Prospección de Uranio en la región Vichada - Guanía a través de la correlación entre imágenes satelitales y muestras de campo usando Sistemas Inteligentes

ilustraciones, gráficas, tablas

Autores:
Álvarez, Luis Hernán
Tipo de recurso:
Fecha de publicación:
2013
Institución:
Universidad Nacional de Colombia
Repositorio:
Universidad Nacional de Colombia
Idioma:
spa
OAI Identifier:
oai:repositorio.unal.edu.co:unal/50388
Acceso en línea:
https://repositorio.unal.edu.co/handle/unal/50388
http://bdigital.unal.edu.co/44375/
https://repositorio.unal.edu.co/
Palabra clave:
630 - Agricultura y tecnologías relacionadas::631 - Técnicas específicas, aparatos, equipos, materiales
Landsat
RMSV
Prospección
Aprendizaje de maquina
Clasificación no supervisada
SVMR
Prospecting
Machine learning
Unsupervised classification
Uranio
Satélite de comunicación
Uranium
Rights
openAccess
License
Atribución-NoComercial-SinDerivadas 4.0 Internacional
id UNACIONAL2_32d6c93e2a207de9e24f864117fd29a6
oai_identifier_str oai:repositorio.unal.edu.co:unal/50388
network_acronym_str UNACIONAL2
network_name_str Universidad Nacional de Colombia
repository_id_str
dc.title.spa.fl_str_mv Prospección de Uranio en la región Vichada - Guanía a través de la correlación entre imágenes satelitales y muestras de campo usando Sistemas Inteligentes
title Prospección de Uranio en la región Vichada - Guanía a través de la correlación entre imágenes satelitales y muestras de campo usando Sistemas Inteligentes
spellingShingle Prospección de Uranio en la región Vichada - Guanía a través de la correlación entre imágenes satelitales y muestras de campo usando Sistemas Inteligentes
630 - Agricultura y tecnologías relacionadas::631 - Técnicas específicas, aparatos, equipos, materiales
Landsat
RMSV
Prospección
Aprendizaje de maquina
Clasificación no supervisada
SVMR
Prospecting
Machine learning
Unsupervised classification
Uranio
Satélite de comunicación
Uranium
title_short Prospección de Uranio en la región Vichada - Guanía a través de la correlación entre imágenes satelitales y muestras de campo usando Sistemas Inteligentes
title_full Prospección de Uranio en la región Vichada - Guanía a través de la correlación entre imágenes satelitales y muestras de campo usando Sistemas Inteligentes
title_fullStr Prospección de Uranio en la región Vichada - Guanía a través de la correlación entre imágenes satelitales y muestras de campo usando Sistemas Inteligentes
title_full_unstemmed Prospección de Uranio en la región Vichada - Guanía a través de la correlación entre imágenes satelitales y muestras de campo usando Sistemas Inteligentes
title_sort Prospección de Uranio en la región Vichada - Guanía a través de la correlación entre imágenes satelitales y muestras de campo usando Sistemas Inteligentes
dc.creator.fl_str_mv Álvarez, Luis Hernán
dc.contributor.advisor.spa.fl_str_mv Ochoa, Luis Hernan
dc.contributor.author.spa.fl_str_mv Álvarez, Luis Hernán
dc.contributor.researchgroup.spa.fl_str_mv laboratorio de Investigación en Sistemas Inteligentes LISI
dc.subject.ddc.spa.fl_str_mv 630 - Agricultura y tecnologías relacionadas::631 - Técnicas específicas, aparatos, equipos, materiales
topic 630 - Agricultura y tecnologías relacionadas::631 - Técnicas específicas, aparatos, equipos, materiales
Landsat
RMSV
Prospección
Aprendizaje de maquina
Clasificación no supervisada
SVMR
Prospecting
Machine learning
Unsupervised classification
Uranio
Satélite de comunicación
Uranium
dc.subject.proposal.spa.fl_str_mv Landsat
RMSV
Prospección
Aprendizaje de maquina
Clasificación no supervisada
dc.subject.proposal.eng.fl_str_mv SVMR
Prospecting
Machine learning
Unsupervised classification
dc.subject.unesco.spa.fl_str_mv Uranio
Satélite de comunicación
dc.subject.unesco.eng.fl_str_mv Uranium
description ilustraciones, gráficas, tablas
publishDate 2013
dc.date.issued.spa.fl_str_mv 2013
dc.date.accessioned.spa.fl_str_mv 2019-06-29T10:09:44Z
dc.date.available.spa.fl_str_mv 2019-06-29T10:09:44Z
dc.type.spa.fl_str_mv Trabajo de grado - Maestría
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/acceptedVersion
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TM
status_str acceptedVersion
dc.identifier.uri.none.fl_str_mv https://repositorio.unal.edu.co/handle/unal/50388
dc.identifier.eprints.spa.fl_str_mv http://bdigital.unal.edu.co/44375/
dc.identifier.instname.spa.fl_str_mv Universidad Nacional de Colombia
dc.identifier.reponame.spa.fl_str_mv Repositorio Institucional Universidad Nacional de Colombia
dc.identifier.repourl.none.fl_str_mv https://repositorio.unal.edu.co/
url https://repositorio.unal.edu.co/handle/unal/50388
http://bdigital.unal.edu.co/44375/
https://repositorio.unal.edu.co/
identifier_str_mv Universidad Nacional de Colombia
Repositorio Institucional Universidad Nacional de Colombia
dc.language.iso.spa.fl_str_mv spa
language spa
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.license.spa.fl_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional
dc.rights.uri.spa.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional
http://creativecommons.org/licenses/by-nc-nd/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.spa.fl_str_mv xv, 69 páginas
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.coverage.country.spa.fl_str_mv Colombia
dc.coverage.region.spa.fl_str_mv Departamento del Guainía
Departamento del Vichada
dc.coverage.tgn.none.fl_str_mv http://vocab.getty.edu/page/tgn/1000794
http://vocab.getty.edu/page/tgn/1000619
dc.publisher.spa.fl_str_mv Universidad Nacional de Colombia
dc.publisher.program.spa.fl_str_mv Bogotá - Ciencias Agrarias - Maestría en Geomática
dc.publisher.department.spa.fl_str_mv Departamento de Agronomía
dc.publisher.faculty.spa.fl_str_mv Facultad de Ciencias Agrarias
dc.publisher.place.spa.fl_str_mv Bogotá, Colombia
dc.publisher.branch.spa.fl_str_mv Universidad Nacional de Colombia - Sede Bogotá
institution Universidad Nacional de Colombia
bitstream.url.fl_str_mv https://repositorio.unal.edu.co/bitstream/unal/50388/1/07795021.2013.pdf
https://repositorio.unal.edu.co/bitstream/unal/50388/2/07795021.2013.pdf.jpg
bitstream.checksum.fl_str_mv b82e5a6fab9bff1d2335261280228527
6b518ef274c10405e50bedf869eaccee
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad Nacional de Colombia
repository.mail.fl_str_mv repositorio_nal@unal.edu.co
_version_ 1814090248103133184
spelling Atribución-NoComercial-SinDerivadas 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Ochoa, Luis Hernan61135e0738aca82e58b88b6d224901a3500Álvarez, Luis Hernánd35657b6-29c2-4996-accb-415f29616ae2300laboratorio de Investigación en Sistemas Inteligentes LISI2019-06-29T10:09:44Z2019-06-29T10:09:44Z2013https://repositorio.unal.edu.co/handle/unal/50388http://bdigital.unal.edu.co/44375/Universidad Nacional de ColombiaRepositorio Institucional Universidad Nacional de Colombiahttps://repositorio.unal.edu.co/ilustraciones, gráficas, tablasLa toma de muestras y sobre todo establecer con seguridad una muestra óptima en un área extensa no es un trabajo fácil, además de costoso y demorado, cuando se trata de aplicar modelos geoestadísticos que me infieran con base en un muestreo, el comportamiento similar espacial del terreno estudiado. Aplicar buena geoestadística es muy exigente si se quieren predicciones confiables y económicamente viables. Afortunadamente hay disponible grandes volúmenes de información espacial digital de Sensores Remotos con valiosa información sobre nuestro territorio. Para acceder y manipular esta información de teledetección se vienen utilizando técnicas y herramientas potentes como los sistemas inteligentes para realizar y examinar relaciones validas entre las múltiples variables que informan dichas imágenes. Por lo tanto, se propuso construir un modelo de Regresión a partir de algoritmos de minería de datos basado en Maquinas de Soporte Vectorial para relacionar los valores de los niveles digitales de una imagen LANDSAT con la posición geográfica de los valores de Uranio muestreados en campo en la campaña de prospección geoquímica realizada por el Ingeominas, en el año 2006 en la región de Vichada - Guainia. El nuevo modelo mejora la determinación de la variabilidad espacial de la variable de prospección. Plantea un mejoramiento del análisis geoestadistico clásico a partir del nuevo modelo, el cual incide en una disminución del levantamiento de muestras en campo, produciendo un ahorro muy significativo en tiempo y dinero. (Texto tomado de la fuente).Sampling and above all safely establish optimum sample over a large area is not an easy job, costly and time well, when it comes to applying geostatistical models infer based on a sampling, similar behavior studied land space. Apply good geostatistics is very demanding if you want reliable and economically viable predictions. Fortunately there are available large volumes of digital spatial information Remote Sensing with valuable information on our territory. To access and manipulate this information from remote sensing have been used as powerful tools and techniques for intelligent systems and examine relationships among multiple variables valid reporting these images. Thus, is proposed to build a regression model based on data mining algorithms based on Support Vector Machines to relate the values of the digital levels of LANDSAT image with the geographical position of Uranium values sampled in the field in geochemical prospecting campaign by the Ingeominas, in 2006 in the region of Vichada – Guainia. The new model improves the determination of the spatial variability of the variable of prospecting. It poses a classical geostatistical analysis improvement from the new model, which affects lifting a decrease in field samples, producing significant savings in time and money.Incluye anexoMaestríaMagíster en GeomáticaTecnologías geoespacialesCiencias Agronómicasxv, 69 páginasapplication/pdfspaUniversidad Nacional de ColombiaBogotá - Ciencias Agrarias - Maestría en GeomáticaDepartamento de AgronomíaFacultad de Ciencias AgrariasBogotá, ColombiaUniversidad Nacional de Colombia - Sede Bogotá630 - Agricultura y tecnologías relacionadas::631 - Técnicas específicas, aparatos, equipos, materialesLandsatRMSVProspecciónAprendizaje de maquinaClasificación no supervisadaSVMRProspectingMachine learningUnsupervised classificationUranioSatélite de comunicaciónUraniumProspección de Uranio en la región Vichada - Guanía a través de la correlación entre imágenes satelitales y muestras de campo usando Sistemas InteligentesTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMColombiaDepartamento del GuainíaDepartamento del Vichadahttp://vocab.getty.edu/page/tgn/1000794http://vocab.getty.edu/page/tgn/1000619EstudiantesInvestigadoresPúblico generalORIGINAL07795021.2013.pdfTesis de Maestría en Geomáticaapplication/pdf2230551https://repositorio.unal.edu.co/bitstream/unal/50388/1/07795021.2013.pdfb82e5a6fab9bff1d2335261280228527MD51THUMBNAIL07795021.2013.pdf.jpg07795021.2013.pdf.jpgGenerated Thumbnailimage/jpeg4331https://repositorio.unal.edu.co/bitstream/unal/50388/2/07795021.2013.pdf.jpg6b518ef274c10405e50bedf869eacceeMD52unal/50388oai:repositorio.unal.edu.co:unal/503882023-12-15 23:05:31.768Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.co

Publicaciones similares