Clasificación de uso y cobertura del suelo basada en modelos de aprendizaje de máquina supervisados

La obtención de información geográfica de usos y coberturas del suelo (LULC) es crucial para el monitoreo espacio-temporal de la actividad agrícola y de sus efectos sobre el ambiente. En este marco, el objetivo del trabajo fue comparar la performance de Google Earth Engine (GEE) y del complemento Se...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Beron de la Puente, Federico Javier, Montico, Anabella, Revollo, Natalia V., Gil, Verónica, Zapperi, Paula A.
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2024
Materias:
Ciencias Informáticas
LULC
modelos de aprendizaje de máquina supervisados
áreas agrícolas
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/176972
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-176972
record_format dspace
spelling I19-R120-10915-1769722025-02-27T20:06:45Z http://sedici.unlp.edu.ar/handle/10915/176972 Clasificación de uso y cobertura del suelo basada en modelos de aprendizaje de máquina supervisados Beron de la Puente, Federico Javier Montico, Anabella Revollo, Natalia V. Gil, Verónica Zapperi, Paula A. 2024-08 2024 2025-02-27T11:42:14Z es Ciencias Informáticas LULC modelos de aprendizaje de máquina supervisados áreas agrícolas La obtención de información geográfica de usos y coberturas del suelo (LULC) es crucial para el monitoreo espacio-temporal de la actividad agrícola y de sus efectos sobre el ambiente. En este marco, el objetivo del trabajo fue comparar la performance de Google Earth Engine (GEE) y del complemento Semi-automatic Classification Plugin (SCP) dentro de QGis para clasificar LULC en imágenes multiespectrales Sentinel-2. Los modelos fueron aplicados a una región del centro-sur del sistema de Ventania, en el suroeste de la provincia de Buenos Aires, Argentina y validados con información medida in situ. Los resultados indican que ambos modelos son capaces de clasificar LULC con una precisión entre 77.6 % y 97.8%, habiendo obtenido mejores resultados con GEE. 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 1-14
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
LULC
modelos de aprendizaje de máquina supervisados
áreas agrícolas
spellingShingle Ciencias Informáticas
LULC
modelos de aprendizaje de máquina supervisados
áreas agrícolas
Beron de la Puente, Federico Javier
Montico, Anabella
Revollo, Natalia V.
Gil, Verónica
Zapperi, Paula A.
Clasificación de uso y cobertura del suelo basada en modelos de aprendizaje de máquina supervisados
topic_facet Ciencias Informáticas
LULC
modelos de aprendizaje de máquina supervisados
áreas agrícolas
description La obtención de información geográfica de usos y coberturas del suelo (LULC) es crucial para el monitoreo espacio-temporal de la actividad agrícola y de sus efectos sobre el ambiente. En este marco, el objetivo del trabajo fue comparar la performance de Google Earth Engine (GEE) y del complemento Semi-automatic Classification Plugin (SCP) dentro de QGis para clasificar LULC en imágenes multiespectrales Sentinel-2. Los modelos fueron aplicados a una región del centro-sur del sistema de Ventania, en el suroeste de la provincia de Buenos Aires, Argentina y validados con información medida in situ. Los resultados indican que ambos modelos son capaces de clasificar LULC con una precisión entre 77.6 % y 97.8%, habiendo obtenido mejores resultados con GEE.
format Objeto de conferencia
Objeto de conferencia
author Beron de la Puente, Federico Javier
Montico, Anabella
Revollo, Natalia V.
Gil, Verónica
Zapperi, Paula A.
author_facet Beron de la Puente, Federico Javier
Montico, Anabella
Revollo, Natalia V.
Gil, Verónica
Zapperi, Paula A.
author_sort Beron de la Puente, Federico Javier
title Clasificación de uso y cobertura del suelo basada en modelos de aprendizaje de máquina supervisados
title_short Clasificación de uso y cobertura del suelo basada en modelos de aprendizaje de máquina supervisados
title_full Clasificación de uso y cobertura del suelo basada en modelos de aprendizaje de máquina supervisados
title_fullStr Clasificación de uso y cobertura del suelo basada en modelos de aprendizaje de máquina supervisados
title_full_unstemmed Clasificación de uso y cobertura del suelo basada en modelos de aprendizaje de máquina supervisados
title_sort clasificación de uso y cobertura del suelo basada en modelos de aprendizaje de máquina supervisados
publishDate 2024
url http://sedici.unlp.edu.ar/handle/10915/176972
work_keys_str_mv AT berondelapuentefedericojavier clasificaciondeusoycoberturadelsuelobasadaenmodelosdeaprendizajedemaquinasupervisados
AT monticoanabella clasificaciondeusoycoberturadelsuelobasadaenmodelosdeaprendizajedemaquinasupervisados
AT revollonataliav clasificaciondeusoycoberturadelsuelobasadaenmodelosdeaprendizajedemaquinasupervisados
AT gilveronica clasificaciondeusoycoberturadelsuelobasadaenmodelosdeaprendizajedemaquinasupervisados
AT zapperipaulaa clasificaciondeusoycoberturadelsuelobasadaenmodelosdeaprendizajedemaquinasupervisados
_version_ 1847925306875183104

Ejemplares similares