection.ethz.ch/handle/20.500.11850/504801?show=fullTrinh, T., Feeny, S., & Posso, A. (2021). Chapter 17 - The Impact of Natural Disasters and Climate Change on Agriculture: Findings From Vietnam. In Economic Effects of Natural Disasters (pp. 261–280). Academic Press. https://doi.org/10.1016/b978-0-12-817465-4.00017-0Unidad Nacional para la Gestión del Riesgo de Desastres UNGRD. (1 de junio de 2021). Inicia oficialmente la temporada de huracanes y otros ciclones tropicales del 2021. http://portal.gestiondelriesgo.gov.co/Paginas/Noticias/2021/Inicia-oficialmente-la-temporada-de-huracanes-y-otros-ciclones-tropicales-del-2021.aspxUrieles, R. (5 de septiembre de 2023). Emergencia en el Magdalena, unas mil hectáreas de banano afectados por vendaval. El Tiempo. https://www.eltiempo.com/colombia/otras-ciudades/magdalena-unas-mil-hectareas-de-banano-afectados-por-vendaval-802808Vargas, A. (2012). Efecto de la colocación de dispositivos elásticos de hule, en las manos superiores del racimo de banano, sobre la conformación de la mano, el rechazo de frutos y la relación cajas-racimo. Agronomía Costarricense, 36(1), 79-88. https://www.redalyc.org/pdf/436/43623289008.pdfVargas, A., Watler, W., Morales, M., & Vignola, R. (2017). Prácticas efectivas para la reducción de impactos por eventos climáticos en el cultivo de banano en Costa Rica Ficha técnica cultivo de banano. CATIE, MINAE, ADAPTATION FUND, DCC, FUNDECOOPERACION. https://www.mag.go.cr/bibliotecavirtual/F01-8205.pdfVarma, V., Thompson, W., Bonilla, S., Krütli, P., Six, J., & Bebber, D. P. (2020). Mapping the impacts of hurricanes Maria and Irma on banana production area in the Dominican Republic. BioRxiv, 1–16. https://doi.org/10.1101/2020.09.20.304899Vega, B., Domínguez, R., & Posada, G. (2018). Seasonal flood risk assessment in agricultural areas. Tecnología y Ciencias del Agua, 9(3), 92–127. https://doi.org/10.24850/j-tyca-2018-03-04Veneros, J., García, L., Morales, E., Gómez, V., Torres, M., & López-Morales, F. (2020). Aplicación de sensores remotos para el análisis de cobertura vegetal y cuerpos de agua. IDESIA (Chile), 38(4), 99-107. https://www.scielo.cl/pdf/idesia/v38n4/0718-3429-idesia-38-04-99.pdfWaghmare, B., & Suryawanshi, M. (2017). A Review- Remote Sensing. International Journal of Engineering Research and Applications, 07(06), 52–54. https://doi.org/10.9790/9622-0706025254Wen, L. (2020). Discussion on Remote Sensing Monitoring of Agrometeorological Disasters. Remote Sensing, 9(2), 38–41. https://doi.org/10.18282/rs.v9i2.1371Xue, J., & Su, B. (2017). Significant remote sensing vegetation indices: A review of developments and applications. Journal of Sensors, 2017, 1–17. https://doi.org/10.1155/2017/1353691World Bank Group. (2019). Zimbabwe: Agriculture Sector Disaster Risk Assessment. Building Disaster Resilience in Sub-Saharan Africa. https://openknowledge.worldbank.org/bitstream/handle/10986/33471/Zimbabwe-Agriculture-Sector-Disaster-Risk-Assessment.pdf?sequence=1&isAllowed=yYegros, M. C. (2020). Aspectos agronómicos y de manejo. In Victor Enciso (Ed.), Banana Manejo, comercialización y costos (pp. 7-24). CONACYT, FEEI, Universidad Nacional de Asunción Facultad de Ciencias Agrarias. https://www.agr.una.py/descargas/publicaciones/banana_manejo_comercializacion_y_costos.pdfZeng, Y., Hao, D., Huete, A., Dechant, B., Berry, J., Chen, J. M., Joiner, J., Frankenberg, C., Bond-Lamberty, B., Ryu, Y., Xiao, J., Asrar, G. R., & Chen, M. (2022). Optical vegetation indices for monitoring terrestrial ecosystems globally. Nature Reviews Earth & Environment, 3(7), 477–493. https://www.nature.com/articles/s43017-022-00298-5Zuzulova, V., & Vido, J. (2018). Normalized difference vegetation index (NDVI) as a tool for the evaluation of agricultural drought. Scientific Journal of the European Ecocycles Society Ecocycles, 4(1), 83–87. https://doi.org/10.19040/ecocycles.v4i1.124BananoTeledetecciónÍndices de vegetaciónVientos fuertesGestión del riesgo agrícolaBananoORIGINALSARA RUIZ VILLADA_ Tesis_VF_REPOSITORIO.pdfSARA RUIZ VILLADA_ Tesis_VF_REPOSITORIO.pdfSíntesisapplication/pdf339926https://dspace.tdea.edu.co/bitstream/tdea/5118/2/SARA%20RUIZ%20VILLADA_%20Tesis_VF_REPOSITORIO.pdf6722f5f0908686d43b0c8ea7bb7ddb9eMD52open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-814828https://dspace.tdea.edu.co/bitstream/tdea/5118/3/license.txt2f9959eaf5b71fae44bbf9ec84150c7aMD53open accessTEXTSARA RUIZ VILLADA_ Tesis_VF_REPOSITORIO.pdf.txtSARA RUIZ VILLADA_ Tesis_VF_REPOSITORIO.pdf.txtExtracted texttext/plain40646https://dspace.tdea.edu.co/bitstream/tdea/5118/4/SARA%20RUIZ%20VILLADA_%20Tesis_VF_REPOSITORIO.pdf.txtbddc804cec14900a1e6d5eac30c72451MD54open accessTHUMBNAILSARA RUIZ VILLADA_ Tesis_VF_REPOSITORIO.pdf.jpgSARA RUIZ VILLADA_ Tesis_VF_REPOSITORIO.pdf.jpgGenerated Thumbnailimage/jpeg9099https://dspace.tdea.edu.co/bitstream/tdea/5118/5/SARA%20RUIZ%20VILLADA_%20Tesis_VF_REPOSITORIO.pdf.jpg555d8782048aabcfa7aef333cdd7afdcMD55open accesstdea/5118oai:dspace.tdea.edu.co:tdea/51182024-04-02 03:04:21.746An error occurred on the license name.\|\|\|https://creativecommons.org/licenses/by-nc-nd/4.0/open accessRepositorio Institucional Tecnologico de Antioquiabdigital@metabiblioteca.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

Teledetección para la evaluación de daños por tormentas con vientos fuertes en plantaciones de banano (Musa AAA Simmonds)

Publicaciones similares