Modelo del índice normalizado de vegetación (NDVI) empleando google earth engine (GEE) en zonas cafetaleras de Rodríguez de Mendoza.

Descripción del Articulo

El índice normalizado de vegetación (NDVI) es de vital importancia para la investigación en los procesos de los cambios climáticos. El café es uno de los cultivos que está sufriendo por estos efectos climáticos. Por lo tanto, la presente investigación tuvo por objetivos: a) determinar tendencias del...

Descripción completa

Detalles Bibliográficos
Autor: Olivares Reyna, Neiro
Formato: tesis de grado
Fecha de Publicación:2023
Institución:Universidad Nacional Toribio Rodríguez de Mendoza de Amazonas
Repositorio:UNTRM-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.untrm.edu.pe:20.500.14077/3502
Enlace del recurso:https://hdl.handle.net/20.500.14077/3502
Nivel de acceso:acceso abierto
Materia:NDVI
Café
Google Earth Engine
Modelo de Regresión Lineal
Rodríguez de Mendoza
https://purl.org/pe-repo/ocde/ford#4.00.00
https://purl.org/pe-repo/ocde/ford#4.01.00
https://purl.org/pe-repo/ocde/ford#4.01.01
https://purl.org/pe-repo/ocde/ford#4.01.06
id UNTR_34bb2fc64741de5b4a7b2df758e92f2e
oai_identifier_str oai:repositorio.untrm.edu.pe:20.500.14077/3502
network_acronym_str UNTR
network_name_str UNTRM-Institucional
repository_id_str 9383
dc.title.es_PE.fl_str_mv Modelo del índice normalizado de vegetación (NDVI) empleando google earth engine (GEE) en zonas cafetaleras de Rodríguez de Mendoza.
title Modelo del índice normalizado de vegetación (NDVI) empleando google earth engine (GEE) en zonas cafetaleras de Rodríguez de Mendoza.
spellingShingle Modelo del índice normalizado de vegetación (NDVI) empleando google earth engine (GEE) en zonas cafetaleras de Rodríguez de Mendoza.
Olivares Reyna, Neiro
NDVI
Café
Google Earth Engine
Modelo de Regresión Lineal
Rodríguez de Mendoza
https://purl.org/pe-repo/ocde/ford#4.00.00
https://purl.org/pe-repo/ocde/ford#4.01.00
https://purl.org/pe-repo/ocde/ford#4.01.01
https://purl.org/pe-repo/ocde/ford#4.01.06
title_short Modelo del índice normalizado de vegetación (NDVI) empleando google earth engine (GEE) en zonas cafetaleras de Rodríguez de Mendoza.
title_full Modelo del índice normalizado de vegetación (NDVI) empleando google earth engine (GEE) en zonas cafetaleras de Rodríguez de Mendoza.
title_fullStr Modelo del índice normalizado de vegetación (NDVI) empleando google earth engine (GEE) en zonas cafetaleras de Rodríguez de Mendoza.
title_full_unstemmed Modelo del índice normalizado de vegetación (NDVI) empleando google earth engine (GEE) en zonas cafetaleras de Rodríguez de Mendoza.
title_sort Modelo del índice normalizado de vegetación (NDVI) empleando google earth engine (GEE) en zonas cafetaleras de Rodríguez de Mendoza.
author Olivares Reyna, Neiro
author_facet Olivares Reyna, Neiro
author_role author
dc.contributor.advisor.fl_str_mv García Rosero, Ligia Magali
dc.contributor.author.fl_str_mv Olivares Reyna, Neiro
dc.subject.es_PE.fl_str_mv NDVI
Café
Google Earth Engine
Modelo de Regresión Lineal
Rodríguez de Mendoza
topic NDVI
Café
Google Earth Engine
Modelo de Regresión Lineal
Rodríguez de Mendoza
https://purl.org/pe-repo/ocde/ford#4.00.00
https://purl.org/pe-repo/ocde/ford#4.01.00
https://purl.org/pe-repo/ocde/ford#4.01.01
https://purl.org/pe-repo/ocde/ford#4.01.06
dc.subject.ocde.es_PE.fl_str_mv https://purl.org/pe-repo/ocde/ford#4.00.00
https://purl.org/pe-repo/ocde/ford#4.01.00
https://purl.org/pe-repo/ocde/ford#4.01.01
https://purl.org/pe-repo/ocde/ford#4.01.06
description El índice normalizado de vegetación (NDVI) es de vital importancia para la investigación en los procesos de los cambios climáticos. El café es uno de los cultivos que está sufriendo por estos efectos climáticos. Por lo tanto, la presente investigación tuvo por objetivos: a) determinar tendencias del NDVI en zonas cafetaleras de la Provincia de Rodríguez de Mendoza 2000-2022; b) Registrar Valores para la Precipitación, Temperatura Máxima y Mínima, Humedad Relativa y Altitud y c) Construir modelos lineales (ML) para las tres zonas cafetaleras de la provincia de Rodríguez de Mendoza. Para ello, se realizó la descarga de datos para las variables, desde Climate Engine de Google Earth Engine (GEE) para NDVI y Power Nasa (Variables climáticas). En ese Contexto, se usaron las medidas de tendencia central para los valores históricos de toda la data, para ver diferencias significativas entre pixeles y entre lugares, se realizaron pruebas de ANOVA para NDVI. Así mismo, para la construcción de los modelos fue a través del programa R Studio, en donde se validaron los coeficientes para determinar el mejor modelo en cada lugar. Resultó que, en los 12 pixeles evaluados las tendencias de NDVI son variadas según cada pixel y según cada lugar, mostrando diferencias significativas entre las mismas. En ese sentido, los modelos lineales generales se lograron construir de la siguiente manera: Sauce: 1.5037778 NDVI = 0.0144962TMAX + (-0.0103273TMIN) + 0.0043354H + ( -0.0008636ALT); Rumiaco: 0.3052925NDVI = 0.0156559TMAX + -0.0148322TMIN + 0.0035842H; Huambo: 1.0137NDVI = 1.037TMAX + -5.789TMIN + 4.013H + -6.291ALT.
publishDate 2023
dc.date.accessioned.none.fl_str_mv 2023-11-28T21:42:51Z
dc.date.available.none.fl_str_mv 2023-11-28T21:42:51Z
dc.date.issued.fl_str_mv 2023
dc.type.es_PE.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.14077/3502
url https://hdl.handle.net/20.500.14077/3502
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.es_PE.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.es_PE.fl_str_mv https://creativecommons.org/licenses/by/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by/4.0/
dc.format.es_PE.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Universidad Nacional Toribio Rodríguez de Mendoza de Amazonas
dc.publisher.country.es_PE.fl_str_mv PE
dc.source.none.fl_str_mv reponame:UNTRM-Institucional
instname:Universidad Nacional Toribio Rodríguez de Mendoza de Amazonas
instacron:UNTRM
instname_str Universidad Nacional Toribio Rodríguez de Mendoza de Amazonas
instacron_str UNTRM
institution UNTRM
reponame_str UNTRM-Institucional
collection UNTRM-Institucional
bitstream.url.fl_str_mv https://repositorio.untrm.edu.pe/bitstream/20.500.14077/3502/2/license.txt
https://repositorio.untrm.edu.pe/bitstream/20.500.14077/3502/3/Neiro%20Olivares%20Reyna%20-%20FICA%20-%20AC.pdf
bitstream.checksum.fl_str_mv 8a4605be74aa9ea9d79846c1fba20a33
0c1f3445e11ab98b06af0f71cf07aa75
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositorio UNTRM
repository.mail.fl_str_mv repositorio@untrm.edu.pe
_version_ 1836013678018691072
spelling García Rosero, Ligia MagaliOlivares Reyna, Neiro2023-11-28T21:42:51Z2023-11-28T21:42:51Z2023https://hdl.handle.net/20.500.14077/3502El índice normalizado de vegetación (NDVI) es de vital importancia para la investigación en los procesos de los cambios climáticos. El café es uno de los cultivos que está sufriendo por estos efectos climáticos. Por lo tanto, la presente investigación tuvo por objetivos: a) determinar tendencias del NDVI en zonas cafetaleras de la Provincia de Rodríguez de Mendoza 2000-2022; b) Registrar Valores para la Precipitación, Temperatura Máxima y Mínima, Humedad Relativa y Altitud y c) Construir modelos lineales (ML) para las tres zonas cafetaleras de la provincia de Rodríguez de Mendoza. Para ello, se realizó la descarga de datos para las variables, desde Climate Engine de Google Earth Engine (GEE) para NDVI y Power Nasa (Variables climáticas). En ese Contexto, se usaron las medidas de tendencia central para los valores históricos de toda la data, para ver diferencias significativas entre pixeles y entre lugares, se realizaron pruebas de ANOVA para NDVI. Así mismo, para la construcción de los modelos fue a través del programa R Studio, en donde se validaron los coeficientes para determinar el mejor modelo en cada lugar. Resultó que, en los 12 pixeles evaluados las tendencias de NDVI son variadas según cada pixel y según cada lugar, mostrando diferencias significativas entre las mismas. En ese sentido, los modelos lineales generales se lograron construir de la siguiente manera: Sauce: 1.5037778 NDVI = 0.0144962TMAX + (-0.0103273TMIN) + 0.0043354H + ( -0.0008636ALT); Rumiaco: 0.3052925NDVI = 0.0156559TMAX + -0.0148322TMIN + 0.0035842H; Huambo: 1.0137NDVI = 1.037TMAX + -5.789TMIN + 4.013H + -6.291ALT.application/pdfspaUniversidad Nacional Toribio Rodríguez de Mendoza de AmazonasPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by/4.0/NDVICaféGoogle Earth EngineModelo de Regresión LinealRodríguez de Mendozahttps://purl.org/pe-repo/ocde/ford#4.00.00https://purl.org/pe-repo/ocde/ford#4.01.00https://purl.org/pe-repo/ocde/ford#4.01.01https://purl.org/pe-repo/ocde/ford#4.01.06Modelo del índice normalizado de vegetación (NDVI) empleando google earth engine (GEE) en zonas cafetaleras de Rodríguez de Mendoza.info:eu-repo/semantics/bachelorThesisreponame:UNTRM-Institucionalinstname:Universidad Nacional Toribio Rodríguez de Mendoza de Amazonasinstacron:UNTRMSUNEDU0016911738https://orcid.org/0000-0001-7508-751671806736811196Condori Apfata, Jorge AlbertoGuevara Hoyos, CésarLeiva Espinoza, Santos Triunfohttps://purl.org/pe-repo/renati/level#tituloProfesionalhttps://purl.org/pe-repo/renati/type#tesisIngeniería AgrónomaUniversidad Nacional Toribio Rodríguez de Mendoza de Amazonas. Facultad de Ingeniería y Ciencias AgrariasIngeniera AgrónomoLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.untrm.edu.pe/bitstream/20.500.14077/3502/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52METADATANeiro Olivares Reyna - FICA - AC.pdfNeiro Olivares Reyna - FICA - AC.pdfapplication/pdf159098https://repositorio.untrm.edu.pe/bitstream/20.500.14077/3502/3/Neiro%20Olivares%20Reyna%20-%20FICA%20-%20AC.pdf0c1f3445e11ab98b06af0f71cf07aa75MD5320.500.14077/3502oai:repositorio.untrm.edu.pe:20.500.14077/35022024-06-11 11:22:48.389Repositorio UNTRMrepositorio@untrm.edu.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
score 13.919782
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).