Modelos de estimación de biomasa herbácea neta a partir de sensores remotos

Mostrar todas las versiones(2)

Ponencia presentada en 48 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO). XI Congreso de AgroInformática (CAI 2019). Salta, Argentina, 16 al 20 de septiembre de 2019.

Detalles Bibliográficos
Autores principales: Nolasco, Miguel Martín, Alvarez, María Paula, Suarez, Franco, Karlin, Marcos Sebastián
Formato: conferenceObject
Lenguaje:Español
Publicado: 2023
Materias:
Biomasa
Gramíneas
Modelos
Técnicas de predicción
Satélites
Imágenes por satélites
Reconocimiento aéreo
Landsat
Acceso en línea:http://hdl.handle.net/11086/549151
Aporte de:
Repositorio Digital Universitario (UNC) de Universidad Nacional de Córdoba
id I10-R141-11086-549151
record_format dspace
spelling I10-R141-11086-5491512023-11-17T15:54:48Z Modelos de estimación de biomasa herbácea neta a partir de sensores remotos Nolasco, Miguel Martín Alvarez, María Paula Suarez, Franco Karlin, Marcos Sebastián Biomasa Gramíneas Modelos Técnicas de predicción Satélites Imágenes por satélites Reconocimiento aéreo Landsat Ponencia presentada en 48 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO). XI Congreso de AgroInformática (CAI 2019). Salta, Argentina, 16 al 20 de septiembre de 2019. Fil: Nolasco, Miguel Martín. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina. Fil: Alvarez, María Paula. Universidad Nacional de Córdoba. Instituto de Altos Estudios Espaciales Mario Gulich (IG); Argentina. Fil: Alvarez, María Paula. Comisión Nacional de Actividades Espaciales (CONAE). Instituto de Altos Estudios Espaciales Mario Gulich (IG); Argentina. Fil: Suarez, Franco. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina. Fil: Karlin, Marcos Sebastián. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina. La cuantificación de la biomasa herbácea es importante, para calcular la carga animal y determinar potenciales riesgos de ignición. Sin embargo, la valoración de la biomasa en el terreno posee limitaciones para representar su variabilidad temporal y espacial. En este contexto la tecnología satelital posee el potencial de monitorear la vegetación en áreas extensas y de forma periódica. El objetivo del presente trabajo fue elaborar modelos que permitan estimar remotamente la canti-dad de biomasa en praderas polifíticas del centro de Argentina. Se seleccionaron seis sitios de entrenamiento en pastizales de la Reserva Natural de la Defensa La Calera, Provincia de Córdoba. Se utilizaron las bandas 2-3-4-5-6 y 7 de Landsat 8, e índices de diferencia normalizada de vegetación, agua y humedad. El análisis definió dos ecuaciones de regresión lineal múltiple estadísticamente significativas (p<0,0001) para la estimación de biomasa acumulada instantánea. El modelo #1, de máximo R2 (R2=0,8; AIC=407,08) incluía los índices NDVI y NDMI y las bandas 2-3-4-6. El modelo #2, de mínimo AIC (R2=0,78; AIC=406,14) abarcaba las bandas 2-3-5 y el índice NDVI. Ambos modelos obtenidos permiten la esti-mación de biomasa herbácea acumulada, independientemente del pastoreo, época del año y condición de la biomasa. Fil: Nolasco, Miguel Martín. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina. Fil: Alvarez, María Paula. Universidad Nacional de Córdoba. Instituto de Altos Estudios Espaciales Mario Gulich (IG); Argentina. Fil: Alvarez, María Paula. Comisión Nacional de Actividades Espaciales (CONAE). Instituto de Altos Estudios Espaciales Mario Gulich (IG); Argentina. Fil: Suarez, Franco. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina. Fil: Karlin, Marcos Sebastián. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina. 2023-09-26T14:44:46Z 2023-09-26T14:44:46Z 2019 conferenceObject http://hdl.handle.net/11086/549151 spa Atribución-NoComercial-CompartirIgual 4.0 Internacional http://creativecommons.org/licenses/by-nc-sa/4.0/ Anales de CAI 2019 Congreso de AgroInformática (JAIIO) ISSN: 2525-0949 http://170.210.201.137/Anales/Cai/Contribuciones http://sedici.unlp.edu.ar/handle/10915/87788
institution Universidad Nacional de Córdoba
institution_str I-10
repository_str R-141
collection Repositorio Digital Universitario (UNC)
language Español
topic Biomasa
Gramíneas
Modelos
Técnicas de predicción
Satélites
Imágenes por satélites
Reconocimiento aéreo
Landsat
spellingShingle Biomasa
Gramíneas
Modelos
Técnicas de predicción
Satélites
Imágenes por satélites
Reconocimiento aéreo
Landsat
Nolasco, Miguel Martín
Alvarez, María Paula
Suarez, Franco
Karlin, Marcos Sebastián
Modelos de estimación de biomasa herbácea neta a partir de sensores remotos
topic_facet Biomasa
Gramíneas
Modelos
Técnicas de predicción
Satélites
Imágenes por satélites
Reconocimiento aéreo
Landsat
description Ponencia presentada en 48 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO). XI Congreso de AgroInformática (CAI 2019). Salta, Argentina, 16 al 20 de septiembre de 2019.
format conferenceObject
author Nolasco, Miguel Martín
Alvarez, María Paula
Suarez, Franco
Karlin, Marcos Sebastián
author_facet Nolasco, Miguel Martín
Alvarez, María Paula
Suarez, Franco
Karlin, Marcos Sebastián
author_sort Nolasco, Miguel Martín
title Modelos de estimación de biomasa herbácea neta a partir de sensores remotos
title_short Modelos de estimación de biomasa herbácea neta a partir de sensores remotos
title_full Modelos de estimación de biomasa herbácea neta a partir de sensores remotos
title_fullStr Modelos de estimación de biomasa herbácea neta a partir de sensores remotos
title_full_unstemmed Modelos de estimación de biomasa herbácea neta a partir de sensores remotos
title_sort modelos de estimación de biomasa herbácea neta a partir de sensores remotos
publishDate 2023
url http://hdl.handle.net/11086/549151
work_keys_str_mv AT nolascomiguelmartin modelosdeestimaciondebiomasaherbaceanetaapartirdesensoresremotos
AT alvarezmariapaula modelosdeestimaciondebiomasaherbaceanetaapartirdesensoresremotos
AT suarezfranco modelosdeestimaciondebiomasaherbaceanetaapartirdesensoresremotos
AT karlinmarcossebastian modelosdeestimaciondebiomasaherbaceanetaapartirdesensoresremotos
_version_ 1806948502167617536

Ejemplares similares