Estimación de cambios de altura de un cultivo de arroz utilizando nubes de puntos de imágenes RGB-UAV

El presente trabajo de grado se centra en estimar los cambios de la altura de un cultivo de arroz utilizando imágenes obtenidas en una plataforma (UAV) con cuatro tratamientos (MIRI, AWDs, AWD y Control) en un ensayo experimental ubicado en el departamento del Tolima. Este proyecto cuenta con tres e...

Full description

Autores:
Trujillo Manjarrez, Nicolas
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2024
Institución:
Universidad de Ibagué
Repositorio:
Repositorio Universidad de Ibagué
Idioma:
spa
OAI Identifier:
oai:repositorio.unibague.edu.co:20.500.12313/4178
Acceso en línea:
https://hdl.handle.net/20.500.12313/4178
Palabra clave:
Cultivo de arroz
Imágenes RGB-UAV - Cultivo de arroz
Teledetección
Remote Sensing
Alturas
Cultivo de arroz
UAV
Ortomosaicos
Highs
Rice Cultivation
UAV
Orthomosaics
Rights
openAccess
License
http://purl.org/coar/access_right/c_abf2
id UNIBAGUE2_9067202333166e62f58d37366890d344
oai_identifier_str oai:repositorio.unibague.edu.co:20.500.12313/4178
network_acronym_str UNIBAGUE2
network_name_str Repositorio Universidad de Ibagué
repository_id_str
dc.title.spa.fl_str_mv Estimación de cambios de altura de un cultivo de arroz utilizando nubes de puntos de imágenes RGB-UAV
title Estimación de cambios de altura de un cultivo de arroz utilizando nubes de puntos de imágenes RGB-UAV
spellingShingle Estimación de cambios de altura de un cultivo de arroz utilizando nubes de puntos de imágenes RGB-UAV
Cultivo de arroz
Imágenes RGB-UAV - Cultivo de arroz
Teledetección
Remote Sensing
Alturas
Cultivo de arroz
UAV
Ortomosaicos
Highs
Rice Cultivation
UAV
Orthomosaics
title_short Estimación de cambios de altura de un cultivo de arroz utilizando nubes de puntos de imágenes RGB-UAV
title_full Estimación de cambios de altura de un cultivo de arroz utilizando nubes de puntos de imágenes RGB-UAV
title_fullStr Estimación de cambios de altura de un cultivo de arroz utilizando nubes de puntos de imágenes RGB-UAV
title_full_unstemmed Estimación de cambios de altura de un cultivo de arroz utilizando nubes de puntos de imágenes RGB-UAV
title_sort Estimación de cambios de altura de un cultivo de arroz utilizando nubes de puntos de imágenes RGB-UAV
dc.creator.fl_str_mv Trujillo Manjarrez, Nicolas
dc.contributor.advisor.none.fl_str_mv Fernández Gallego, José Armando
dc.contributor.author.none.fl_str_mv Trujillo Manjarrez, Nicolas
dc.contributor.jury.none.fl_str_mv Barrero Mendoza, Oscar
dc.subject.armarc.none.fl_str_mv Cultivo de arroz
Imágenes RGB-UAV - Cultivo de arroz
topic Cultivo de arroz
Imágenes RGB-UAV - Cultivo de arroz
Teledetección
Remote Sensing
Alturas
Cultivo de arroz
UAV
Ortomosaicos
Highs
Rice Cultivation
UAV
Orthomosaics
dc.subject.proposal.spa.fl_str_mv Teledetección
Remote Sensing
Alturas
Cultivo de arroz
UAV
dc.subject.proposal.eng.fl_str_mv Ortomosaicos
Highs
Rice Cultivation
UAV
Orthomosaics
description El presente trabajo de grado se centra en estimar los cambios de la altura de un cultivo de arroz utilizando imágenes obtenidas en una plataforma (UAV) con cuatro tratamientos (MIRI, AWDs, AWD y Control) en un ensayo experimental ubicado en el departamento del Tolima. Este proyecto cuenta con tres etapas fundamentales: (A) Creación de mapas tipo ortomosaicos y nube de puntos, (B) Procesamiento de imágenes para obtener el CHM y (C) El sistema de obtención de resultados de altura. Este trabajo permite la estimación de la altura de la planta en un cultivo de arroz mediante un algoritmo y script de python. La altura de la planta ayuda a evaluar el estado de salud de las plantas. Los resultados muestran que a alturas de 60 m son más precisos los valores de altura de la planta obteniendo una correlación de Pearson del 0.74 y 0.77. Así mismo, los ANOVA encontraron diferencias significativas en el crecimiento de las plantas en la fecha 1 a 60 metros, favoreciendo al método de Control. Por otro lado, en la fecha 2 a la misma distancia, las alturas se igualaron. A 80 metros, no hubo diferencias en la primera fecha, pero sí en la segunda.
publishDate 2024
dc.date.accessioned.none.fl_str_mv 2024-04-29T19:52:08Z
dc.date.available.none.fl_str_mv 2024-04-29T19:52:08Z
dc.date.issued.none.fl_str_mv 2024
dc.type.none.fl_str_mv Trabajo de grado - Pregrado
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.driver.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.redcol.none.fl_str_mv http://purl.org/redcol/resource_type/TP
dc.type.version.none.fl_str_mv info:eu-repo/semantics/acceptedVersion
format http://purl.org/coar/resource_type/c_7a1f
status_str acceptedVersion
dc.identifier.citation.none.fl_str_mv Trujillo Manjarres, N. (2024). Estimación de cambios de altura de un cultivo de arroz utilizando nubes de puntos de imágenes RGB-UAV. [Trabajo de grado. Universidad de Ibagué]. https://hdl.handle.net/20.500.12313/4178
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12313/4178
identifier_str_mv Trujillo Manjarres, N. (2024). Estimación de cambios de altura de un cultivo de arroz utilizando nubes de puntos de imágenes RGB-UAV. [Trabajo de grado. Universidad de Ibagué]. https://hdl.handle.net/20.500.12313/4178
url https://hdl.handle.net/20.500.12313/4178
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.references.none.fl_str_mv DANE. 2021. Producto Interno Bruto - Boletín técnico. [En línea]. Disponible en: https://www.dane.gov.co/files/investigaciones/boletines/pib/bol_PIB_IVtrim20_producion_y_gasto.pdf
Sociedad de Agricultores de Colombia (SAC). 11 de junio de 2019. La ruta de Colombia para consolidarse como una despensa del mundo. [En línea]. Disponible en: https://sac.org.co/la-ruta-de-colombia-para-consolidarse-como-una-despensa-del-mundo/ (consultado el 31 de marzo de 2023).
Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO). (2018). Transformar la alimentación y la agricultura para alcanzar los ODS. [En línea]. Disponible en: https://www.fao.org/documents/card/en/c/I9900ES
M. Bertolami. 15 de diciembre de 2022. ¿Qué le puede aportar la tecnología a la industria agro?. Forbes Colombia. Disponible en: https://forbes.co/2022/12/15/red-forbes/que-le-puede-aportar-la-tecnologia-a-la-industria-agro (consultado el 25 de abril de 2023).
Semana. 21 de febrero de 2022. Beneficios que se pueden tener al usar la tecnología en el agro colombiano. Semana. Disponible en: https://www.semana.com/economia/empresas/articulo/beneficios-que-se-pueden-tener-al-usar-la-tecnologia-en-el-agro-colombiano/202221/ (consultado el 17 de mayo de 2023).
Organización de las Naciones Unidas para la Agricultura y la Alimentación (FAO). (2004). El estado de la seguridad alimentaria y la nutrición en el mundo. Disponible en: https://www.fao.org/3/ca5162es/ca5162es.pdf
DANE. (2022). Encuesta Nacional de Arroz Mecanizado (ENAM). Disponible en: https://www.dane.gov.co/files/investigaciones/boletines/arroz/boletin_ENAM_IIsem22.pdf
De Bernardis, C. G. (n.d.). Técnicas Dinámicas para Teledetección Empleando Imágenes SAR, Ópticas y Vehículos Aéreos no Tripulado. [Tesis doctoral. Universitat d’Alacant]. Disponible en: https://rua.ua.es/dspace/handle/10045/90167
Octavio Cardona, A. 25 de julio de 2018. La contribución al ambiente es uno de los principales aportes de los sistemas de riego. AGRONEGOCIOS. Disponible en: https://www.agronegocios.co/tecnologia/cuales-son-los-beneficios-de-los-sistemas-de-riego-2751859
Trujillo Velásquez, J. 20 de diciembre de 2022. En 2021 se registró un nivel de consumo per cápita de arroz de 43,2 kilogramos al año. AGRONEGOCIOS. Disponible en: https://www.agronegocios.co/agricultura/en-2021-se-registro-un-nivel-de-consumo-per-capita-de-arroz-de-43-kilogramos-al-ano-3512508
Bejarano López, J. M. 11 de septiembre de 2020. La producción nacional genera 93% del arroz que consumen los hogares en Colombia. AGRONEGOCIOS. Disponible en: https://www.agronegocios.co/agricultura/la-produccion-nacional-genera-93-del-arroz-que-consumen-los-hogares-en-colombia-3058665
Quille Mamani, J. Fernández, L. Ontiveros R. Bustamante, W. Porras, Z. 18 al 20 de septiembre de 2019. Relación de la altura de planta del cultivo de arroz bajo estrés hídrico con índices de vegetación obtenidas de imágenes de dron. [Artículo Universidad Nacional Agraria la Molina]. Disponible en: https://www.riego.mx/congresos/comeii2019/docs/ponencias/extenso/COMEII-19043.pdf
de Lima IP, Jorge RG and de Lima JLMP (2021) Remote Sensing Monitoring of Rice Fields: Towards Assessing Water Saving Irrigation Management Practices. Front. Remote Sens. 2:762093. doi: 10.3389/frsen.2021.762093. Available from: https://www.frontiersin.org/articles/10.3389/frsen.2021.762093/full
FINAGRO, Unidad de Gestión de Riesgos Agropecuarios (UGRA). Noviembre de 2020. Ficha de inteligencia: Cultiva Arroz. Disponible en: https://www.finagro.com.co/sites/default/files/ficha_de_inteligencia_-_arroz.pdf
Logroño, S. López, C. Moyano, M. Oyague, E. 30 de abril de 2020. El alcance de la teledetección satelital utilizando modelos estadísticos y físicos y sus beneficios en áreas contables. Dominio de la ciencia. Vol. 6, núm 2, pp. 25-40. DOI: http://dx.doi.org/10.23857/dc.v6i2.1142
PIX4DMapper - el software líder en fotogrametría para mapeo profesional con drones. (2020, 25 junio). Pix4D. https://www.pix4d.com/es/producto/pix4dmapper-fotogrametria-software/
Manual de Aprendizaje QGIS — Documentación de QGIS Documentation -. (s. f.). https://docs.qgis.org/3.28/es/docs/training_manual/
Addati, G. Pérez, G. Octubre 2014. Introducción a los uavs drones o vants de uso civil. Universidad del Cema. Disponible en: https://www.econstor.eu/bitstream/10419/130802/1/799216895.pdf
Del Rio-Santana, O. Espinoza, T. Sáenz, A. Córtes, F. 2019. Levantamientos Topográficos con Drones. Revista Ciencia, Ingeniería y Desarrollo Tec Lerdo, Volumen:1. Núm 5. ISSN: 2448-623X. Disponible en: http://revistacid.itslerdo.edu.mx/coninci2019/CID012.pdf
Kürschner, E. Henschel, C. Hildebrandt, T. Jülich, E. Leineweber M. Paul, C. 2010. Water Saving in Rice Production-Dissemination, Adoption and Short Term Impacts of Alternate Wetting and Drying (AWD) in Bangladesh. Disponible en: https://citeseerx.ist.psu.edu/document?repid=rep1&type=pdf&doi=a6e40390ddef98ccb1b6d98d9bd8ce914397e20b
Vories, E. D., Tacker, P. L. y Hogan, R. (2005). Multiple inlet approach to reduce water requirements for rice production. Applied Engineering in Agriculture 21 (4), 611 – 616.
Ministerio de agricultura, Pesca y Alimentación. (s. f.). Riego por gravedad. Disponible en: https://www.mapa.gob.es/es/ministerio/servicios/informacion/plataforma-de-conocimiento-para-el-medio-rural-y-pesquero/observatorio-de-tecnologias-probadas/material-de-riego/riego-gravedad.aspx#:~:text=La%20caracter%C3%ADstica%20principal%20del%20riego,en%20el%20perfil%20del%20suelo
GIS logo. (s. f.). Código EPSG 3116. Free File Format Apps. https://products.aspose.app/gis/es/epsg/code-3116#:~:text=En%20resumen%2C%20el%20c%C3%B3digo%20EPSG,garantizan%20un%20an%C3%A1lisis%20espacial%20preciso
Gregorius, B. (2019, 11 octubre). DEM, DSM & DTM: Digital Elevation Model - Why it's important - AEVEX Geodetics. AEVEX Geodetics. https://geodetics.com/dem-dsm-dtm-digital-elevation-models/
¿Qué es el RTK y cómo funciona? – DSP Analytic. (s. f.). https://dspanalytic.com/inspeccion-aerea/inspeccion_rtk/
Pix4D. (2019, 5 diciembre). Ground Control points. Why are they important? Pix4D. https://www.pix4d.com/blog/why-ground-Control-points-important/
Team, S. (s. f.). Home — Spyder IDE. © 2023 Spyder Website Contributors. https://www.spyder-ide.org/
Warmerdam, F. Rouault, E. (s.f). GDAL Documentation. Disponible en: https://gdal.org/gdal.pdf
Alberca, A. S. (2022, 12 mayo). La librería NumPy | Aprende con Alf. Aprende con Alf. https://aprendeconalf.es/docencia/python/manual/numpy/
¿Qué es el NAS? - Explicación del almacenamiento conectado a la red - AWS. (s. f.). Amazon Web Services, Inc. https://aws.amazon.com/es/what-is/nas/
Yang, C., Yang, M., Tseng, W., Hsu, Y., Li, G., Lai, M., Wu, D., & Lu, H. (2020). Assessment of rice developmental stage using time series UAV imagery for variable irrigation management. Sensors, 20(18), 5354. https://doi.org/10.3390/s20185354
Kawamura, K., Asai, H., Yasuda, T., Khanthavong, P., Soisouvanh, P., & Phongchanmixay, S. (2020). Field phenotyping of plant height in an upland rice field in Laos using low-cost small unmanned aerial vehicles (UAVs). Plant Production Science, 23(4), 452-465. https://doi.org/10.1080/1343943x.2020.1766362
Nhamo, L., Magidi, J., Nyamugama, A., Clulow, A. D., Sibanda, M., Chimonyo, V. G. P., & Mabhaudhi, T. (2020). Prospects of improving agricultural and water productivity through unmanned aerial vehicles. Agriculture, 10(7), 256. https://doi.org/10.3390/agriculture10070256
Tsouros, D. C., Bibi, S., & Sarigiannidis, P. (2019). A review on UAV-Based Applications for Precision Agriculture. Information, 10(11), 349. https://doi.org/10.3390/info10110349
Lu, W., Okayama, T., & Komatsuzaki, M. (2021). Rice height monitoring between different estimation models using UAV photogrammetry and multispectral technology. Remote Sensing, 14(1), 78. https://doi.org/10.3390/rs14010078
Chavet, M. (2022). Estudio de la modelación del cultivo de arroz bajo diferentes sistemas de riego y planificación en el distrito de UsoCoello y análisis del modelo aplicado a la región del Tolima en Colombia. (Tesis de maestría inédita). Universidad de Lieja, Lieja, Bélgica. Obtenido de https://matheo.uliege.be/handle/2268.2/16006
Xie, T., Li, J., Yang, C., Jiang, Z., Chen, Y., Guo, L., & Zhang, J. (2021). Crop height estimation based on UAV images: Methods, errors, and strategies. Computers and Electronics in Agriculture, 185(106155), 106155. https://doi.org/10.1016/j.compag.2021.106155
Muang Prakhon, R., & Kaewplang, S. (2021). Estimation of paddy rice plant height using UAV remote sensing. Engineering Access, 7(2), 93-97.
Phan, A. T. T., & Takahashi, K. (2021). Estimation of Rice Plant Height from a Low-Cost UAVBased Lidar Point Clouds. International Journal of Geoinformatics, 17(2).
Lee, K., Park, C.-W., So, K.-H., & Na, S. (2017). Selection of optimal vegetation indices and regression model for estimation of rice growth using UAV aerial images. Han’guk T’oyang Piryo Hakhoe Chi. Han’guk T’oyang Piryo Hakhoe, 50(5), 409–421. https://doi.org/10.7745/kjssf.2017.50.5.409
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.none.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.license.none.fl_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.uri.none.fl_str_mv https://creativecommons.org/licenses/by-nc/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://purl.org/coar/access_right/c_abf2
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
https://creativecommons.org/licenses/by-nc/4.0/
dc.format.extent.none.fl_str_mv 83 páginas
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de Ibagué
dc.publisher.faculty.none.fl_str_mv Ingenieria
dc.publisher.place.none.fl_str_mv Ibagué
dc.publisher.program.none.fl_str_mv Ingeniería Electrónica
publisher.none.fl_str_mv Universidad de Ibagué
institution Universidad de Ibagué
bitstream.url.fl_str_mv https://repositorio.unibague.edu.co/bitstreams/6a6a2f2e-c308-41f5-862c-878f6148a550/download
https://repositorio.unibague.edu.co/bitstreams/a3cc33cf-5346-4e1a-bd85-e7f7f842ffd2/download
https://repositorio.unibague.edu.co/bitstreams/7fc501f2-e7c3-4e49-8fa8-1531125fdb35/download
https://repositorio.unibague.edu.co/bitstreams/9b5dfe8b-6619-4068-8c9d-f70c0b88c35e/download
https://repositorio.unibague.edu.co/bitstreams/7e1cdc04-7a87-4ebd-92b4-3601affac95e/download
https://repositorio.unibague.edu.co/bitstreams/66ba137e-073b-4ff1-9b64-eac40b0ff1c5/download
https://repositorio.unibague.edu.co/bitstreams/2188d952-ae47-4895-afa4-827423de188c/download
https://repositorio.unibague.edu.co/bitstreams/269e1582-702b-457f-a033-074e75abd4ed/download
bitstream.checksum.fl_str_mv 0e61d40cd99b6df490989a4062e9a7d1
fdf7a9c257fdbe8652fd7b46bac45897
cef3f29f7c287f49e29aebe93b09d538
2fa3e590786b9c0f3ceba1b9656b7ac3
5fe3a8897f28fa540abacb0cdfd15391
28d373841c1522820f3a22308f61bc2d
093678141b0a2ddfc9db988a7d6d3f87
b950e17f790059aaf1a753508fd094fc
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad de Ibagué
repository.mail.fl_str_mv bdigital@metabiblioteca.com
_version_ 1814204132428349440
spelling Fernández Gallego, José Armandod2c5386d-f50b-49b2-b1ac-3ca032166759-1Trujillo Manjarrez, Nicolasb08eda27-7d09-47df-a671-0302082e496c-1Barrero Mendoza, Oscar2d7e2643-9c20-40f0-a36b-4ecd5bf1e652-12024-04-29T19:52:08Z2024-04-29T19:52:08Z2024El presente trabajo de grado se centra en estimar los cambios de la altura de un cultivo de arroz utilizando imágenes obtenidas en una plataforma (UAV) con cuatro tratamientos (MIRI, AWDs, AWD y Control) en un ensayo experimental ubicado en el departamento del Tolima. Este proyecto cuenta con tres etapas fundamentales: (A) Creación de mapas tipo ortomosaicos y nube de puntos, (B) Procesamiento de imágenes para obtener el CHM y (C) El sistema de obtención de resultados de altura. Este trabajo permite la estimación de la altura de la planta en un cultivo de arroz mediante un algoritmo y script de python. La altura de la planta ayuda a evaluar el estado de salud de las plantas. Los resultados muestran que a alturas de 60 m son más precisos los valores de altura de la planta obteniendo una correlación de Pearson del 0.74 y 0.77. Así mismo, los ANOVA encontraron diferencias significativas en el crecimiento de las plantas en la fecha 1 a 60 metros, favoreciendo al método de Control. Por otro lado, en la fecha 2 a la misma distancia, las alturas se igualaron. A 80 metros, no hubo diferencias en la primera fecha, pero sí en la segunda.The present thesis focuses on estimating changes in the height of a rice crop using images obtained from a UAV platform with four treatments (MIRI, AWDs, AWD, and Control) in an experimental trial located in the Tolima department. This project consists of three fundamental stages: (A) Creation of orthomosaic maps and point clouds, (B) Image processing to obtain the CHM, and (C) The system for obtaining height results. This work enables the estimation of plant height in a rice crop using a Python algorithm and script. Plant height helps evaluate the health status of the plants. The results show that at 60 meters, the plant height values are more accurate, obtaining a Pearson correlation of 0.74 and 0.77. Similarly, ANOVA found significant differences in plant growth on the 1st date at 60 meters, favoring the Control method. On the other hand, on the 2nd date at the same distance, the heights became equalized. At 80 meters, there were no differences on the first date, but differences were observed on the second date.PregradoIngeniero ElectrónicoResumen 5 1. Introducción 1 1.1 Planteamiento del problema y justificación 4 1.2 Objetivos 6 Objetivo General 6 Objetivos Específicos 6 2. Marco Teórico 7 2.1 Teledetección 7 2.4 Dron-UAV 8 2.5 Ortomosaico 8 2.6 Métodos de Riego 9 2.6.1 AWD 9 2.6.2 MIRI 10 2.6.2 Control o Riego por gravedad 10 2.7 Precisión de Geolocalización 12 2.8 EPSG: 3116 MAGNA SIRGAS 12 2.10 Point cloud classification 13 2.11 DTM 14 2.12 DSM 15 2.13 Raster 16 2.17 ShapeFile 17 2.18 RTK 18 2.19 GCP 19 2.23 Estado del arte 20 2. Metodología y desarrollo de los modelos de altura 22 2.1 Creación de mapas tipo ortomosaicos y nube de puntos (A) 25 2.2 Procesamiento de imágenes para obtener el CHM (B) 28 3.3 El sistema de obtención de resultados de altura (C) 31 3. Resultados 36 3.1 Ortomosaicos 36 3.2 Valores obtenidos de los CHM 37 3.3 Validación de los resultados 38 3.4 ANOVA entre tratamientos 39 4. Discusión 40 5. Conclusiones 42 6. Anexos 44 Anexo 1, Código de python para resta entre DSM y DTM fecha 1 de 60 m: 44 Anexo 2, Código de python para resta entre DSM y DTM fecha 1 de 80 m: 45 Anexo 3, Código de python para resta entre DSM y DTM fecha 2 de 60 m: 47 Anexo 4, Código de python para resta entre DSM y DTM fecha 2 de 80 m: 48 Anexo 5, Tabla de resultados estimados por el modelo de altura: 50 Anexo 6, Link de ubicación de los mapas, DSM y DTM: 55 Anexo 7, Softwares y Tecnologías: 56 7.1 Pix4Dmapper Pro 56 7.2 QGIS 57 7.3 Reporte de Calidad 58 7.4 Nube de puntos 59 7.5 Raster calculator 59 7.6 Cortar raster por capa de máscara 60 7.8 Estadísticas de zona 61 7.9 Spyder 62 7.10 Librerías 63 7.10.1 GDAL 63 7.10.2 Numpy 64 7. Referencias bibliográficas 6683 páginasapplication/pdfTrujillo Manjarres, N. (2024). Estimación de cambios de altura de un cultivo de arroz utilizando nubes de puntos de imágenes RGB-UAV. [Trabajo de grado. Universidad de Ibagué]. https://hdl.handle.net/20.500.12313/4178https://hdl.handle.net/20.500.12313/4178spaUniversidad de IbaguéIngenieriaIbaguéIngeniería ElectrónicaDANE. 2021. Producto Interno Bruto - Boletín técnico. [En línea]. Disponible en: https://www.dane.gov.co/files/investigaciones/boletines/pib/bol_PIB_IVtrim20_producion_y_gasto.pdfSociedad de Agricultores de Colombia (SAC). 11 de junio de 2019. La ruta de Colombia para consolidarse como una despensa del mundo. [En línea]. Disponible en: https://sac.org.co/la-ruta-de-colombia-para-consolidarse-como-una-despensa-del-mundo/ (consultado el 31 de marzo de 2023).Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO). (2018). Transformar la alimentación y la agricultura para alcanzar los ODS. [En línea]. Disponible en: https://www.fao.org/documents/card/en/c/I9900ESM. Bertolami. 15 de diciembre de 2022. ¿Qué le puede aportar la tecnología a la industria agro?. Forbes Colombia. Disponible en: https://forbes.co/2022/12/15/red-forbes/que-le-puede-aportar-la-tecnologia-a-la-industria-agro (consultado el 25 de abril de 2023).Semana. 21 de febrero de 2022. Beneficios que se pueden tener al usar la tecnología en el agro colombiano. Semana. Disponible en: https://www.semana.com/economia/empresas/articulo/beneficios-que-se-pueden-tener-al-usar-la-tecnologia-en-el-agro-colombiano/202221/ (consultado el 17 de mayo de 2023).Organización de las Naciones Unidas para la Agricultura y la Alimentación (FAO). (2004). El estado de la seguridad alimentaria y la nutrición en el mundo. Disponible en: https://www.fao.org/3/ca5162es/ca5162es.pdfDANE. (2022). Encuesta Nacional de Arroz Mecanizado (ENAM). Disponible en: https://www.dane.gov.co/files/investigaciones/boletines/arroz/boletin_ENAM_IIsem22.pdfDe Bernardis, C. G. (n.d.). Técnicas Dinámicas para Teledetección Empleando Imágenes SAR, Ópticas y Vehículos Aéreos no Tripulado. [Tesis doctoral. Universitat d’Alacant]. Disponible en: https://rua.ua.es/dspace/handle/10045/90167Octavio Cardona, A. 25 de julio de 2018. La contribución al ambiente es uno de los principales aportes de los sistemas de riego. AGRONEGOCIOS. Disponible en: https://www.agronegocios.co/tecnologia/cuales-son-los-beneficios-de-los-sistemas-de-riego-2751859Trujillo Velásquez, J. 20 de diciembre de 2022. En 2021 se registró un nivel de consumo per cápita de arroz de 43,2 kilogramos al año. AGRONEGOCIOS. Disponible en: https://www.agronegocios.co/agricultura/en-2021-se-registro-un-nivel-de-consumo-per-capita-de-arroz-de-43-kilogramos-al-ano-3512508Bejarano López, J. M. 11 de septiembre de 2020. La producción nacional genera 93% del arroz que consumen los hogares en Colombia. AGRONEGOCIOS. Disponible en: https://www.agronegocios.co/agricultura/la-produccion-nacional-genera-93-del-arroz-que-consumen-los-hogares-en-colombia-3058665Quille Mamani, J. Fernández, L. Ontiveros R. Bustamante, W. Porras, Z. 18 al 20 de septiembre de 2019. Relación de la altura de planta del cultivo de arroz bajo estrés hídrico con índices de vegetación obtenidas de imágenes de dron. [Artículo Universidad Nacional Agraria la Molina]. Disponible en: https://www.riego.mx/congresos/comeii2019/docs/ponencias/extenso/COMEII-19043.pdfde Lima IP, Jorge RG and de Lima JLMP (2021) Remote Sensing Monitoring of Rice Fields: Towards Assessing Water Saving Irrigation Management Practices. Front. Remote Sens. 2:762093. doi: 10.3389/frsen.2021.762093. Available from: https://www.frontiersin.org/articles/10.3389/frsen.2021.762093/fullFINAGRO, Unidad de Gestión de Riesgos Agropecuarios (UGRA). Noviembre de 2020. Ficha de inteligencia: Cultiva Arroz. Disponible en: https://www.finagro.com.co/sites/default/files/ficha_de_inteligencia_-_arroz.pdfLogroño, S. López, C. Moyano, M. Oyague, E. 30 de abril de 2020. El alcance de la teledetección satelital utilizando modelos estadísticos y físicos y sus beneficios en áreas contables. Dominio de la ciencia. Vol. 6, núm 2, pp. 25-40. DOI: http://dx.doi.org/10.23857/dc.v6i2.1142PIX4DMapper - el software líder en fotogrametría para mapeo profesional con drones. (2020, 25 junio). Pix4D. https://www.pix4d.com/es/producto/pix4dmapper-fotogrametria-software/Manual de Aprendizaje QGIS — Documentación de QGIS Documentation -. (s. f.). https://docs.qgis.org/3.28/es/docs/training_manual/Addati, G. Pérez, G. Octubre 2014. Introducción a los uavs drones o vants de uso civil. Universidad del Cema. Disponible en: https://www.econstor.eu/bitstream/10419/130802/1/799216895.pdfDel Rio-Santana, O. Espinoza, T. Sáenz, A. Córtes, F. 2019. Levantamientos Topográficos con Drones. Revista Ciencia, Ingeniería y Desarrollo Tec Lerdo, Volumen:1. Núm 5. ISSN: 2448-623X. Disponible en: http://revistacid.itslerdo.edu.mx/coninci2019/CID012.pdfKürschner, E. Henschel, C. Hildebrandt, T. Jülich, E. Leineweber M. Paul, C. 2010. Water Saving in Rice Production-Dissemination, Adoption and Short Term Impacts of Alternate Wetting and Drying (AWD) in Bangladesh. Disponible en: https://citeseerx.ist.psu.edu/document?repid=rep1&type=pdf&doi=a6e40390ddef98ccb1b6d98d9bd8ce914397e20bVories, E. D., Tacker, P. L. y Hogan, R. (2005). Multiple inlet approach to reduce water requirements for rice production. Applied Engineering in Agriculture 21 (4), 611 – 616.Ministerio de agricultura, Pesca y Alimentación. (s. f.). Riego por gravedad. Disponible en: https://www.mapa.gob.es/es/ministerio/servicios/informacion/plataforma-de-conocimiento-para-el-medio-rural-y-pesquero/observatorio-de-tecnologias-probadas/material-de-riego/riego-gravedad.aspx#:~:text=La%20caracter%C3%ADstica%20principal%20del%20riego,en%20el%20perfil%20del%20sueloGIS logo. (s. f.). Código EPSG 3116. Free File Format Apps. https://products.aspose.app/gis/es/epsg/code-3116#:~:text=En%20resumen%2C%20el%20c%C3%B3digo%20EPSG,garantizan%20un%20an%C3%A1lisis%20espacial%20precisoGregorius, B. (2019, 11 octubre). DEM, DSM & DTM: Digital Elevation Model - Why it's important - AEVEX Geodetics. AEVEX Geodetics. https://geodetics.com/dem-dsm-dtm-digital-elevation-models/¿Qué es el RTK y cómo funciona? – DSP Analytic. (s. f.). https://dspanalytic.com/inspeccion-aerea/inspeccion_rtk/Pix4D. (2019, 5 diciembre). Ground Control points. Why are they important? Pix4D. https://www.pix4d.com/blog/why-ground-Control-points-important/Team, S. (s. f.). Home — Spyder IDE. © 2023 Spyder Website Contributors. https://www.spyder-ide.org/Warmerdam, F. Rouault, E. (s.f). GDAL Documentation. Disponible en: https://gdal.org/gdal.pdfAlberca, A. S. (2022, 12 mayo). La librería NumPy | Aprende con Alf. Aprende con Alf. https://aprendeconalf.es/docencia/python/manual/numpy/¿Qué es el NAS? - Explicación del almacenamiento conectado a la red - AWS. (s. f.). Amazon Web Services, Inc. https://aws.amazon.com/es/what-is/nas/Yang, C., Yang, M., Tseng, W., Hsu, Y., Li, G., Lai, M., Wu, D., & Lu, H. (2020). Assessment of rice developmental stage using time series UAV imagery for variable irrigation management. Sensors, 20(18), 5354. https://doi.org/10.3390/s20185354Kawamura, K., Asai, H., Yasuda, T., Khanthavong, P., Soisouvanh, P., & Phongchanmixay, S. (2020). Field phenotyping of plant height in an upland rice field in Laos using low-cost small unmanned aerial vehicles (UAVs). Plant Production Science, 23(4), 452-465. https://doi.org/10.1080/1343943x.2020.1766362Nhamo, L., Magidi, J., Nyamugama, A., Clulow, A. D., Sibanda, M., Chimonyo, V. G. P., & Mabhaudhi, T. (2020). Prospects of improving agricultural and water productivity through unmanned aerial vehicles. Agriculture, 10(7), 256. https://doi.org/10.3390/agriculture10070256Tsouros, D. C., Bibi, S., & Sarigiannidis, P. (2019). A review on UAV-Based Applications for Precision Agriculture. Information, 10(11), 349. https://doi.org/10.3390/info10110349Lu, W., Okayama, T., & Komatsuzaki, M. (2021). Rice height monitoring between different estimation models using UAV photogrammetry and multispectral technology. Remote Sensing, 14(1), 78. https://doi.org/10.3390/rs14010078Chavet, M. (2022). Estudio de la modelación del cultivo de arroz bajo diferentes sistemas de riego y planificación en el distrito de UsoCoello y análisis del modelo aplicado a la región del Tolima en Colombia. (Tesis de maestría inédita). Universidad de Lieja, Lieja, Bélgica. Obtenido de https://matheo.uliege.be/handle/2268.2/16006Xie, T., Li, J., Yang, C., Jiang, Z., Chen, Y., Guo, L., & Zhang, J. (2021). Crop height estimation based on UAV images: Methods, errors, and strategies. Computers and Electronics in Agriculture, 185(106155), 106155. https://doi.org/10.1016/j.compag.2021.106155Muang Prakhon, R., & Kaewplang, S. (2021). Estimation of paddy rice plant height using UAV remote sensing. Engineering Access, 7(2), 93-97.Phan, A. T. T., & Takahashi, K. (2021). Estimation of Rice Plant Height from a Low-Cost UAVBased Lidar Point Clouds. International Journal of Geoinformatics, 17(2).Lee, K., Park, C.-W., So, K.-H., & Na, S. (2017). Selection of optimal vegetation indices and regression model for estimation of rice growth using UAV aerial images. Han’guk T’oyang Piryo Hakhoe Chi. Han’guk T’oyang Piryo Hakhoe, 50(5), 409–421. https://doi.org/10.7745/kjssf.2017.50.5.409info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)https://creativecommons.org/licenses/by-nc/4.0/Cultivo de arrozImágenes RGB-UAV - Cultivo de arrozTeledetecciónRemote SensingAlturasCultivo de arrozUAVOrtomosaicosHighsRice CultivationUAVOrthomosaicsEstimación de cambios de altura de un cultivo de arroz utilizando nubes de puntos de imágenes RGB-UAVTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1fTextinfo:eu-repo/semantics/bachelorThesishttp://purl.org/redcol/resource_type/TPinfo:eu-repo/semantics/acceptedVersionPublicationORIGINALTrabajo de grado.pdfTrabajo de grado.pdfapplication/pdf6499934https://repositorio.unibague.edu.co/bitstreams/6a6a2f2e-c308-41f5-862c-878f6148a550/download0e61d40cd99b6df490989a4062e9a7d1MD56Anexos.rarAnexos.rarapplication/octet-stream499649959https://repositorio.unibague.edu.co/bitstreams/a3cc33cf-5346-4e1a-bd85-e7f7f842ffd2/downloadfdf7a9c257fdbe8652fd7b46bac45897MD53Formato de Autorización.pdfFormato de Autorización.pdfapplication/pdf140484https://repositorio.unibague.edu.co/bitstreams/7fc501f2-e7c3-4e49-8fa8-1531125fdb35/downloadcef3f29f7c287f49e29aebe93b09d538MD55LICENSElicense.txtlicense.txttext/plain; charset=utf-8134https://repositorio.unibague.edu.co/bitstreams/9b5dfe8b-6619-4068-8c9d-f70c0b88c35e/download2fa3e590786b9c0f3ceba1b9656b7ac3MD54TEXTTrabajo de grado.pdf.txtTrabajo de grado.pdf.txtExtracted texttext/plain102532https://repositorio.unibague.edu.co/bitstreams/7e1cdc04-7a87-4ebd-92b4-3601affac95e/download5fe3a8897f28fa540abacb0cdfd15391MD57Formato de Autorización.pdf.txtFormato de Autorización.pdf.txtExtracted texttext/plain3081https://repositorio.unibague.edu.co/bitstreams/66ba137e-073b-4ff1-9b64-eac40b0ff1c5/download28d373841c1522820f3a22308f61bc2dMD59THUMBNAILTrabajo de grado.pdf.jpgTrabajo de grado.pdf.jpgGenerated Thumbnailimage/jpeg6523https://repositorio.unibague.edu.co/bitstreams/2188d952-ae47-4895-afa4-827423de188c/download093678141b0a2ddfc9db988a7d6d3f87MD58Formato de Autorización.pdf.jpgFormato de Autorización.pdf.jpgGenerated Thumbnailimage/jpeg14292https://repositorio.unibague.edu.co/bitstreams/269e1582-702b-457f-a033-074e75abd4ed/downloadb950e17f790059aaf1a753508fd094fcMD51020.500.12313/4178oai:repositorio.unibague.edu.co:20.500.12313/41782024-04-30 03:01:29.963https://creativecommons.org/licenses/by-nc/4.0/https://repositorio.unibague.edu.coRepositorio Institucional Universidad de Ibaguébdigital@metabiblioteca.comQ3JlYXRpdmUgQ29tbW9ucyBBdHRyaWJ1dGlvbi1Ob25Db21tZXJjaWFsLU5vRGVyaXZhdGl2ZXMgNC4wIEludGVybmF0aW9uYWwgTGljZW5zZQ0KaHR0cHM6Ly9jcmVhdGl2ZWNvbW1vbnMub3JnL2xpY2Vuc2VzL2J5LW5jLW5kLzQuMC8=