Estimación y caracterización de la cobertura vegetal basado en las aplicaciones de las aeronaves no tripuladas UAS

En la actualidad, diversos estudios demuestran la eficacia de las aeronaves no tripuladas (UAS) en la estimación y caracterización de la cobertura vegetal, puesto que estas herramientas permiten la obtención de datos precisos a diferentes escalas espaciales y temporales, lo que las convierte en una...

Full description

Autores:
Ordoñez Vanegas, Laura Camila
Pedraza Torres, Ivan David
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2023
Institución:
Universidad Santo Tomás
Repositorio:
Repositorio Institucional USTA
Idioma:
spa
OAI Identifier:
oai:repository.usta.edu.co:11634/50495
Acceso en línea:
http://hdl.handle.net/11634/50495
Palabra clave:
Unmanned aerial vehicles
Multispectral imagery
Vegetation cover
Machine learning
Artificial intelligence
Ingeniería Ambiental
Aeronave
Vegetación
Bases de Datos
Vehículos aéreos no tripulados
Imágenes multiespectrales
Cobertura vegetal
Aprendizaje automático
Inteligencia artificial
Rights
openAccess
License
Atribución-NoComercial-SinDerivadas 2.5 Colombia
id SANTTOMAS2_cc03719ae3a2b552ce9618fc22176058
oai_identifier_str oai:repository.usta.edu.co:11634/50495
network_acronym_str SANTTOMAS2
network_name_str Repositorio Institucional USTA
repository_id_str
dc.title.spa.fl_str_mv Estimación y caracterización de la cobertura vegetal basado en las aplicaciones de las aeronaves no tripuladas UAS
title Estimación y caracterización de la cobertura vegetal basado en las aplicaciones de las aeronaves no tripuladas UAS
spellingShingle Estimación y caracterización de la cobertura vegetal basado en las aplicaciones de las aeronaves no tripuladas UAS
Unmanned aerial vehicles
Multispectral imagery
Vegetation cover
Machine learning
Artificial intelligence
Ingeniería Ambiental
Aeronave
Vegetación
Bases de Datos
Vehículos aéreos no tripulados
Imágenes multiespectrales
Cobertura vegetal
Aprendizaje automático
Inteligencia artificial
title_short Estimación y caracterización de la cobertura vegetal basado en las aplicaciones de las aeronaves no tripuladas UAS
title_full Estimación y caracterización de la cobertura vegetal basado en las aplicaciones de las aeronaves no tripuladas UAS
title_fullStr Estimación y caracterización de la cobertura vegetal basado en las aplicaciones de las aeronaves no tripuladas UAS
title_full_unstemmed Estimación y caracterización de la cobertura vegetal basado en las aplicaciones de las aeronaves no tripuladas UAS
title_sort Estimación y caracterización de la cobertura vegetal basado en las aplicaciones de las aeronaves no tripuladas UAS
dc.creator.fl_str_mv Ordoñez Vanegas, Laura Camila
Pedraza Torres, Ivan David
dc.contributor.advisor.none.fl_str_mv Sierra Parada, Ronal Jackson
dc.contributor.author.none.fl_str_mv Ordoñez Vanegas, Laura Camila
Pedraza Torres, Ivan David
dc.contributor.orcid.spa.fl_str_mv https://orcid.org/0000-0002-9206-5682
dc.contributor.googlescholar.spa.fl_str_mv https://scholar.google.com/citations?hl=es&user=0793qhcwBoMC
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=0002059055
dc.contributor.corporatename.spa.fl_str_mv Universidad Santo Tomás
dc.subject.keyword.spa.fl_str_mv Unmanned aerial vehicles
Multispectral imagery
Vegetation cover
Machine learning
Artificial intelligence
topic Unmanned aerial vehicles
Multispectral imagery
Vegetation cover
Machine learning
Artificial intelligence
Ingeniería Ambiental
Aeronave
Vegetación
Bases de Datos
Vehículos aéreos no tripulados
Imágenes multiespectrales
Cobertura vegetal
Aprendizaje automático
Inteligencia artificial
dc.subject.lemb.spa.fl_str_mv Ingeniería Ambiental
Aeronave
Vegetación
Bases de Datos
dc.subject.proposal.spa.fl_str_mv Vehículos aéreos no tripulados
Imágenes multiespectrales
Cobertura vegetal
Aprendizaje automático
Inteligencia artificial
description En la actualidad, diversos estudios demuestran la eficacia de las aeronaves no tripuladas (UAS) en la estimación y caracterización de la cobertura vegetal, puesto que estas herramientas permiten la obtención de datos precisos a diferentes escalas espaciales y temporales, lo que las convierte en una valiosa herramienta para la monitorización de la vegetación. En este sentido, el propósito de esta investigación es destacar la importancia de los UAV en estudios ambientales, así como su desarrollo y avances en los últimos años. La metodología de estudio se basó en un análisis de correlación de palabras clave, países y años, a través de VOSviewer y bibliometrix, usando bases de datos como Scopus y ScienceDirect, y se centró en enfoques de aplicación, como la identificación y caracterización de la cobertura vegetal y sus especies mediante la captura de imágenes multiespectrales y el uso de inteligencia artificial con UAV. Con base en lo anterior, se encontró una correlación general de palabras clave que se enfocan en aplicaciones de UAV, como aprendizaje automático, sensores remotos y árboles de decisión. También se analizaron las marcas líderes en la suministración de tecnología, incluyendo cámaras, aeronaves y sensores utilizados, así como los modelos más frecuentemente empleados en los estudios revisados para analizar la tendencia del mercado en este campo tecnológico.
publishDate 2023
dc.date.accessioned.none.fl_str_mv 2023-04-25T15:01:04Z
dc.date.available.none.fl_str_mv 2023-04-25T15:01:04Z
dc.date.issued.none.fl_str_mv 2023-04-24
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 Ordoñez Vanegas, L. C., y Pedraza Torres, I. D. (2023). Estimación y caracterización de la cobertura vegetal basado en las aplicaciones de las aeronaves no tripuladas UAS. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional.
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/11634/50495
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 Ordoñez Vanegas, L. C., y Pedraza Torres, I. D. (2023). Estimación y caracterización de la cobertura vegetal basado en las aplicaciones de las aeronaves no tripuladas UAS. [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/11634/50495
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.references.spa.fl_str_mv Aragón, G. C., Cubillos Rodríguez, J. P., & Delgado-Niño, P. (2021). Uso de los vehículos aéreos no tripulados (drones) para el levantamiento de información primaria en los estudios ambientales por parte de las consultoras ambientales Use of Unmanned Aerial Vehicles (drones) for the Collection of Primary Information in Environmental Studies by Environmental Consultants. https://orcid.org/0000-0002-6166-4025
Cuervo Martínez, K. X. (2020). Adquisición y análisis de imágenes UAV para la estimación de coberturas vegetales y biomasa.
De Alfonso Juliá, J. C. (2020). Dron de vuelo autónomo con reconocimiento basado en inteligencia artificial.
El Hoummaidi, L., Larabi, A., & Alam, K. (2021). Using unmanned aerial systems and deep learning for agriculture mapping in Dubai. Heliyon, 7(10). https://doi.org/10.1016/j.heliyon.2021.e08154
Feng, Q., Liu, J., & Gong, J. (2018). UAV Remote sensing for urban vegetation mapping using random forest and texture analysis. Remote Sensing, 7(1), 1074–1094. https://doi.org/10.3390/rs70101074
Gallmann, J., Schüpbach, B., Jacot, K., Albrecht, M., Winizki, J., Kirchgessner, N., & Aasen, H. (2022). Flower Mapping in Grasslands With Drones and Deep Learning. Frontiers in Plant Science, 12. https://doi.org/10.3389/fpls.2021.774965
Guimbao, J. F. (2021). Inteligencia artificial: una carrera hacia el futuro tecnológico. bie3: Boletín IEEE, (23), 146-163.
Gutierrez-Alonso, G. (2016). Aplicaciones Geológicas de los Drones-Geological Applications of UAVs Assessing crustal recycling and granite magma generation in Central Iberia (IBERCRUST) View project Material Docente Cartografía Geológica y Geología Estructural View project. https://www.researchgate.net/publication/303696594
Hartling, S., Sagan, V., & Maimaitijiang, M. (2021). Urban tree species classification using UAV-based multi-sensor data fusion and machine learning. GIScience and Remote Sensing, 58(8), 1250–1275. https://doi.org/10.1080/15481603.2021.1974275
Kharuf-Gutierrez, S., Hernández-Santana, L., Orozco-Morales, R., de la Aday Díaz, O. C., & Delgado Mora, I. (2018). Análisis de imágenes multiespectrales adquiridas con vehículos aéreos no tripulados. In RIELAC (Issue 2).
Lee, G., Hwang, J., & Cho, S. (2021). A novel index to detect vegetation in urban areas using uav-based multispectral images. Applied Sciences (Switzerland), 11(8). https://doi.org/10.3390/app11083472
Liang, D., Liu, W., & Zhao, Y. (2022). Optimal Models for Plant Disease and Pest Detection Using UAV Image. Nature Environment and Pollution Technology, 21(4), 1609–1617. https://doi.org/10.46488/NEPT.2022.v21i04.013
Liu, D. zhong, Yang, F. fei, & Liu, S. ping. (2021). Estimating wheat fractional vegetation cover using a density peak k-means algorithm based on hyperspectral image data. Journal of Integrative Agriculture, 20(11), 2880–2891. https://doi.org/10.1016/S2095-3119(20)63556-0
Marcial-Pablo, M. de J., Ontiveros-Capurata, R. E., Jiménez-Jiménez, S. I., & Ojeda-Bustamante, W. (2021). Maize crop coefficient estimation based on spectral vegetation indices and vegetation cover fraction derived from uav-based multispectral images. Agronomy, 11(4). https://doi.org/10.3390/AGRONOMY11040668
Oddi, L., Cremonese, E., Ascari, L., Filippa, G., Galvagno, M., Serafino, D., & di Cella, U. M. (2021). Using UAV imagery to detect and map woody species encroachment in a subalpine grassland: Advantages and limits. Remote Sensing, 13(7). https://doi.org/10.3390/rs13071239
Olariu, H. G., Malambo, L., Popescu, S. C., Virgil, C., & Wilcox, B. P. (2022). Woody Plant Encroachment: Evaluating Methodologies for Semiarid Woody Species Classification from Drone Images. Remote Sensing, 14(7). https://doi.org/10.3390/rs14071665
Pérez Izquierdo, C. (2020). Uso de imágenes multiespectrales de drones para evaluar el estado del arbolado en la dehesa. Catálogo de investigación joven en Extremadura. Volumen III.
Pinzón, B. F. S., Ortega, J. R. T., & Rosa, P. (2016). Drones: General aspects and social applications. Visión electrónica, 10(2), 11.
Revathi, K., Tamilselvi, T., Arunkumar, R., & Samydurai, A. (2022). A SMART DRONE FOR ENSURING PRECISION AGRICULTURE WITH ARTIFICIAL NEURAL NETWORK. Indian Journal of Computer Science and Engineering, 13(3), 897–906. https://doi.org/10.21817/indjcse/2022/v13i3/221303025
Rivera, L. B., Bonilla, B. M., & Obando-Vidal, F. (2021). Processing multispectral imaging captured by drones to evaluate the normalized difference vegetation index of Castillo coffee plantations. Ciencia Tecnología Agropecuaria, 22(1). https://doi.org/10.21930/RCTA.VOL22_NUM1_ART:1578
Saravia, V., Moraes, W., Kelbouscas, A., & Grando, R. (2022). Drones e Inteligencia Artificial para Investigaci\'on y Competici\'on. arXiv preprint arXiv:2210.11199
Sohrabi, H., Gao, Y., Bhardwaj, A., & Coomes, D. A. (2022). Monitoring early-successional trees for tropical forest restoration using low-cost UAV-based species classification.
Valente, J., Sari, B., Kooistra, L., Kramer, H., & Mücher, S. (2020). Automated crop plant counting from very high-resolution aerial imagery. Precision Agriculture, 21(6), 1366–1384. https://doi.org/10.1007/s11119-020-0972+5-3
Wei, Y., Wang, W., Tang, X., Li, H., Hu, H., & Wang, X. (2022). Classification of Alpine Grasslands in Cold and High Altitudes Based on Multispectral Landsat-8 Images: A Case Study in Sanjiangyuan National Park, China. Remote Sensing, 14(15). https://doi.org/10.3390/rs14153714
Xie, L., Meng, X., Zhao, X., Fu, L., Sharma, R. P., & Sun, H. (2022). Estimating Fractional Vegetation Cover Changes in Desert Regions Using RGB Data. Remote Sensing, 14(15). https://doi.org/10.3390/rs14153833
Xu, Z., Shen, X., Cao, L., Coops, N. C., Goodbody, T. R. H., Zhong, T., Zhao, W., Sun, Q., Ba, S., Zhang, Z., & Wu, X. (2020). Tree species classification using UAS-based digital aerial photogrammetry point clouds and multispectral imageries in subtropical natural forests. International Journal of Applied Earth Observation and Geoinformation, 92. https://doi.org/10.1016/j.jag.2020.102173
Yang, H., Hu, Y., Zheng, Z., Qiao, Y., Zhang, K., Guo, T., & Chen, J. (2022). Estimation of Potato Chlorophyll Content from UAV Multispectral Images with Stacking Ensemble Algorithm. Agronomy, 12(10). https://doi.org/10.3390/agronomy12102318
Zhao, T., Huang, L., Wang, J., Cui, B., Li, X., & Zhu, X. (2022). Effective Screening and Texture Segmentation of Green Vegetation Cover Based on UAV Images. Traitement Du Signal, 39(4), 1435–1442. https://doi.org/10.18280/ts.39043
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/11634/50495/6/2023lauraordo%c3%b1ez-davidpedraza.pdf.jpg
https://repository.usta.edu.co/bitstream/11634/50495/7/Carta_aprobacion_facultad_%20ORDO%c3%91EZ%20VANEGAS%20LAURA%20CAMILA%20-%20PEDRAZA%20TORRES%20IVAN%20DAVID.pdf.jpg
https://repository.usta.edu.co/bitstream/11634/50495/8/Carta_autorizacion_autoarchivo_autores.pdf.jpg
https://repository.usta.edu.co/bitstream/11634/50495/1/2023lauraordo%c3%b1ez-davidpedraza.pdf
https://repository.usta.edu.co/bitstream/11634/50495/2/Carta_aprobacion_facultad_%20ORDO%c3%91EZ%20VANEGAS%20LAURA%20CAMILA%20-%20PEDRAZA%20TORRES%20IVAN%20DAVID.pdf
https://repository.usta.edu.co/bitstream/11634/50495/3/Carta_autorizacion_autoarchivo_autores.pdf
https://repository.usta.edu.co/bitstream/11634/50495/4/license_rdf
https://repository.usta.edu.co/bitstream/11634/50495/5/license.txt
bitstream.checksum.fl_str_mv 3137a03b92db814d51f85a705facf812
7fc66994981c2d3568ef1187ed0faf93
af8363fa408cfb235abe473016e2f388
73a13445ca89bf93df6c0dc579d079e1
e825ed51058f3a5090dc83b001c5a352
bf993a45a9cdee859b95ffc5eb8eb17b
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_ 1782026118978600960
spelling Sierra Parada, Ronal JacksonOrdoñez Vanegas, Laura CamilaPedraza Torres, Ivan Davidhttps://orcid.org/0000-0002-9206-5682https://scholar.google.com/citations?hl=es&user=0793qhcwBoMChttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001431760https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0002059055Universidad Santo Tomás2023-04-25T15:01:04Z2023-04-25T15:01:04Z2023-04-24Ordoñez Vanegas, L. C., y Pedraza Torres, I. D. (2023). Estimación y caracterización de la cobertura vegetal basado en las aplicaciones de las aeronaves no tripuladas UAS. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional.http://hdl.handle.net/11634/50495reponame:Repositorio Institucional Universidad Santo Tomásinstname:Universidad Santo Tomásrepourl:https://repository.usta.edu.coEn la actualidad, diversos estudios demuestran la eficacia de las aeronaves no tripuladas (UAS) en la estimación y caracterización de la cobertura vegetal, puesto que estas herramientas permiten la obtención de datos precisos a diferentes escalas espaciales y temporales, lo que las convierte en una valiosa herramienta para la monitorización de la vegetación. En este sentido, el propósito de esta investigación es destacar la importancia de los UAV en estudios ambientales, así como su desarrollo y avances en los últimos años. La metodología de estudio se basó en un análisis de correlación de palabras clave, países y años, a través de VOSviewer y bibliometrix, usando bases de datos como Scopus y ScienceDirect, y se centró en enfoques de aplicación, como la identificación y caracterización de la cobertura vegetal y sus especies mediante la captura de imágenes multiespectrales y el uso de inteligencia artificial con UAV. Con base en lo anterior, se encontró una correlación general de palabras clave que se enfocan en aplicaciones de UAV, como aprendizaje automático, sensores remotos y árboles de decisión. También se analizaron las marcas líderes en la suministración de tecnología, incluyendo cámaras, aeronaves y sensores utilizados, así como los modelos más frecuentemente empleados en los estudios revisados para analizar la tendencia del mercado en este campo tecnológico.Currently, several studies demonstrate the effectiveness of unmanned aerial vehicles (UAS) in the estimation and characterization of vegetation cover, since these tools allow obtaining accurate data at different spatial and temporal scales, which makes them a valuable tool for vegetation monitoring. In this sense, the purpose of this research is to highlight the importance of UAVs in environmental studies, as well as their development and advances in recent years. The study methodology was based on a correlation analysis of keywords, countries and years, through VOSviewer and bibliometrix, using databases such as Scopus and ScienceDirect, and focused on application approaches, such as the identification and characterization of vegetation cover and its species through the capture of multispectral images and the use of artificial intelligence with UAVs. Based on the above, a general correlation of keywords focusing on UAV applications, such as machine learning, remote sensing and decision trees, was found. The leading brands in the supply of technology, including cameras, aircraft and sensors used, as well as the most frequently used models in the reviewed studies were also analyzed to analyze the market trend in this technological field.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_abf2Estimación y caracterización de la cobertura vegetal basado en las aplicaciones de las aeronaves no tripuladas UASUnmanned aerial vehiclesMultispectral imageryVegetation coverMachine learningArtificial intelligenceIngeniería AmbientalAeronaveVegetaciónBases de DatosVehículos aéreos no tripuladosImágenes multiespectralesCobertura vegetalAprendizaje automáticoInteligencia artificialTrabajo de Gradoinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisCRAI-USTA BogotáAragón, G. C., Cubillos Rodríguez, J. P., & Delgado-Niño, P. (2021). Uso de los vehículos aéreos no tripulados (drones) para el levantamiento de información primaria en los estudios ambientales por parte de las consultoras ambientales Use of Unmanned Aerial Vehicles (drones) for the Collection of Primary Information in Environmental Studies by Environmental Consultants. https://orcid.org/0000-0002-6166-4025Cuervo Martínez, K. X. (2020). Adquisición y análisis de imágenes UAV para la estimación de coberturas vegetales y biomasa.De Alfonso Juliá, J. C. (2020). Dron de vuelo autónomo con reconocimiento basado en inteligencia artificial.El Hoummaidi, L., Larabi, A., & Alam, K. (2021). Using unmanned aerial systems and deep learning for agriculture mapping in Dubai. Heliyon, 7(10). https://doi.org/10.1016/j.heliyon.2021.e08154Feng, Q., Liu, J., & Gong, J. (2018). UAV Remote sensing for urban vegetation mapping using random forest and texture analysis. Remote Sensing, 7(1), 1074–1094. https://doi.org/10.3390/rs70101074Gallmann, J., Schüpbach, B., Jacot, K., Albrecht, M., Winizki, J., Kirchgessner, N., & Aasen, H. (2022). Flower Mapping in Grasslands With Drones and Deep Learning. Frontiers in Plant Science, 12. https://doi.org/10.3389/fpls.2021.774965Guimbao, J. F. (2021). Inteligencia artificial: una carrera hacia el futuro tecnológico. bie3: Boletín IEEE, (23), 146-163.Gutierrez-Alonso, G. (2016). Aplicaciones Geológicas de los Drones-Geological Applications of UAVs Assessing crustal recycling and granite magma generation in Central Iberia (IBERCRUST) View project Material Docente Cartografía Geológica y Geología Estructural View project. https://www.researchgate.net/publication/303696594Hartling, S., Sagan, V., & Maimaitijiang, M. (2021). Urban tree species classification using UAV-based multi-sensor data fusion and machine learning. GIScience and Remote Sensing, 58(8), 1250–1275. https://doi.org/10.1080/15481603.2021.1974275Kharuf-Gutierrez, S., Hernández-Santana, L., Orozco-Morales, R., de la Aday Díaz, O. C., & Delgado Mora, I. (2018). Análisis de imágenes multiespectrales adquiridas con vehículos aéreos no tripulados. In RIELAC (Issue 2).Lee, G., Hwang, J., & Cho, S. (2021). A novel index to detect vegetation in urban areas using uav-based multispectral images. Applied Sciences (Switzerland), 11(8). https://doi.org/10.3390/app11083472Liang, D., Liu, W., & Zhao, Y. (2022). Optimal Models for Plant Disease and Pest Detection Using UAV Image. Nature Environment and Pollution Technology, 21(4), 1609–1617. https://doi.org/10.46488/NEPT.2022.v21i04.013Liu, D. zhong, Yang, F. fei, & Liu, S. ping. (2021). Estimating wheat fractional vegetation cover using a density peak k-means algorithm based on hyperspectral image data. Journal of Integrative Agriculture, 20(11), 2880–2891. https://doi.org/10.1016/S2095-3119(20)63556-0Marcial-Pablo, M. de J., Ontiveros-Capurata, R. E., Jiménez-Jiménez, S. I., & Ojeda-Bustamante, W. (2021). Maize crop coefficient estimation based on spectral vegetation indices and vegetation cover fraction derived from uav-based multispectral images. Agronomy, 11(4). https://doi.org/10.3390/AGRONOMY11040668Oddi, L., Cremonese, E., Ascari, L., Filippa, G., Galvagno, M., Serafino, D., & di Cella, U. M. (2021). Using UAV imagery to detect and map woody species encroachment in a subalpine grassland: Advantages and limits. Remote Sensing, 13(7). https://doi.org/10.3390/rs13071239Olariu, H. G., Malambo, L., Popescu, S. C., Virgil, C., & Wilcox, B. P. (2022). Woody Plant Encroachment: Evaluating Methodologies for Semiarid Woody Species Classification from Drone Images. Remote Sensing, 14(7). https://doi.org/10.3390/rs14071665Pérez Izquierdo, C. (2020). Uso de imágenes multiespectrales de drones para evaluar el estado del arbolado en la dehesa. Catálogo de investigación joven en Extremadura. Volumen III.Pinzón, B. F. S., Ortega, J. R. T., & Rosa, P. (2016). Drones: General aspects and social applications. Visión electrónica, 10(2), 11.Revathi, K., Tamilselvi, T., Arunkumar, R., & Samydurai, A. (2022). A SMART DRONE FOR ENSURING PRECISION AGRICULTURE WITH ARTIFICIAL NEURAL NETWORK. Indian Journal of Computer Science and Engineering, 13(3), 897–906. https://doi.org/10.21817/indjcse/2022/v13i3/221303025Rivera, L. B., Bonilla, B. M., & Obando-Vidal, F. (2021). Processing multispectral imaging captured by drones to evaluate the normalized difference vegetation index of Castillo coffee plantations. Ciencia Tecnología Agropecuaria, 22(1). https://doi.org/10.21930/RCTA.VOL22_NUM1_ART:1578Saravia, V., Moraes, W., Kelbouscas, A., & Grando, R. (2022). Drones e Inteligencia Artificial para Investigaci\'on y Competici\'on. arXiv preprint arXiv:2210.11199Sohrabi, H., Gao, Y., Bhardwaj, A., & Coomes, D. A. (2022). Monitoring early-successional trees for tropical forest restoration using low-cost UAV-based species classification.Valente, J., Sari, B., Kooistra, L., Kramer, H., & Mücher, S. (2020). Automated crop plant counting from very high-resolution aerial imagery. Precision Agriculture, 21(6), 1366–1384. https://doi.org/10.1007/s11119-020-0972+5-3Wei, Y., Wang, W., Tang, X., Li, H., Hu, H., & Wang, X. (2022). Classification of Alpine Grasslands in Cold and High Altitudes Based on Multispectral Landsat-8 Images: A Case Study in Sanjiangyuan National Park, China. Remote Sensing, 14(15). https://doi.org/10.3390/rs14153714Xie, L., Meng, X., Zhao, X., Fu, L., Sharma, R. P., & Sun, H. (2022). Estimating Fractional Vegetation Cover Changes in Desert Regions Using RGB Data. Remote Sensing, 14(15). https://doi.org/10.3390/rs14153833Xu, Z., Shen, X., Cao, L., Coops, N. C., Goodbody, T. R. H., Zhong, T., Zhao, W., Sun, Q., Ba, S., Zhang, Z., & Wu, X. (2020). Tree species classification using UAS-based digital aerial photogrammetry point clouds and multispectral imageries in subtropical natural forests. International Journal of Applied Earth Observation and Geoinformation, 92. https://doi.org/10.1016/j.jag.2020.102173Yang, H., Hu, Y., Zheng, Z., Qiao, Y., Zhang, K., Guo, T., & Chen, J. (2022). Estimation of Potato Chlorophyll Content from UAV Multispectral Images with Stacking Ensemble Algorithm. Agronomy, 12(10). https://doi.org/10.3390/agronomy12102318Zhao, T., Huang, L., Wang, J., Cui, B., Li, X., & Zhu, X. (2022). Effective Screening and Texture Segmentation of Green Vegetation Cover Based on UAV Images. Traitement Du Signal, 39(4), 1435–1442. https://doi.org/10.18280/ts.39043THUMBNAIL2023lauraordoñez-davidpedraza.pdf.jpg2023lauraordoñez-davidpedraza.pdf.jpgIM Thumbnailimage/jpeg8309https://repository.usta.edu.co/bitstream/11634/50495/6/2023lauraordo%c3%b1ez-davidpedraza.pdf.jpg3137a03b92db814d51f85a705facf812MD56open accessCarta_aprobacion_facultad_ ORDOÑEZ VANEGAS LAURA CAMILA - PEDRAZA TORRES IVAN DAVID.pdf.jpgCarta_aprobacion_facultad_ ORDOÑEZ VANEGAS LAURA CAMILA - PEDRAZA TORRES IVAN DAVID.pdf.jpgIM Thumbnailimage/jpeg6715https://repository.usta.edu.co/bitstream/11634/50495/7/Carta_aprobacion_facultad_%20ORDO%c3%91EZ%20VANEGAS%20LAURA%20CAMILA%20-%20PEDRAZA%20TORRES%20IVAN%20DAVID.pdf.jpg7fc66994981c2d3568ef1187ed0faf93MD57open accessCarta_autorizacion_autoarchivo_autores.pdf.jpgCarta_autorizacion_autoarchivo_autores.pdf.jpgIM Thumbnailimage/jpeg8333https://repository.usta.edu.co/bitstream/11634/50495/8/Carta_autorizacion_autoarchivo_autores.pdf.jpgaf8363fa408cfb235abe473016e2f388MD58open accessORIGINAL2023lauraordoñez-davidpedraza.pdf2023lauraordoñez-davidpedraza.pdfTrabajo de Gradoapplication/pdf468409https://repository.usta.edu.co/bitstream/11634/50495/1/2023lauraordo%c3%b1ez-davidpedraza.pdf73a13445ca89bf93df6c0dc579d079e1MD51open accessCarta_aprobacion_facultad_ ORDOÑEZ VANEGAS LAURA CAMILA - PEDRAZA TORRES IVAN DAVID.pdfCarta_aprobacion_facultad_ ORDOÑEZ VANEGAS LAURA CAMILA - PEDRAZA TORRES IVAN DAVID.pdfCarta de aprobación facultadapplication/pdf1154096https://repository.usta.edu.co/bitstream/11634/50495/2/Carta_aprobacion_facultad_%20ORDO%c3%91EZ%20VANEGAS%20LAURA%20CAMILA%20-%20PEDRAZA%20TORRES%20IVAN%20DAVID.pdfe825ed51058f3a5090dc83b001c5a352MD52metadata only accessCarta_autorizacion_autoarchivo_autores.pdfCarta_autorizacion_autoarchivo_autores.pdfCarta Derechos de Autorapplication/pdf1058753https://repository.usta.edu.co/bitstream/11634/50495/3/Carta_autorizacion_autoarchivo_autores.pdfbf993a45a9cdee859b95ffc5eb8eb17bMD53metadata only accessCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repository.usta.edu.co/bitstream/11634/50495/4/license_rdf217700a34da79ed616c2feb68d4c5e06MD54open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-8807https://repository.usta.edu.co/bitstream/11634/50495/5/license.txtaedeaf396fcd827b537c73d23464fc27MD55open access11634/50495oai:repository.usta.edu.co:11634/504952023-05-09 08:43:55.063open accessRepositorio Universidad Santo Tomásrepositorio@usantotomas.edu.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