Mapeo de cultivos agrícolas en Córdoba: una comparación del desempeño de tres algoritmos de clasificación

El uso de sensores remotos permite el mapeo y monitoreo de cultivos en grandes superficies. La capacidad de identificación por especie y en tiempo casi real es deseable. En el presente trabajo se describe el uso práctico de la teledetección en el mapeo de cultivos. El objetivo del estudio fue compar...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Nolasco, Miguel, Bocco, Mónica, Scavuzzo, Carlos
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2017
Materias:
Ciencias Informáticas
Córdoba (Argentina)
máxima verosimilitud
Support Vector Machine
Random Forest
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/62830
http://www.clei2017-46jaiio.sadio.org.ar/sites/default/files/Mem/CAI/CAI-06.pdf
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-62830
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
Córdoba (Argentina)
máxima verosimilitud
Support Vector Machine
Random Forest
spellingShingle Ciencias Informáticas
Córdoba (Argentina)
máxima verosimilitud
Support Vector Machine
Random Forest
Nolasco, Miguel
Bocco, Mónica
Scavuzzo, Carlos
Mapeo de cultivos agrícolas en Córdoba: una comparación del desempeño de tres algoritmos de clasificación
topic_facet Ciencias Informáticas
Córdoba (Argentina)
máxima verosimilitud
Support Vector Machine
Random Forest
description El uso de sensores remotos permite el mapeo y monitoreo de cultivos en grandes superficies. La capacidad de identificación por especie y en tiempo casi real es deseable. En el presente trabajo se describe el uso práctico de la teledetección en el mapeo de cultivos. El objetivo del estudio fue comparar el desempeño de los algoritmos de clasificación Máxima Verosimilitud, Support Vector Machine, Random Forest, y analizar el efecto de la naturaleza y número de clases a entrar en los modelos. Los resultados manifiestan la posibilidad de mapear la diversidad de coberturas agrícolas presentes, con anterioridad a la finalización de sus ciclos. Las mejores índices de precisión se alcanzaron al utilizar grupos de entrenamiento-validación, cuyas clases representaban los estadios fenológicos de cada cultivo. Se respalda la conveniencia del algoritmo de Máxima Verosimilitud, el cual alcanzo excelentes resultados, fue de ejecución simple y de bajo costo computacional.
format Objeto de conferencia
Objeto de conferencia
author Nolasco, Miguel
Bocco, Mónica
Scavuzzo, Carlos
author_facet Nolasco, Miguel
Bocco, Mónica
Scavuzzo, Carlos
author_sort Nolasco, Miguel
title Mapeo de cultivos agrícolas en Córdoba: una comparación del desempeño de tres algoritmos de clasificación
title_short Mapeo de cultivos agrícolas en Córdoba: una comparación del desempeño de tres algoritmos de clasificación
title_full Mapeo de cultivos agrícolas en Córdoba: una comparación del desempeño de tres algoritmos de clasificación
title_fullStr Mapeo de cultivos agrícolas en Córdoba: una comparación del desempeño de tres algoritmos de clasificación
title_full_unstemmed Mapeo de cultivos agrícolas en Córdoba: una comparación del desempeño de tres algoritmos de clasificación
title_sort mapeo de cultivos agrícolas en córdoba: una comparación del desempeño de tres algoritmos de clasificación
publishDate 2017
url http://sedici.unlp.edu.ar/handle/10915/62830
http://www.clei2017-46jaiio.sadio.org.ar/sites/default/files/Mem/CAI/CAI-06.pdf
work_keys_str_mv AT nolascomiguel mapeodecultivosagricolasencordobaunacomparaciondeldesempenodetresalgoritmosdeclasificacion
AT boccomonica mapeodecultivosagricolasencordobaunacomparaciondeldesempenodetresalgoritmosdeclasificacion
AT scavuzzocarlos mapeodecultivosagricolasencordobaunacomparaciondeldesempenodetresalgoritmosdeclasificacion
bdutipo_str Repositorios
_version_ 1764820480010747905

Ejemplares similares