Implementación de Aeronaves no Tripuladas para el Monitoreo de Zonas Deforestadas: Análisis de Literatura
La deforestación es impulsada por actividades humanas como la agricultura y la minería, plantea amenazas significativas al ambiente, la sociedad y la economía. Se destaca la relevancia del monitoreo de la deforestación, y se presentan las aeronaves no tripuladas (UAV) como una opción tecnológica pro...
- Autores:
-
Huertas Silva, Anghy Lorena
Romero Rojas, Maria Paula
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2024
- Institución:
- Universidad Santo Tomás
- Repositorio:
- Repositorio Institucional USTA
- Idioma:
- spa
- OAI Identifier:
- oai:repository.usta.edu.co:11634/54665
- Acceso en línea:
- http://hdl.handle.net/11634/54665
- Palabra clave:
- Unmanned aircraft
Multirotor
Deforestation
Remote sensing
Lidar
Sensor
Monitoring
Sistemas de información geografica
Ecologia
Legislación Ambiental
Ingeniería Ambiental
Aeronaves no tripuladas
Multirotor
Deforestación
Teledetección
Monitoreo
Sensor
Lidar
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 2.5 Colombia
| id |
SANTOTOMAS_88b31f87900f33328660b1108715a40b |
|---|---|
| oai_identifier_str |
oai:repository.usta.edu.co:11634/54665 |
| network_acronym_str |
SANTOTOMAS |
| network_name_str |
Repositorio Institucional USTA |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Implementación de Aeronaves no Tripuladas para el Monitoreo de Zonas Deforestadas: Análisis de Literatura |
| title |
Implementación de Aeronaves no Tripuladas para el Monitoreo de Zonas Deforestadas: Análisis de Literatura |
| spellingShingle |
Implementación de Aeronaves no Tripuladas para el Monitoreo de Zonas Deforestadas: Análisis de Literatura Unmanned aircraft Multirotor Deforestation Remote sensing Lidar Sensor Monitoring Sistemas de información geografica Ecologia Legislación Ambiental Ingeniería Ambiental Aeronaves no tripuladas Multirotor Deforestación Teledetección Monitoreo Sensor Lidar |
| title_short |
Implementación de Aeronaves no Tripuladas para el Monitoreo de Zonas Deforestadas: Análisis de Literatura |
| title_full |
Implementación de Aeronaves no Tripuladas para el Monitoreo de Zonas Deforestadas: Análisis de Literatura |
| title_fullStr |
Implementación de Aeronaves no Tripuladas para el Monitoreo de Zonas Deforestadas: Análisis de Literatura |
| title_full_unstemmed |
Implementación de Aeronaves no Tripuladas para el Monitoreo de Zonas Deforestadas: Análisis de Literatura |
| title_sort |
Implementación de Aeronaves no Tripuladas para el Monitoreo de Zonas Deforestadas: Análisis de Literatura |
| dc.creator.fl_str_mv |
Huertas Silva, Anghy Lorena Romero Rojas, Maria Paula |
| dc.contributor.advisor.none.fl_str_mv |
Sierra Parada, Ronal Jackson |
| dc.contributor.author.none.fl_str_mv |
Huertas Silva, Anghy Lorena Romero Rojas, Maria Paula |
| dc.contributor.orcid.spa.fl_str_mv |
https://orcid.org/0000-0002-9206-5682 https://orcid.org/0000-0002-3459-2265 |
| dc.contributor.cvlac.spa.fl_str_mv |
https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001431760 https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001732898 https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001756072 |
| dc.contributor.corporatename.spa.fl_str_mv |
Universidad Santo Tomás |
| dc.subject.keyword.spa.fl_str_mv |
Unmanned aircraft Multirotor Deforestation Remote sensing Lidar Sensor Monitoring |
| topic |
Unmanned aircraft Multirotor Deforestation Remote sensing Lidar Sensor Monitoring Sistemas de información geografica Ecologia Legislación Ambiental Ingeniería Ambiental Aeronaves no tripuladas Multirotor Deforestación Teledetección Monitoreo Sensor Lidar |
| dc.subject.lemb.spa.fl_str_mv |
Sistemas de información geografica Ecologia Legislación Ambiental Ingeniería Ambiental |
| dc.subject.proposal.spa.fl_str_mv |
Aeronaves no tripuladas Multirotor Deforestación Teledetección Monitoreo Sensor Lidar |
| description |
La deforestación es impulsada por actividades humanas como la agricultura y la minería, plantea amenazas significativas al ambiente, la sociedad y la economía. Se destaca la relevancia del monitoreo de la deforestación, y se presentan las aeronaves no tripuladas (UAV) como una opción tecnológica prometedora, ofreciendo eficiencia temporal, reducción de costos laborales y la capacidad de generar imágenes detalladas mediante diversos sensores. El avance tecnológico ha convertido a las UAV en una alternativa valiosa para el monitoreo de áreas críticas, incluso en ubicaciones inaccesibles o peligrosas. Se realizó una revisión bibliográfica a partir de bases de datos para buscar la viabilidad del monitoreo con vehículos aéreos no tripulados en zonas deforestadas. Se encontraron diferentes tipos de UAV y sensores de vanguardia para monitoreos de estudios ambientales en deforestación, donde se concluye que los UAV multirotor con un sensor LiDAR son especialmente efectivos para el monitoreo de deforestación debido a los pulsos láser que se realizan para medir la distancia entre el sensor y la superficie forestal, generando mapas tridimensionales altamente detallados del terreno y la cobertura forestal. Esta capacidad proporciona información precisa sobre la estructura vertical del bosque, permitiendo una evaluación más completa de su salud y cambios. |
| publishDate |
2024 |
| dc.date.accessioned.none.fl_str_mv |
2024-04-17T12:48:51Z |
| dc.date.available.none.fl_str_mv |
2024-04-17T12:48:51Z |
| dc.date.issued.none.fl_str_mv |
2024 |
| dc.type.local.spa.fl_str_mv |
Trabajo de Grado |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.drive.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
acceptedVersion |
| dc.identifier.citation.spa.fl_str_mv |
Huertas Silva, A. L. y Romero Rojas, M. P. (s.f.). Implementación de Aeronaves no Tripuladas para el Monitoreo de Zonas Deforestadas: Análisis de Literatura. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional. |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/11634/54665 |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Universidad Santo Tomás |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad Santo Tomás |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repository.usta.edu.co |
| identifier_str_mv |
Huertas Silva, A. L. y Romero Rojas, M. P. (s.f.). Implementación de Aeronaves no Tripuladas para el Monitoreo de Zonas Deforestadas: Análisis de Literatura. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional. reponame:Repositorio Institucional Universidad Santo Tomás instname:Universidad Santo Tomás repourl:https://repository.usta.edu.co |
| url |
http://hdl.handle.net/11634/54665 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
70 La República. (2022). Brasil, Bolivia y Perú, los países con más índices de deforestación en selva Amazónica. Obtenido de https://www.larepublica.co/globoeconomia/brasil-bolivia-y-peru-son-los-paises-que-mas-han-deforestado-la-selva-amazonica-3449499 Acosta, C. (2021). El uso de drones para la prevención de incendios y protección de bosques en el cerro la Valvanera de Chía - Cundinamarca. Universidad Militar Nueva Granada. Alessio, F. (2022). Toward Integrated Large-Scale Environmental Monitoring Using WSN/UAV/Crowdsensing: A Review of Applications, Signal Processing, and Future Perspectives. Scopus. Alonso, L. y. (2021). Uso de drones y sensores remotos para el monitoreo de laderas: una revisión. INGENIERÍAS USBMed. Altieria, G. M. (2022). Use of High-Resolution Multispectral UAVs to Calculate Projected Ground Area in Corylus avellana L. Tree Orchard. Scopus. Alzu'bi, A. y. (2022). Monitoring deforestation in Jordan using deep semantic segmentation with satellite imagery. ELSEVIER. Amoedo, A. R. (2023). Weight estimation models for commercial Pinus radiata wood in small felling stands based on UAV-LiDAR data. Elsevier. Cabrera, A. (2021). Evaluación del uso de los drones como herramienta de apoyo para un efectivo control y monitoreo de páramos en Colombia. Universidad de Antioquia. Chen, X. H. (2022). Wildland Fire Detection and Monitoring Using a Drone-Collected RGB/IR Image Dataset. IEEE. Chiang, W. L. (2019). Impact of drone delivery on sustainability and cost: Realizing the UAV potential through vehicle routing optimization. Elsevier. Craig, M. R. (2023). Consumer-grade UAV solid-state LiDAR accurately quantifies topography in a vegetated fluvial environment. Scopus. Custodio, J. y. (2023). Drone-Based Environmental Emergency Response in the Brazilian Amazon. Scopus. De la fuente, R. A. (2023). An optimization-based approach for an integrated forest fire monitoring system with multiple technologies and surveillance drones. Elsivier. Ecke, S. D. (2022). UAV-Based Forest Health Monitoring: A Systematic Review. Scopus. El Espectador. (2018). Drones monitorean la deforestación en la Amazonía peruana. Obtenido de https://www.elespectador.com/ambiente/drones-monitorean-la-deforestacion-en-la-amazonia-peruana-article-807756/ El Espectador. (2020). La deforestación en Meta, Guaviare y Caquetá está fuera de control. Obtenido de https://www.elespectador.com/ambiente/la-deforestacion-en-meta-guaviare-y-caqueta-esta-fuera-de-control-article/ El Tiempo. (2022). Perspectiva. El dron que resucita bosques en el Meta. Obtenido de https://www.elnuevosiglo.com.co/ambiente-y-ciencia/perspectiva-el-dron-que-resucita-bosques-en-el-meta El Tiempo. (2024). Estudian redes inteligentes de drones para controlar grandes incendios forestales. Obtenido de https://www.eltiempo.com/vida/medio-ambiente/incendios-forestales-estudian-utilizar-redes-inteligentes-de-drones-para-controlarlos-796460 Ewanw, E. M. (2023). Climate-Change-Driven Droughts and Tree Mortality: Assessing the Potential of UAV-Derived Early Warning Metrics. Scopus. FCDS. (2022). Seguimiento de la pérdida de bosques y cambio de cobertura en el arco de deforestación en la amzonia colombiana (abril 2021-marzo 2022). FCDS. Flyguys. (s.f.). 5 Industry Use Cases for LiDAR. Obtenido de https://flyguys.com/5-industry-use-cases-for-lidar/ FAO. (2018). El Estado de los Bosques del Mundo. Obtenido de chrome-extension://efaidnbmnnnibpcajpcglclefindmkaj/https://www.fao.org/3/ca0188es/ca0188es.pdf Ganivet, E. y. (2019). Towards rapid assessments of tree species diversity and structure in fragmented tropical forests: A review of perspectives offered by remotely-sensed and field-based data. Elsevier. García, I. (2017). Estudio sobre vehículos aéreos no tripulados y sus aplicaciones. Universidad de Valladolid. Global Forest Watch. (s.f.). Obtenido de https://www.globalforestwatch.org/dashboards/country/COL/?category=summary&dashboardPrompts=eyJzaG93UHJvbXB0cyI6dHJ1ZSwicHJvbXB0c1ZpZXdlZCI6WyJkb3dubG9hZERhc2hib2FyZFN0YXRzIl0sInNldHRpbmdzIjp7InNob3dQcm9tcHRzIjp0cnVlLCJwcm9tcHRzVmlld2VkIjpbXSwic2V0dGluZ3M Global Forest Watch. (2018). El 2017 fue el segundo peor año en relación a la pérdida de cobertura arbórea en los trópicos. Obtenido de https://www.globalforestwatch.org/blog/es/data-and-research/el-2017-fue-el-segundo-peor-ano-en-relacion-a-la-perdida-de-cobertura-arborea-en-los-tropicos/ Gracía, H. (s.f.). Deforestación en Colombia: Retos y perspectivas. Fedesarrollo. Guascal, E. R. (2020). Application of Remote Sensing Techniques in the Estimation of Forest Biomass of a Recreation Area by UAV and RADAR Images in Ecuador. Scopus. Guevara, M. M. (2020). Uso de vehículos aéreos no tripulados (VANT’s) para el monitoreo y manejo de los recursos naturales: una síntesis. Scielo. Heneda, L. B. (2023). Forest landscape restoration: Spectral behavior and diversity of tropical tree cover classes. Elsevier. Hwang, K. H. (2023). Seeing the Disturbed Forest for the Trees: Remote Sensing Is Underutilized to Quantify Critical Zone Response to Unprecedented Disturbance. Scopus. IDEAM. (2021). Resultados de monitoreo deforestación. Miambiente. IDEAM. (2021). Sistema de monitoreo de Bodques y Carbono - SMByC. IDEAM. inifap. (2017). La tecnología LiDAR, herramienta útil para el estudio de la biodiversidad. Revista Mexiaca de Ciencias Forestales. InSight Crime. (2022). Comunidades indígenas usan drones para monitorear deforestación en la Amazonía. Obtenido de https://insightcrime.org/es/noticias/comunidades-indigenas-usan-drones-monitoreo-deforestacion-amazonia/ Jiménez, J. y. (2019). Drones for Conservation in Protected Areas: Present and Future. MDPI. Jucker, T. G. (2023). Using multi-platform LiDAR to guide the conservation of the world's largest temperate woodland. Scopus. Khan, A. G. (2020). Multi-hazard disaster studies: Monitoring, detection, recovery, and management, based on emerging technologies and optimal techniques. Elsevier. KUSKAYA Barcelona. (2018). Deforestación Mundial. Obtenido de https://kuskayabarcelona.com/1419-2/ La Vanguardia. (2021). La selva amazónica emite más CO2 del que puede absorber. Obtenido de https://www.lavanguardia.com/natural/20210716/7604336/selva-amazonica-emite-co2-incendios-deforestacion-cambio-climatico.html#:~:text=Los%20resultados%20de%20estas%20mediciones,eliminando%20500%20millones%20de%20toneladas Lara N. y Chamorro, H. (2018). Uso De Los Sensores Remotos En Mediciones Forestales. ESI. León, M. C. (2022). Revisión de estudios sobre sistemas FANET y drones para emergencias o desastres naturales. Dialnet. Lossou, E. O. (2019). Monitoring Land Cover changes in the tropical high forests using multi-temporal remote sensing and spatial analysis techniques. Elsevier. Machida, F. y. (2022). Modeling and Analysis of Deforestation Prevention by Uncrewed Aerial Vehicles-based monitoring systems. Elsevier. Mongabay. (2018). Perú: castañeros de Madre de Dios usan drones para vigilar sus bosques. Obtenido de https://es.mongabay.com/2018/08/peru-castaneros-drones-vigilar-bosques/#:~:text=Per%C3%BA%3A%20casta%C3%B1eros%20de%20Madre%20de%20Dios%20usan%20drones%20para%20vigilar%20sus%20bosques,-por%20Yvette%20Sierra&text=Im%C3%A1genes%20de%20alta%20resoluci%C3%B3 Mohammad, B. A. (2023). Aboveground biomass and carbon stock estimation using UAV photogrammetry in Indonesian mangroves and other competing land uses. Elsevier. Momeni, M. S. (2022). Coordinated routing system for fire detection by patrolling trucks with drones. Elsevier. Monitoring of the Andean Amazon project. (2018). MAAP #90: USO DE DRONES PARA MONITOREO DE DEFORESTACIÓN Y TALA ILEGAL. Obtenido de https://www.maaproject.org/2018/drones/ National Geographic. (2018). La deforestación tropical descendió en 2017, pero es la segunda peor registrada. Obtenido de https://www.nationalgeographic.es/medio-ambiente/2018/06/deforestacion-tropical-2017-es-la-segunda-peor-registrada#:~:text=La%20p%C3%A9rdida%20de%20bosques%20tropicales,energ%C3%A9tico%20en%20todo%20Estados%20Unidos Olarte, K. y. (2019). Prototipo de un sistema de monitoreo para detección de incendios en áreas prtegidas del departamento de Santader con la generación de alertas en tiempo real por medio de drones. Universidad Autónoma de Bucaramanga. Parody, A. y. (2015). ESTUDIO MULTITEMPORAL DE LA DEFORESTACIÓN EN COLOMBIA UTILIZANDO PROCESAMIENTO DE IMÁGENES. PIX4D. (2021). LiDAR: qué es y qué utilidad tiene para la fotogrametría. Obtenido de https://www.pix4d.com/es/blog/lidar-fotogrametria/ Prudhivi, L. N. (2021). ROI based Change Detection of NDVI Images. Sayed, B. y. (2023). IC-GAN: An Improved Conditional Generative Adversarial Network for RGB-to-IR image translation with applications to forest fire monitoring. Elsevier. Rathod, T. P. (2023). Multipurpose deep learning-powered UAV for forest fire prevention and emergency response. Elsevier. Scheeres, J. J. (2023). Distinguishing forest types in restored tropical landscapes with UAV-borne LIDAR. Elsevier. Shamaoma, H. C. (2022). The Application of UASs in Forest Management and Monitoring: Challenges and Opportunities for Use in the Miombo Woodland. MDPI. Tomljanovie, K. K. (2022). Application of UAS for Monitoring of Forest Ecosystems – A Review of Experience and Knowledge. Croatian Journal of Forest Engineering. UST. (s.f.). Survey-Grade Drone LiDAR Sensors & AI-Based Data Processing Software. Veneros, J. G. (2020). Application of remote sensors for the analysis of vegetation cover and water bodies. IDESIA. Web Japan. (2023). Obtenido de https://web-japan.org/trends/es/tech-life/tec202303_smart-agriculture_es.htm Weisse M.,PotapovP., (abril de 2021). The Sustainability Consortium, World Resources Institute, and University of Maryland. “Tree Cover Loss by Driver.” de Global Forest Watch https://www.globalforestwatch.org/blog/data-and-research/tree-cover-loss-satellite-data-trend-analysis/ Yang, W. W. (2023). A Novel Method for Analyzing Infrared Images Taken by Unmanned Aerial Vehicles for Forest Fire Monitoring. Scopus. Yue, J. D. (2023). Forest Emissions Reduction Assessment Using Optical Satellite Imagery and Space LiDAR Fusion for Carbon Stock Estimation. Scopus. Zamora, M. (2017). La tecnologia LIDAR, herramienta útil para el estudio de la biodiversidad.Scielo. Zhang, Z. y. (2023). A Review on Unmanned Aerial Vehicle Remote Sensing: Platforms, Sensors, Data Processing Methods, and Applications. MDPI. Oancea, C. (2022). Optimizing the operation of the LiDAR sensor. Scopus. L. Pádua, J. Vanko, J. Hruska, T. Adao, S. JJ, E. Peres y R. Morais. (2017). UAS, sensors and data processing in agroforestry: a review towards practical applications. International Journal of Remote Sensing, nº 38, pp. 2349-2392. |
| dc.rights.*.fl_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ |
| dc.rights.local.spa.fl_str_mv |
Abierto (Texto Completo) |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Abierto (Texto Completo) http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.coverage.campus.spa.fl_str_mv |
CRAI-USTA Bogotá |
| dc.publisher.spa.fl_str_mv |
Universidad Santo Tomás |
| dc.publisher.program.spa.fl_str_mv |
Pregrado de Ingeniería Ambiental |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ingeniería Ambiental |
| institution |
Universidad Santo Tomás |
| bitstream.url.fl_str_mv |
https://repository.usta.edu.co/bitstream/11634/54665/8/2024cartadederechosdeautor.pdf.jpg https://repository.usta.edu.co/bitstream/11634/54665/9/2024cartadefacultad.pdf.jpg https://repository.usta.edu.co/bitstream/11634/54665/10/2024AnghyHuertas.pdf.jpg https://repository.usta.edu.co/bitstream/11634/54665/3/2024cartadederechosdeautor.pdf https://repository.usta.edu.co/bitstream/11634/54665/4/2024cartadefacultad.pdf https://repository.usta.edu.co/bitstream/11634/54665/5/2024AnghyHuertas.pdf https://repository.usta.edu.co/bitstream/11634/54665/6/license_rdf https://repository.usta.edu.co/bitstream/11634/54665/7/license.txt |
| bitstream.checksum.fl_str_mv |
c1ebd2b6d7bdf7279847441a979410d3 d0470fa6c9fbaafe57bcac6999fc30ff e63f088264b054f7080626d7f476437a 468c09c9107a3f8df84067cc0d4b3dcf b5eda89f601207de8c299269af9d78be d9b20280a52fe97748562090c4bd7697 217700a34da79ed616c2feb68d4c5e06 aedeaf396fcd827b537c73d23464fc27 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Universidad Santo Tomás |
| repository.mail.fl_str_mv |
repositorio@usantotomas.edu.co |
| _version_ |
1860882037465939968 |
| spelling |
Sierra Parada, Ronal JacksonHuertas Silva, Anghy LorenaRomero Rojas, Maria Paulahttps://orcid.org/0000-0002-9206-5682https://orcid.org/0000-0002-3459-2265https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001431760https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001732898https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001756072Universidad Santo Tomás2024-04-17T12:48:51Z2024-04-17T12:48:51Z2024Huertas Silva, A. L. y Romero Rojas, M. P. (s.f.). Implementación de Aeronaves no Tripuladas para el Monitoreo de Zonas Deforestadas: Análisis de Literatura. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional.http://hdl.handle.net/11634/54665reponame:Repositorio Institucional Universidad Santo Tomásinstname:Universidad Santo Tomásrepourl:https://repository.usta.edu.coLa deforestación es impulsada por actividades humanas como la agricultura y la minería, plantea amenazas significativas al ambiente, la sociedad y la economía. Se destaca la relevancia del monitoreo de la deforestación, y se presentan las aeronaves no tripuladas (UAV) como una opción tecnológica prometedora, ofreciendo eficiencia temporal, reducción de costos laborales y la capacidad de generar imágenes detalladas mediante diversos sensores. El avance tecnológico ha convertido a las UAV en una alternativa valiosa para el monitoreo de áreas críticas, incluso en ubicaciones inaccesibles o peligrosas. Se realizó una revisión bibliográfica a partir de bases de datos para buscar la viabilidad del monitoreo con vehículos aéreos no tripulados en zonas deforestadas. Se encontraron diferentes tipos de UAV y sensores de vanguardia para monitoreos de estudios ambientales en deforestación, donde se concluye que los UAV multirotor con un sensor LiDAR son especialmente efectivos para el monitoreo de deforestación debido a los pulsos láser que se realizan para medir la distancia entre el sensor y la superficie forestal, generando mapas tridimensionales altamente detallados del terreno y la cobertura forestal. Esta capacidad proporciona información precisa sobre la estructura vertical del bosque, permitiendo una evaluación más completa de su salud y cambios.Deforestation is driven by human activities such as agriculture and mining, posing significant threats to the environment, society and the economy. The relevance of deforestation monitoring is highlighted, and unmanned aerial vehicles (UAVs) are presented as a promising technological option, offering temporal efficiency, reduced labor costs, and the ability to generate detailed images using a variety of sensors. Technological advances have made UAVs a valuable alternative for monitoring critical areas, even in inaccessible or dangerous locations. A literature review was carried out using databases to search for the feasibility of UAV monitoring in deforested areas. Different types of UAVs and state-of-the-art sensors for monitoring environmental studies in deforestation were found, where it is concluded that multi-rotor UAVs with a LiDAR sensor are especially effective for deforestation monitoring due to the laser pulses that are made to measure the distance between the sensor and the forest surface, generating highly detailed three-dimensional maps of the terrain and forest cover. This capability provides accurate information on the vertical structure of the forest, allowing for a more complete assessment of forest health and change.Ingeniero AmbientalPregradoapplication/pdfspaUniversidad Santo TomásPregrado de Ingeniería AmbientalFacultad de Ingeniería AmbientalAtribución-NoComercial-SinDerivadas 2.5 Colombiahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Implementación de Aeronaves no Tripuladas para el Monitoreo de Zonas Deforestadas: Análisis de LiteraturaUnmanned aircraftMultirotorDeforestationRemote sensingLidarSensorMonitoringSistemas de información geograficaEcologiaLegislación AmbientalIngeniería AmbientalAeronaves no tripuladasMultirotorDeforestaciónTeledetecciónMonitoreoSensorLidarTrabajo de Gradoinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisCRAI-USTA Bogotá70 La República. (2022). Brasil, Bolivia y Perú, los países con más índices de deforestación en selva Amazónica. Obtenido de https://www.larepublica.co/globoeconomia/brasil-bolivia-y-peru-son-los-paises-que-mas-han-deforestado-la-selva-amazonica-3449499Acosta, C. (2021). El uso de drones para la prevención de incendios y protección de bosques en el cerro la Valvanera de Chía - Cundinamarca. Universidad Militar Nueva Granada.Alessio, F. (2022). Toward Integrated Large-Scale Environmental Monitoring Using WSN/UAV/Crowdsensing: A Review of Applications, Signal Processing, and Future Perspectives. Scopus.Alonso, L. y. (2021). Uso de drones y sensores remotos para el monitoreo de laderas: una revisión. INGENIERÍAS USBMed.Altieria, G. M. (2022). Use of High-Resolution Multispectral UAVs to Calculate Projected Ground Area in Corylus avellana L. Tree Orchard. Scopus.Alzu'bi, A. y. (2022). Monitoring deforestation in Jordan using deep semantic segmentation with satellite imagery. ELSEVIER.Amoedo, A. R. (2023). Weight estimation models for commercial Pinus radiata wood in small felling stands based on UAV-LiDAR data. Elsevier.Cabrera, A. (2021). Evaluación del uso de los drones como herramienta de apoyo para un efectivo control y monitoreo de páramos en Colombia. Universidad de Antioquia.Chen, X. H. (2022). Wildland Fire Detection and Monitoring Using a Drone-Collected RGB/IR Image Dataset. IEEE.Chiang, W. L. (2019). Impact of drone delivery on sustainability and cost: Realizing the UAV potential through vehicle routing optimization. Elsevier.Craig, M. R. (2023). Consumer-grade UAV solid-state LiDAR accurately quantifies topography in a vegetated fluvial environment. Scopus.Custodio, J. y. (2023). Drone-Based Environmental Emergency Response in the Brazilian Amazon. Scopus.De la fuente, R. A. (2023). An optimization-based approach for an integrated forest fire monitoring system with multiple technologies and surveillance drones. Elsivier.Ecke, S. D. (2022). UAV-Based Forest Health Monitoring: A Systematic Review. Scopus.El Espectador. (2018). Drones monitorean la deforestación en la Amazonía peruana. Obtenido de https://www.elespectador.com/ambiente/drones-monitorean-la-deforestacion-en-la-amazonia-peruana-article-807756/El Espectador. (2020). La deforestación en Meta, Guaviare y Caquetá está fuera de control. Obtenido de https://www.elespectador.com/ambiente/la-deforestacion-en-meta-guaviare-y-caqueta-esta-fuera-de-control-article/El Tiempo. (2022). Perspectiva. El dron que resucita bosques en el Meta. Obtenido de https://www.elnuevosiglo.com.co/ambiente-y-ciencia/perspectiva-el-dron-que-resucita-bosques-en-el-metaEl Tiempo. (2024). Estudian redes inteligentes de drones para controlar grandes incendios forestales. Obtenido de https://www.eltiempo.com/vida/medio-ambiente/incendios-forestales-estudian-utilizar-redes-inteligentes-de-drones-para-controlarlos-796460Ewanw, E. M. (2023). Climate-Change-Driven Droughts and Tree Mortality: Assessing the Potential of UAV-Derived Early Warning Metrics. Scopus.FCDS. (2022). Seguimiento de la pérdida de bosques y cambio de cobertura en el arco de deforestación en la amzonia colombiana (abril 2021-marzo 2022). FCDS.Flyguys. (s.f.). 5 Industry Use Cases for LiDAR. Obtenido de https://flyguys.com/5-industry-use-cases-for-lidar/FAO. (2018). El Estado de los Bosques del Mundo. Obtenido de chrome-extension://efaidnbmnnnibpcajpcglclefindmkaj/https://www.fao.org/3/ca0188es/ca0188es.pdfGanivet, E. y. (2019). Towards rapid assessments of tree species diversity and structure in fragmented tropical forests: A review of perspectives offered by remotely-sensed and field-based data. Elsevier.García, I. (2017). Estudio sobre vehículos aéreos no tripulados y sus aplicaciones. Universidad de Valladolid.Global Forest Watch. (s.f.). Obtenido de https://www.globalforestwatch.org/dashboards/country/COL/?category=summary&dashboardPrompts=eyJzaG93UHJvbXB0cyI6dHJ1ZSwicHJvbXB0c1ZpZXdlZCI6WyJkb3dubG9hZERhc2hib2FyZFN0YXRzIl0sInNldHRpbmdzIjp7InNob3dQcm9tcHRzIjp0cnVlLCJwcm9tcHRzVmlld2VkIjpbXSwic2V0dGluZ3MGlobal Forest Watch. (2018). El 2017 fue el segundo peor año en relación a la pérdida de cobertura arbórea en los trópicos. Obtenido de https://www.globalforestwatch.org/blog/es/data-and-research/el-2017-fue-el-segundo-peor-ano-en-relacion-a-la-perdida-de-cobertura-arborea-en-los-tropicos/Gracía, H. (s.f.). Deforestación en Colombia: Retos y perspectivas. Fedesarrollo.Guascal, E. R. (2020). Application of Remote Sensing Techniques in the Estimation of Forest Biomass of a Recreation Area by UAV and RADAR Images in Ecuador. Scopus.Guevara, M. M. (2020). Uso de vehículos aéreos no tripulados (VANT’s) para el monitoreo y manejo de los recursos naturales: una síntesis. Scielo.Heneda, L. B. (2023). Forest landscape restoration: Spectral behavior and diversity of tropical tree cover classes. Elsevier.Hwang, K. H. (2023). Seeing the Disturbed Forest for the Trees: Remote Sensing Is Underutilized to Quantify Critical Zone Response to Unprecedented Disturbance. Scopus.IDEAM. (2021). Resultados de monitoreo deforestación. Miambiente.IDEAM. (2021). Sistema de monitoreo de Bodques y Carbono - SMByC. IDEAM.inifap. (2017). La tecnología LiDAR, herramienta útil para el estudio de la biodiversidad. Revista Mexiaca de Ciencias Forestales.InSight Crime. (2022). Comunidades indígenas usan drones para monitorear deforestación en la Amazonía. Obtenido de https://insightcrime.org/es/noticias/comunidades-indigenas-usan-drones-monitoreo-deforestacion-amazonia/Jiménez, J. y. (2019). Drones for Conservation in Protected Areas: Present and Future. MDPI.Jucker, T. G. (2023). Using multi-platform LiDAR to guide the conservation of the world's largest temperate woodland. Scopus.Khan, A. G. (2020). Multi-hazard disaster studies: Monitoring, detection, recovery, and management, based on emerging technologies and optimal techniques. Elsevier.KUSKAYA Barcelona. (2018). Deforestación Mundial. Obtenido de https://kuskayabarcelona.com/1419-2/La Vanguardia. (2021). La selva amazónica emite más CO2 del que puede absorber. Obtenido de https://www.lavanguardia.com/natural/20210716/7604336/selva-amazonica-emite-co2-incendios-deforestacion-cambio-climatico.html#:~:text=Los%20resultados%20de%20estas%20mediciones,eliminando%20500%20millones%20de%20toneladasLara N. y Chamorro, H. (2018). Uso De Los Sensores Remotos En Mediciones Forestales. ESI.León, M. C. (2022). Revisión de estudios sobre sistemas FANET y drones para emergencias o desastres naturales. Dialnet.Lossou, E. O. (2019). Monitoring Land Cover changes in the tropical high forests using multi-temporal remote sensing and spatial analysis techniques. Elsevier.Machida, F. y. (2022). Modeling and Analysis of Deforestation Prevention by Uncrewed Aerial Vehicles-based monitoring systems. Elsevier.Mongabay. (2018). Perú: castañeros de Madre de Dios usan drones para vigilar sus bosques. Obtenido de https://es.mongabay.com/2018/08/peru-castaneros-drones-vigilar-bosques/#:~:text=Per%C3%BA%3A%20casta%C3%B1eros%20de%20Madre%20de%20Dios%20usan%20drones%20para%20vigilar%20sus%20bosques,-por%20Yvette%20Sierra&text=Im%C3%A1genes%20de%20alta%20resoluci%C3%B3Mohammad, B. A. (2023). Aboveground biomass and carbon stock estimation using UAV photogrammetry in Indonesian mangroves and other competing land uses. Elsevier.Momeni, M. S. (2022). Coordinated routing system for fire detection by patrolling trucks with drones. Elsevier.Monitoring of the Andean Amazon project. (2018). MAAP #90: USO DE DRONES PARA MONITOREO DE DEFORESTACIÓN Y TALA ILEGAL. Obtenido de https://www.maaproject.org/2018/drones/National Geographic. (2018). La deforestación tropical descendió en 2017, pero es la segunda peor registrada. Obtenido de https://www.nationalgeographic.es/medio-ambiente/2018/06/deforestacion-tropical-2017-es-la-segunda-peor-registrada#:~:text=La%20p%C3%A9rdida%20de%20bosques%20tropicales,energ%C3%A9tico%20en%20todo%20Estados%20UnidosOlarte, K. y. (2019). Prototipo de un sistema de monitoreo para detección de incendios en áreas prtegidas del departamento de Santader con la generación de alertas en tiempo real por medio de drones. Universidad Autónoma de Bucaramanga.Parody, A. y. (2015). ESTUDIO MULTITEMPORAL DE LA DEFORESTACIÓN EN COLOMBIA UTILIZANDO PROCESAMIENTO DE IMÁGENES.PIX4D. (2021). LiDAR: qué es y qué utilidad tiene para la fotogrametría. Obtenido de https://www.pix4d.com/es/blog/lidar-fotogrametria/Prudhivi, L. N. (2021). ROI based Change Detection of NDVI Images.Sayed, B. y. (2023). IC-GAN: An Improved Conditional Generative Adversarial Network for RGB-to-IR image translation with applications to forest fire monitoring. Elsevier.Rathod, T. P. (2023). Multipurpose deep learning-powered UAV for forest fire prevention and emergency response. Elsevier.Scheeres, J. J. (2023). Distinguishing forest types in restored tropical landscapes with UAV-borne LIDAR. Elsevier.Shamaoma, H. C. (2022). The Application of UASs in Forest Management and Monitoring: Challenges and Opportunities for Use in the Miombo Woodland. MDPI.Tomljanovie, K. K. (2022). Application of UAS for Monitoring of Forest Ecosystems – A Review of Experience and Knowledge. Croatian Journal of Forest Engineering.UST. (s.f.). Survey-Grade Drone LiDAR Sensors & AI-Based Data Processing Software.Veneros, J. G. (2020). Application of remote sensors for the analysis of vegetation cover and water bodies. IDESIA.Web Japan. (2023). Obtenido de https://web-japan.org/trends/es/tech-life/tec202303_smart-agriculture_es.htmWeisse M.,PotapovP., (abril de 2021). The Sustainability Consortium, World Resources Institute, and University of Maryland. “Tree Cover Loss by Driver.” de Global Forest Watch https://www.globalforestwatch.org/blog/data-and-research/tree-cover-loss-satellite-data-trend-analysis/Yang, W. W. (2023). A Novel Method for Analyzing Infrared Images Taken by Unmanned Aerial Vehicles for Forest Fire Monitoring. Scopus.Yue, J. D. (2023). Forest Emissions Reduction Assessment Using Optical Satellite Imagery and Space LiDAR Fusion for Carbon Stock Estimation. Scopus.Zamora, M. (2017). La tecnologia LIDAR, herramienta útil para el estudio de la biodiversidad.Scielo.Zhang, Z. y. (2023). A Review on Unmanned Aerial Vehicle Remote Sensing: Platforms, Sensors, Data Processing Methods, and Applications. MDPI.Oancea, C. (2022). Optimizing the operation of the LiDAR sensor. Scopus.L. Pádua, J. Vanko, J. Hruska, T. Adao, S. JJ, E. Peres y R. Morais. (2017). UAS, sensors and data processing in agroforestry: a review towards practical applications. International Journal of Remote Sensing, nº 38, pp. 2349-2392.THUMBNAIL2024cartadederechosdeautor.pdf.jpg2024cartadederechosdeautor.pdf.jpgIM Thumbnailimage/jpeg7991https://repository.usta.edu.co/bitstream/11634/54665/8/2024cartadederechosdeautor.pdf.jpgc1ebd2b6d7bdf7279847441a979410d3MD58open access2024cartadefacultad.pdf.jpg2024cartadefacultad.pdf.jpgIM Thumbnailimage/jpeg6830https://repository.usta.edu.co/bitstream/11634/54665/9/2024cartadefacultad.pdf.jpgd0470fa6c9fbaafe57bcac6999fc30ffMD59open access2024AnghyHuertas.pdf.jpg2024AnghyHuertas.pdf.jpgIM Thumbnailimage/jpeg7381https://repository.usta.edu.co/bitstream/11634/54665/10/2024AnghyHuertas.pdf.jpge63f088264b054f7080626d7f476437aMD510open accessORIGINAL2024cartadederechosdeautor.pdf2024cartadederechosdeautor.pdfapplication/pdf418687https://repository.usta.edu.co/bitstream/11634/54665/3/2024cartadederechosdeautor.pdf468c09c9107a3f8df84067cc0d4b3dcfMD53metadata only access2024cartadefacultad.pdf2024cartadefacultad.pdfapplication/pdf1115963https://repository.usta.edu.co/bitstream/11634/54665/4/2024cartadefacultad.pdfb5eda89f601207de8c299269af9d78beMD54metadata only access2024AnghyHuertas.pdf2024AnghyHuertas.pdfapplication/pdf1829704https://repository.usta.edu.co/bitstream/11634/54665/5/2024AnghyHuertas.pdfd9b20280a52fe97748562090c4bd7697MD55open accessCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repository.usta.edu.co/bitstream/11634/54665/6/license_rdf217700a34da79ed616c2feb68d4c5e06MD56open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-8807https://repository.usta.edu.co/bitstream/11634/54665/7/license.txtaedeaf396fcd827b537c73d23464fc27MD57open access11634/54665oai:repository.usta.edu.co:11634/546652024-04-18 03:06:35.078metadata only accessRepositorio Universidad Santo Tomásrepositorio@usantotomas.edu.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 |