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...
- 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
id |
UNIANDES2_af4dd3d9fa12882f00bbca72c48edf84 |
---|---|
oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/73918 |
network_acronym_str |
UNIANDES2 |
network_name_str |
Séneca: repositorio Uniandes |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Identificación de áreas cultivadas sobre imágenes satelitales utilizando técnicas de machine learning. |
title |
Identificación de áreas cultivadas sobre imágenes satelitales utilizando técnicas de machine learning. |
spellingShingle |
Identificación de áreas cultivadas sobre imágenes satelitales utilizando técnicas de machine learning. Producción agrícola Identificación de cultivos Imágenes satelitales Modelos de predicción Café Aprendizaje supervisado Machine learning Python Sentinel-2 Ingeniería |
title_short |
Identificación de áreas cultivadas sobre imágenes satelitales utilizando técnicas de machine learning. |
title_full |
Identificación de áreas cultivadas sobre imágenes satelitales utilizando técnicas de machine learning. |
title_fullStr |
Identificación de áreas cultivadas sobre imágenes satelitales utilizando técnicas de machine learning. |
title_full_unstemmed |
Identificación de áreas cultivadas sobre imágenes satelitales utilizando técnicas de machine learning. |
title_sort |
Identificación de áreas cultivadas sobre imágenes satelitales utilizando técnicas de machine learning. |
dc.creator.fl_str_mv |
Beltrán Romero, Daniel Mauricio |
dc.contributor.advisor.none.fl_str_mv |
Núñez Castro, Haydemar María Lozano Martínez, Fernando Enrique |
dc.contributor.author.none.fl_str_mv |
Beltrán Romero, Daniel Mauricio |
dc.contributor.jury.none.fl_str_mv |
Osma Cruz, Johann Faccelo |
dc.subject.keyword.spa.fl_str_mv |
Producción agrícola Identificación de cultivos Imágenes satelitales Modelos de predicción Café Aprendizaje supervisado |
topic |
Producción agrícola Identificación de cultivos Imágenes satelitales Modelos de predicción Café Aprendizaje supervisado Machine learning Python Sentinel-2 Ingeniería |
dc.subject.keyword.eng.fl_str_mv |
Machine learning Python Sentinel-2 |
dc.subject.themes.spa.fl_str_mv |
Ingeniería |
description |
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. |
publishDate |
2024 |
dc.date.accessioned.none.fl_str_mv |
2024-02-05T21:16:24Z |
dc.date.issued.none.fl_str_mv |
2024-02-01 |
dc.date.accepted.none.fl_str_mv |
2024-02-02 |
dc.type.none.fl_str_mv |
Trabajo de grado - Pregrado |
dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
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.content.none.fl_str_mv |
Text |
dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
format |
http://purl.org/coar/resource_type/c_7a1f |
status_str |
acceptedVersion |
dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/1992/73918 |
dc.identifier.instname.none.fl_str_mv |
instname:Universidad de los Andes |
dc.identifier.reponame.none.fl_str_mv |
reponame:Repositorio Institucional Séneca |
dc.identifier.repourl.none.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
url |
https://hdl.handle.net/1992/73918 |
identifier_str_mv |
instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
dc.language.iso.none.fl_str_mv |
spa |
language |
spa |
dc.rights.uri.none.fl_str_mv |
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf |
dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/embargoedAccess |
dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_f1cf |
rights_invalid_str_mv |
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf http://purl.org/coar/access_right/c_f1cf |
eu_rights_str_mv |
embargoedAccess |
dc.format.extent.none.fl_str_mv |
46 páginas |
dc.format.mimetype.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidad de los Andes |
dc.publisher.program.none.fl_str_mv |
Ingeniería de Sistemas y Computación Ingeniería Electrónica |
dc.publisher.faculty.none.fl_str_mv |
Facultad de Ingeniería |
dc.publisher.department.none.fl_str_mv |
Departamento de Ingeniería Sistemas y Computación Departamento de Ingeniería Eléctrica y Electrónica |
publisher.none.fl_str_mv |
Universidad de los Andes |
institution |
Universidad de los Andes |
bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/9ffc2a34-8823-47a1-b837-7bee627245b0/download https://repositorio.uniandes.edu.co/bitstreams/c82da809-a124-48ff-bae4-a18abda9ac00/download https://repositorio.uniandes.edu.co/bitstreams/9e62d4ed-0677-480b-b2c6-8e9b17862f5a/download https://repositorio.uniandes.edu.co/bitstreams/667d9c66-26fe-4db0-a0c9-c384f0d7fcd5/download https://repositorio.uniandes.edu.co/bitstreams/02968bff-0b2f-48bd-a520-2bfe9464f975/download https://repositorio.uniandes.edu.co/bitstreams/c62648ba-35ed-4a5e-9ac5-f3bf8399dac3/download https://repositorio.uniandes.edu.co/bitstreams/8fbfd36b-f3bd-4d6f-b8ec-d878c7664f70/download |
bitstream.checksum.fl_str_mv |
5bb1940c5a8cef54bae121be4616bc16 d4a77c587dfa10e20fa53bf65f238d03 ae9e573a68e7f92501b6913cc846c39f af26e2267d13a49cdfcf5c3417ad4a7b af35e6f4d303915e17f6f9913824eb0d b52e42bc1f23c808b42ca750a34ae058 2f4eab1b8d29b8f1fd61f0081b58c388 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio institucional Séneca |
repository.mail.fl_str_mv |
adminrepositorio@uniandes.edu.co |
_version_ |
1812133941604253696 |
spelling |
Núñez Castro, Haydemar MaríaLozano Martínez, Fernando EnriqueBeltrán Romero, Daniel MauricioOsma Cruz, Johann Faccelo2024-02-05T21:16:24Z2024-02-012024-02-02https://hdl.handle.net/1992/73918instname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/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.Ingeniero de Sistemas y ComputaciónPregrado46 páginasapplication/pdfspaUniversidad de los AndesIngeniería de Sistemas y ComputaciónIngeniería ElectrónicaFacultad de IngenieríaDepartamento de Ingeniería Sistemas y ComputaciónDepartamento de Ingeniería Eléctrica y Electrónicahttps://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfinfo:eu-repo/semantics/embargoedAccesshttp://purl.org/coar/access_right/c_f1cfIdentificación de áreas cultivadas sobre imágenes satelitales utilizando técnicas de machine learning.Trabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1fTexthttp://purl.org/redcol/resource_type/TPProducción agrícolaIdentificación de cultivosImágenes satelitalesModelos de predicciónCaféAprendizaje supervisadoMachine learningPythonSentinel-2Ingeniería201812807PublicationORIGINALIdentificación de áreas cultivadas sobre imágenes satelitales utilizando técnicas de machine learning.pdfIdentificación de áreas cultivadas sobre imágenes satelitales utilizando técnicas de machine learning.pdfSin acceso de forma indefinida.application/pdf2171710https://repositorio.uniandes.edu.co/bitstreams/9ffc2a34-8823-47a1-b837-7bee627245b0/download5bb1940c5a8cef54bae121be4616bc16MD52autorizacion tesis.pdfautorizacion tesis.pdfHIDEapplication/pdf263284https://repositorio.uniandes.edu.co/bitstreams/c82da809-a124-48ff-bae4-a18abda9ac00/downloadd4a77c587dfa10e20fa53bf65f238d03MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82535https://repositorio.uniandes.edu.co/bitstreams/9e62d4ed-0677-480b-b2c6-8e9b17862f5a/downloadae9e573a68e7f92501b6913cc846c39fMD53TEXTIdentificación de áreas cultivadas sobre imágenes satelitales utilizando técnicas de machine learning.pdf.txtIdentificación de áreas cultivadas sobre imágenes satelitales utilizando técnicas de machine learning.pdf.txtExtracted texttext/plain90107https://repositorio.uniandes.edu.co/bitstreams/667d9c66-26fe-4db0-a0c9-c384f0d7fcd5/downloadaf26e2267d13a49cdfcf5c3417ad4a7bMD54autorizacion tesis.pdf.txtautorizacion tesis.pdf.txtExtracted texttext/plain2138https://repositorio.uniandes.edu.co/bitstreams/02968bff-0b2f-48bd-a520-2bfe9464f975/downloadaf35e6f4d303915e17f6f9913824eb0dMD56THUMBNAILIdentificación de áreas cultivadas sobre imágenes satelitales utilizando técnicas de machine learning.pdf.jpgIdentificación de áreas cultivadas sobre imágenes satelitales utilizando técnicas de machine learning.pdf.jpgGenerated Thumbnailimage/jpeg8399https://repositorio.uniandes.edu.co/bitstreams/c62648ba-35ed-4a5e-9ac5-f3bf8399dac3/downloadb52e42bc1f23c808b42ca750a34ae058MD55autorizacion tesis.pdf.jpgautorizacion tesis.pdf.jpgGenerated Thumbnailimage/jpeg11204https://repositorio.uniandes.edu.co/bitstreams/8fbfd36b-f3bd-4d6f-b8ec-d878c7664f70/download2f4eab1b8d29b8f1fd61f0081b58c388MD571992/73918oai:repositorio.uniandes.edu.co:1992/739182024-02-16 15:05:40.649https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfrestrictedhttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.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 |