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...

Full description

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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