Estimación de biomasa aérea de eucalipto (Eucalyptus grandis) y pino (Pinus spp) en plantaciones forestales comerciales, usando imágenes satelitales Sentinel

ilustraciones, gráficas, tablas

Autores:
Tovar Blanco, Adriana Lizeth
Tipo de recurso:
Fecha de publicación:
2019
Institución:
Universidad Nacional de Colombia
Repositorio:
Universidad Nacional de Colombia
Idioma:
spa
OAI Identifier:
oai:repositorio.unal.edu.co:unal/69838
Acceso en línea:
https://repositorio.unal.edu.co/handle/unal/69838
http://bdigital.unal.edu.co/72156/
https://repositorio.unal.edu.co/
Palabra clave:
630 - Agricultura y tecnologías relacionadas::631 - Técnicas específicas, aparatos, equipos, materiales
Biomasa
Imágenes por satélites
satellite imagery
Eucalyptus
Biomass
Eucalyptus
Percepción remota
Plantación forestal comercial
Banda C
GLCM
Índice de vegetación
Random Forest
Sentinel
Remote sensing LCM, Vegetation index, textures, AGB
Comercial forest plantation
Random Forest
Rights
openAccess
License
Atribución-NoComercial-SinDerivadas 4.0 Internacional
id UNACIONAL2_bbeb065029261bab4cb020bd6d8d854d
oai_identifier_str oai:repositorio.unal.edu.co:unal/69838
network_acronym_str UNACIONAL2
network_name_str Universidad Nacional de Colombia
repository_id_str
dc.title.spa.fl_str_mv Estimación de biomasa aérea de eucalipto (Eucalyptus grandis) y pino (Pinus spp) en plantaciones forestales comerciales, usando imágenes satelitales Sentinel
title Estimación de biomasa aérea de eucalipto (Eucalyptus grandis) y pino (Pinus spp) en plantaciones forestales comerciales, usando imágenes satelitales Sentinel
spellingShingle Estimación de biomasa aérea de eucalipto (Eucalyptus grandis) y pino (Pinus spp) en plantaciones forestales comerciales, usando imágenes satelitales Sentinel
630 - Agricultura y tecnologías relacionadas::631 - Técnicas específicas, aparatos, equipos, materiales
Biomasa
Imágenes por satélites
satellite imagery
Eucalyptus
Biomass
Eucalyptus
Percepción remota
Plantación forestal comercial
Banda C
GLCM
Índice de vegetación
Random Forest
Sentinel
Remote sensing LCM, Vegetation index, textures, AGB
Comercial forest plantation
Random Forest
title_short Estimación de biomasa aérea de eucalipto (Eucalyptus grandis) y pino (Pinus spp) en plantaciones forestales comerciales, usando imágenes satelitales Sentinel
title_full Estimación de biomasa aérea de eucalipto (Eucalyptus grandis) y pino (Pinus spp) en plantaciones forestales comerciales, usando imágenes satelitales Sentinel
title_fullStr Estimación de biomasa aérea de eucalipto (Eucalyptus grandis) y pino (Pinus spp) en plantaciones forestales comerciales, usando imágenes satelitales Sentinel
title_full_unstemmed Estimación de biomasa aérea de eucalipto (Eucalyptus grandis) y pino (Pinus spp) en plantaciones forestales comerciales, usando imágenes satelitales Sentinel
title_sort Estimación de biomasa aérea de eucalipto (Eucalyptus grandis) y pino (Pinus spp) en plantaciones forestales comerciales, usando imágenes satelitales Sentinel
dc.creator.fl_str_mv Tovar Blanco, Adriana Lizeth
dc.contributor.advisor.spa.fl_str_mv Lizarazo Salcedo, Iván Alberto
Rodriguez Eraso, Nelly
dc.contributor.author.spa.fl_str_mv Tovar Blanco, Adriana Lizeth
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
Biomasa
Imágenes por satélites
satellite imagery
Eucalyptus
Biomass
Eucalyptus
Percepción remota
Plantación forestal comercial
Banda C
GLCM
Índice de vegetación
Random Forest
Sentinel
Remote sensing LCM, Vegetation index, textures, AGB
Comercial forest plantation
Random Forest
dc.subject.agrovoc.spa.fl_str_mv Biomasa
Imágenes por satélites
satellite imagery
Eucalyptus
dc.subject.agrovoc.eng.fl_str_mv Biomass
Eucalyptus
dc.subject.proposal.spa.fl_str_mv Percepción remota
Plantación forestal comercial
Banda C
GLCM
Índice de vegetación
dc.subject.proposal.eng.fl_str_mv Random Forest
Sentinel
Remote sensing LCM, Vegetation index, textures, AGB
Comercial forest plantation
Random Forest
description ilustraciones, gráficas, tablas
publishDate 2019
dc.date.accessioned.spa.fl_str_mv 2019-07-03T10:38:17Z
dc.date.available.spa.fl_str_mv 2019-07-03T10:38:17Z
dc.date.issued.spa.fl_str_mv 2019-05-06
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/69838
dc.identifier.eprints.spa.fl_str_mv http://bdigital.unal.edu.co/72156/
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/69838
http://bdigital.unal.edu.co/72156/
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 xii, 100 páginas
dc.format.mimetype.spa.fl_str_mv application/pdf
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 Escuela de posgrados
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/69838/1/AdrianaTovar.2018.pdf
https://repositorio.unal.edu.co/bitstream/unal/69838/2/AdrianaTovar.2018.pdf.jpg
bitstream.checksum.fl_str_mv 416c7be29eacf33894e47bed0d6b05e7
db63bac291822198939c023833236763
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_ 1814090232442650624
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_abf2Lizarazo Salcedo, Iván Albertob7a911d83f30c19f50a8d2f7b4e94e02500Rodriguez Eraso, Nellyd5d5e62a9d2f31388d0d23c2e379fb4c300Tovar Blanco, Adriana Lizeth5844ce87-e710-42fa-80ef-0c6db576baf53002019-07-03T10:38:17Z2019-07-03T10:38:17Z2019-05-06https://repositorio.unal.edu.co/handle/unal/69838http://bdigital.unal.edu.co/72156/Universidad Nacional de ColombiaRepositorio Institucional Universidad Nacional de Colombiahttps://repositorio.unal.edu.co/ilustraciones, gráficas, tablasLa estimación de la biomasa aérea forestal es necesaria para diversas aplicaciones técnicas y científicas, lo que permite mejorar el manejo de los bosques y plantaciones . Dado que las mediciones locales son costosas, existe un gran interés en obtener estimaciones confiables sobre grandes áreas a partir de datos de sensores remotos. Actualmente, dichas estimaciones se obtienen con una variedad de fuentes de datos, métodos estadísticos y estándares de predicción. Los datos de percepción remota en combinación con algoritmos de aprendizaje automático basados en arboles de decisión han generado resultados favorables en la estimación de valores de biomasa aérea (AGB, siglas en inglés). En este estudio, la biomasa aérea se estimó para dos especies de árboles principales, Eucalyptus grandis (E. grandis) y Pinus spp (P. spp), de plantaciones forestales comerciales en el departamento del Cauca, Colombia. La biomasa aérea se estimó combinando los datos SAR (Radar de apertura sintética) de banda C del satélite Sentinel-1A, las imágenes de textura generadas a partir de los datos de Sentinel-1A, los índices de vegetación producidos con los datos de Sentinel-2A y datos de inventarios forestales. Se usaron regresiones paramétrica lineales y regresiones no paramétricas con Random Forest para establecer una relación entre los valores medidos en campo y los parámetros de percepción remota. El uso de un modelo de Random Forest en combinación de índices de vegetación con la retrodispersión de Radar de Apertura Sintética (SAR, siglas en inglés ) como variables predictoras mostró el mejor resultado para el bosque de E. grandis, con un coeficiente de valor de determinación de 0,273 y un valor RMSE de 346,62 t.ha-1. En P. spp, el mejor resultado se pudo encontrar en la misma combinación (R2 = 0,617 y EMC = 9.025 t.ha-1). Este estudio muestra que los datos satelitales Sentinel tienen la capacidad de estimar AGB en plantaciones forestales comerciales y que el algoritmo de aprendizaje automático Random Forest puede ser muy útil para hacerlo. (Texto tomado de la fuente).The estimation of the forest aboveground biomass (AGB) is necessary for diverse technical and scientific applications, which allows to improve the management of forests and plantations. Since local measurements are expensive, there is necessary to get reliable estimates over large areas from remote sensing data. Currently, these estimations are obtained with a variety of data sources, statistical methods and prediction standards. Remote sensing data in combination with machine learning algorithms based on decision trees have generated favorable results in the estimation of aboveground biomass values. In this study, aboveground biomass was estimated for two main tree species, Eucalyptus grandis (E. grandis) and Pinus spp (P. spp), from commercial forest plantations in Cauca, Colombia. AGB was estimated by combining C-band SAR data from Sentinel-1A satellite, texture images generated from Sentinel-1A data, vegetation indices produced with Sentinel-2A data, and forest inventory data. Linear parametric regressions and nonparametric regressions as Random Forest were used to establish a relationship between the values measured in field and the parameters of remote sensing. The use of a Random Forest model in combination of vegetation indices with SAR data as predictor variables showed the best result for the E. grandis forest, with a coefficient of determination value of 0.273 and an RMSE value of 346, 62 t.ha-1. In P. spp, the best result could be found in the same combination (R2 = 0.617 and RMSE = 9.025 t.ha-1). This study shows that Sentinel satellite data have the ability to estimate AGB in commercial forest plantations and that the Random Forest machine learning algorithm can be very useful to do so.Incluye anexosMaestríaMagíster en GeomáticaGeoinformación para el uso sostenible de los recursos naturalesCiencias Agronómicasxii, 100 páginasapplication/pdfspaUniversidad Nacional de ColombiaBogotá - Ciencias Agrarias - Maestría en GeomáticaEscuela de posgradosFacultad de Ciencias AgrariasBogotá, ColombiaUniversidad Nacional de Colombia - Sede Bogotá630 - Agricultura y tecnologías relacionadas::631 - Técnicas específicas, aparatos, equipos, materialesBiomasaImágenes por satélitessatellite imageryEucalyptusBiomassEucalyptusPercepción remotaPlantación forestal comercialBanda CGLCMÍndice de vegetaciónRandom ForestSentinelRemote sensing LCM, Vegetation index, textures, AGBComercial forest plantationRandom ForestEstimación de biomasa aérea de eucalipto (Eucalyptus grandis) y pino (Pinus spp) en plantaciones forestales comerciales, usando imágenes satelitales SentinelTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMEstudiantesInvestigadoresPúblico generalORIGINALAdrianaTovar.2018.pdfTesis de Maestría en Geomáticaapplication/pdf3593179https://repositorio.unal.edu.co/bitstream/unal/69838/1/AdrianaTovar.2018.pdf416c7be29eacf33894e47bed0d6b05e7MD51THUMBNAILAdrianaTovar.2018.pdf.jpgAdrianaTovar.2018.pdf.jpgGenerated Thumbnailimage/jpeg5448https://repositorio.unal.edu.co/bitstream/unal/69838/2/AdrianaTovar.2018.pdf.jpgdb63bac291822198939c023833236763MD52unal/69838oai:repositorio.unal.edu.co:unal/698382023-06-10 23:03:37.002Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.co

Publicaciones similares