Identificación de áreas cultivadas sobre imágenes satelitales utilizando técnicas de machine learning.

En primer lugar, este proyecto existe dentro del contexto del “Proyecto de Cooperación Triangular para la reactivación económica a través de la generación de mapas interactivos del potencial energético de fuentes renovables para la planeación en Chile y Colombia”, el cual es un proyecto orientado a la construcción de un sistema que integre exploradores de energía solar y de biomasa residual agrícola, que se desarrollan en esa iniciativa, enfocado en zonas específicas de Colombia; además de identificar el uso potencial de energía solar en techos fotovoltaicos. Por otra parte, es notable señalar que el Proyecto de Cooperación Triangular (PCT) surge frente a la necesidad global en materia de seguridad alimentaria y energética, y permite impulsar el desarrollo de fuentes energéticas en Colombia, así como su expansión a través del territorio. De igual manera, es fundamental señalar que este esfuerzo conjunto se realiza cooperativamente entre Chile, Colombia y Alemania, siendo la Universidad de los Andes la entidad ejecutora en Colombia; esto último también permite entender este Proyecto de Grado como la continuación y el apoyo al desarrollo que previamente han realizado otros estudiantes de la Universidad [12, 6] siguiendo la misma línea investigativa o, especialmente, el mismo proyecto al que se acoge este Proyecto de Grado. Finalmente, el trabajo planteado para este Proyecto de Grado se basa, concretamente, en el desarrollo de modelos supervisados de Machine Learning, apoyando al desarrollo del “Atlas explorador de biomasa” del PCT, aunque este proyecto en específico no sostiene relación con los potenciales de biomasa existentes en las zonas de cultivo, con el fin de generar modelos para la identificación de zonas de cultivo de café, dentro de cierto grado de tolerancia, a través de imágenes satelitales específicas del territorio colombiano. A través de la realización de estos modelos, este Proyecto de Grado puede desligarse del PCT y establecer un proyecto independiente que sigue la misma línea investigativa y que profundiza en otros aspectos de estas tecnologías utilizadas.

• Autores: Beltrán Romero, Daniel Mauricio
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/73918
• Acceso en línea: https://hdl.handle.net/1992/73918
• Palabra clave: Producción agrícola; Identificación de cultivos; Imágenes satelitales; Modelos de predicción; Café; Aprendizaje supervisado; Machine learning; Python; Sentinel-2; Ingeniería
• Rights: embargoedAccess
• License: https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf