Clasificación inteligente de cultivos de verano en la plataforma Google Earth Engine

El monitoreo espacial de zonas agrícolas es de fundamental importancia para la toma de decisiones económicas, sociales y políticas. El objetivo de este trabajo es obtener un modelo de clasificación supervisada de cultivos de verano mediante técnicas de aprendizaje de máquina a partir del uso de imág...

Descripción completa

Detalles Bibliográficos
Autores principales:	Beron de la Puente, Federico Javier, Revollo, Natalia, Gil, Verónica
Formato:	Objeto de conferencia
Lenguaje:	Español
Publicado:	2023
Materias:	Ciencias Informáticas sistemas de monitoreo imágenes satelitales agricultura aprendizaje de máquina
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/165445
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

id	I19-R120-10915-165445
record_format	dspace
spelling	I19-R120-10915-1654452024-04-29T20:05:36Z http://sedici.unlp.edu.ar/handle/10915/165445 Clasificación inteligente de cultivos de verano en la plataforma Google Earth Engine Smart Classification of Summer Crops on the Google Earth Engine Platform Beron de la Puente, Federico Javier Revollo, Natalia Gil, Verónica 2023-09 2023 2024-04-29T16:35:12Z es Ciencias Informáticas sistemas de monitoreo imágenes satelitales agricultura aprendizaje de máquina El monitoreo espacial de zonas agrícolas es de fundamental importancia para la toma de decisiones económicas, sociales y políticas. El objetivo de este trabajo es obtener un modelo de clasificación supervisada de cultivos de verano mediante técnicas de aprendizaje de máquina a partir del uso de imágenes multiespectrales. La región elegida es el centro-sur del sistema de Ventania, en el sudoeste de la provincia de Buenos Aires, Argentina. Para la implementación del modelo basado en Random Forest (RF) se utilizó información de bandas e índices espectrales obtenidos a partir de imágenes Sentinel 2 en la plataforma Google Earth Engine (GEE). En el modelo obtenido la precisión global supera el 94%, donde se pudo discernir con una gran fiabilidad los cultivos de maíz, sorgo, girasol y pastizales. Estos resultados iniciales demuestran ser una valiosa herramienta para la gestión agrícola y la implementación de GEE facilitó la automatización de todo el proceso, reduciendo los tiempos de trabajo. The effective monitoring of agricultural areas holds significant importance for economic, social, and political decision-making. This study aims to develop a supervised classification model for identifying summer crops using machine learning techniques applied to multispectral images. The selected study area is the centre-south region of the Ventania system, located in the southwest of Buenos Aires province, Argentina. The Random Forest (RF) algorithm was employed to implement the classification model, utilizing spectral bands and indices derived from Sentinel-2 images available on the Google Earth Engine (GEE) platform. The model achieved an overall accuracy exceeding 94%, demonstrating high reliability in distinguishing maize, sorghum, sunflower, and grassland crops. These preliminary results indicate the model's potential as a valuable tool for agricultural management. Furthermore, the use of GEE enabled the automation of the entire process, reducing work time and enhancing efficiency. Sociedad Argentina de Informática e Investigación Operativa Objeto de conferencia Objeto de conferencia http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf 46-57
institution	Universidad Nacional de La Plata
institution_str	I-19
repository_str	R-120
collection	SEDICI (UNLP)
language	Español
topic	Ciencias Informáticas sistemas de monitoreo imágenes satelitales agricultura aprendizaje de máquina
spellingShingle	Ciencias Informáticas sistemas de monitoreo imágenes satelitales agricultura aprendizaje de máquina Beron de la Puente, Federico Javier Revollo, Natalia Gil, Verónica Clasificación inteligente de cultivos de verano en la plataforma Google Earth Engine
topic_facet	Ciencias Informáticas sistemas de monitoreo imágenes satelitales agricultura aprendizaje de máquina
description	El monitoreo espacial de zonas agrícolas es de fundamental importancia para la toma de decisiones económicas, sociales y políticas. El objetivo de este trabajo es obtener un modelo de clasificación supervisada de cultivos de verano mediante técnicas de aprendizaje de máquina a partir del uso de imágenes multiespectrales. La región elegida es el centro-sur del sistema de Ventania, en el sudoeste de la provincia de Buenos Aires, Argentina. Para la implementación del modelo basado en Random Forest (RF) se utilizó información de bandas e índices espectrales obtenidos a partir de imágenes Sentinel 2 en la plataforma Google Earth Engine (GEE). En el modelo obtenido la precisión global supera el 94%, donde se pudo discernir con una gran fiabilidad los cultivos de maíz, sorgo, girasol y pastizales. Estos resultados iniciales demuestran ser una valiosa herramienta para la gestión agrícola y la implementación de GEE facilitó la automatización de todo el proceso, reduciendo los tiempos de trabajo.
format	Objeto de conferencia Objeto de conferencia
author	Beron de la Puente, Federico Javier Revollo, Natalia Gil, Verónica
author_facet	Beron de la Puente, Federico Javier Revollo, Natalia Gil, Verónica
author_sort	Beron de la Puente, Federico Javier
title	Clasificación inteligente de cultivos de verano en la plataforma Google Earth Engine
title_short	Clasificación inteligente de cultivos de verano en la plataforma Google Earth Engine
title_full	Clasificación inteligente de cultivos de verano en la plataforma Google Earth Engine
title_fullStr	Clasificación inteligente de cultivos de verano en la plataforma Google Earth Engine
title_full_unstemmed	Clasificación inteligente de cultivos de verano en la plataforma Google Earth Engine
title_sort	clasificación inteligente de cultivos de verano en la plataforma google earth engine
publishDate	2023
url	http://sedici.unlp.edu.ar/handle/10915/165445
work_keys_str_mv	AT berondelapuentefedericojavier clasificacioninteligentedecultivosdeveranoenlaplataformagoogleearthengine AT revollonatalia clasificacioninteligentedecultivosdeveranoenlaplataformagoogleearthengine AT gilveronica clasificacioninteligentedecultivosdeveranoenlaplataformagoogleearthengine AT berondelapuentefedericojavier smartclassificationofsummercropsonthegoogleearthengineplatform AT revollonatalia smartclassificationofsummercropsonthegoogleearthengineplatform AT gilveronica smartclassificationofsummercropsonthegoogleearthengineplatform
_version_	1807223054424604672

Clasificación inteligente de cultivos de verano en la plataforma Google Earth Engine

Ejemplares similares