Comunidades vegetales y estimación de biomasa con sensores multiespectrales y sistemas aéreos no tripulados en pastizales de Puna Seca

Descripción del Articulo

Universidad Nacional Agraria La Molina. Escuela de Posgrado. Doctorado en Ciencia Animal
Detalles Bibliográficos
Autor: Estrada Zúñiga, Andrés Corsino
Formato: tesis doctoral
Fecha de Publicación:2021
Institución:Universidad Nacional Agraria La Molina
Repositorio:UNALM-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.lamolina.edu.pe:20.500.12996/4788
Enlace del recurso:https://hdl.handle.net/20.500.12996/4788
Nivel de acceso:acceso abierto
Materia:Pastizales
Ecosistema
Sensores
Satélites
Mejora de pastizales
Datos
Biomasa
Índice de vegetación
Evaluación
Perú
Pajonales altoandinos
https://purl.org/pe-repo/ocde/ford#4.02.01
id UNAL_df8a60553c318d46225409309366c961
oai_identifier_str oai:repositorio.lamolina.edu.pe:20.500.12996/4788
network_acronym_str UNAL
network_name_str UNALM-Institucional
repository_id_str 3039
dc.title.es_PE.fl_str_mv Comunidades vegetales y estimación de biomasa con sensores multiespectrales y sistemas aéreos no tripulados en pastizales de Puna Seca
title Comunidades vegetales y estimación de biomasa con sensores multiespectrales y sistemas aéreos no tripulados en pastizales de Puna Seca
spellingShingle Comunidades vegetales y estimación de biomasa con sensores multiespectrales y sistemas aéreos no tripulados en pastizales de Puna Seca
Estrada Zúñiga, Andrés Corsino
Pastizales
Ecosistema
Sensores
Satélites
Mejora de pastizales
Datos
Biomasa
Índice de vegetación
Evaluación
Perú
Pajonales altoandinos
https://purl.org/pe-repo/ocde/ford#4.02.01
title_short Comunidades vegetales y estimación de biomasa con sensores multiespectrales y sistemas aéreos no tripulados en pastizales de Puna Seca
title_full Comunidades vegetales y estimación de biomasa con sensores multiespectrales y sistemas aéreos no tripulados en pastizales de Puna Seca
title_fullStr Comunidades vegetales y estimación de biomasa con sensores multiespectrales y sistemas aéreos no tripulados en pastizales de Puna Seca
title_full_unstemmed Comunidades vegetales y estimación de biomasa con sensores multiespectrales y sistemas aéreos no tripulados en pastizales de Puna Seca
title_sort Comunidades vegetales y estimación de biomasa con sensores multiespectrales y sistemas aéreos no tripulados en pastizales de Puna Seca
author Estrada Zúñiga, Andrés Corsino
author_facet Estrada Zúñiga, Andrés Corsino
author_role author
dc.contributor.advisor.fl_str_mv Ñaupari Vásquez, Javier Arturo
Flores Mariazza, Enrique Ricardo
dc.contributor.author.fl_str_mv Estrada Zúñiga, Andrés Corsino
dc.subject.es_PE.fl_str_mv Pastizales
Ecosistema
Sensores
Satélites
Mejora de pastizales
Datos
Biomasa
Índice de vegetación
Evaluación
Perú
Pajonales altoandinos
topic Pastizales
Ecosistema
Sensores
Satélites
Mejora de pastizales
Datos
Biomasa
Índice de vegetación
Evaluación
Perú
Pajonales altoandinos
https://purl.org/pe-repo/ocde/ford#4.02.01
dc.subject.ocde.es_PE.fl_str_mv https://purl.org/pe-repo/ocde/ford#4.02.01
description Universidad Nacional Agraria La Molina. Escuela de Posgrado. Doctorado en Ciencia Animal
publishDate 2021
dc.date.accessioned.none.fl_str_mv 2021-07-22T02:01:24Z
dc.date.available.none.fl_str_mv 2021-07-22T02:01:24Z
dc.date.issued.fl_str_mv 2021
dc.type.en_US.fl_str_mv info:eu-repo/semantics/doctoralThesis
dc.type.version.en_US.fl_str_mv info:eu-repo/semantics/publishedVersion
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12996/4788
url https://hdl.handle.net/20.500.12996/4788
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.en_US.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.*.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.format.en_US.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Universidad Nacional Agraria La Molina
dc.publisher.country.es_PE.fl_str_mv PE
dc.source.none.fl_str_mv reponame:UNALM-Institucional
instname:Universidad Nacional Agraria La Molina
instacron:UNALM
instname_str Universidad Nacional Agraria La Molina
instacron_str UNALM
institution UNALM
reponame_str UNALM-Institucional
collection UNALM-Institucional
bitstream.url.fl_str_mv https://repositorio.lamolina.edu.pe/bitstreams/ad694c31-04c3-45a2-8b09-2cdb3640d2ab/download
https://repositorio.lamolina.edu.pe/bitstreams/04de0aab-9aa5-42fa-af6c-0cee7507b7e7/download
https://repositorio.lamolina.edu.pe/bitstreams/9cca04f4-6a5c-41c6-9238-47b0963611b8/download
https://repositorio.lamolina.edu.pe/bitstreams/ff1fe445-0077-4412-8255-05241f01578e/download
bitstream.checksum.fl_str_mv 97c5bee00fbb4c4f8867bd742b579336
13cb76664c92b4ddf0ab965e7ea281c1
de835928933c3b66e70ef069996195f4
679d41d0bb9ccb7ea138b270e14887bd
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Universidad Nacional Agraria La Molina
repository.mail.fl_str_mv dspace@lamolina.edu.pe
_version_ 1845076352189857792
spelling Ñaupari Vásquez, Javier ArturoFlores Mariazza, Enrique Ricardof8c97c68-253c-4325-9d84-29fd5fdbb408Estrada Zúñiga, Andrés Corsino2021-07-22T02:01:24Z2021-07-22T02:01:24Z2021https://hdl.handle.net/20.500.12996/4788Universidad Nacional Agraria La Molina. Escuela de Posgrado. Doctorado en Ciencia AnimalLa teledetección y los sistemas de información geográfica son herramientas que, en la última década, se utilizan para la gestión de recursos naturales. Sin embargo, las imágenes satelitales como Landsat han presentado limitaciones en la resolución espacial, espectral y temporal para el campo de la agricultura y la ganadería de precisión. Frente a ello, aparecen como alternativa los microsensores adheridos a sistemas aéreos no tripulados (UAS). Así, el objetivo del estudio fue identificar y estimar la biomasa de las comunidades vegetales de tolar y bofedales de puna seca a través de sensores multiespectrales incorporados en los UAS. Para determinar la altura de vuelo, se recopilaron imágenes de las comunidades vegetales con sensores multiespectrales a 25, 50, 75 y 100 m de altura. Paralelamente, se recolectaron muestras de vegetación en las transectas fijas que formaban parte de los puntos de control en tierra. Las imágenes adquiridas fueron procesadas en Pix 4D y Agisoft, logrando ortofotografías RGB y NDVI de alta resolución. Para la etapa de escalamiento hacia la imagen satelital, se adquirieron imágenes Rapideye. El estudio determinó que la mejor altura de vuelo para identificar la comunidad vegetal tolar de puna seca y la especie segmentada, el arbusto de tola, es de 25 metros, mientras que para los cojines de DIMU de los bofedales es de 25 a 50 metros, precisando que la observación de las especies segmentadas de tola y DIMU a 75 y 100 metros de altura es difusa. Por otra parte, el modelo Random Forest, con una precisión de entrenamiento y prueba de 0.94, un coeficiente Kappa de 0.9071 y R2 = 0.482, predijo en promedio 3 g/pixel y 2 g/pixel de MV de césped para las épocas de lluvia y seca. La biomasa predicha para el componente tola fue de 15 g/pixel de MV para ambas épocas del año. Este mismo modelo, con precisión de entrenamiento y prueba de 0.8206, un coeficiente Kappa de 0.833 y R2 = 0.479, predijo un promedio de 2.5 g/pixel y 2 g/pixel de MV del componente DIMU para las épocas de lluvia y seca. El proceso de escalamiento se realizó con un nivel de asociación (p=0.61 y p=0.96) entre ortofotografía e imágenes Rapideye, con un nivel de precisión de 0.8253 de entrenamiento y 0.8306 de prueba, un índice Kappa de 0.8091 y R2 = 46.20. La predicción de biomasa con las imágenes escaladas comparadas con la predicción realizada para ortofotografías, presentó una diferencia que va desde 49% a 115.57%, por ello, es necesario seguir investigando algoritmos y ecuaciones que disminuyan la diferencia encontrada.Remote sensing and geographic information systems are tools that have been used in the management of natural resources in the last decade. However, long-standing satellite images such as Landsat have presented limitations in spatial, spectral and temporal resolutions to develop precision agriculture and livestock. Faced with this, microsensors attached to unmanned aerial systems (UAS) appear as an alternative. The objective of the study was to identify plant communities and biomass estimation with multispectral sensors in UAS in plant communities of tolar and bofedal of Puna Seca. To determine the flight height and the study, images were collected with multispectral sensors at 25, 50.75 and 100 m flight height, at the same time that vegetation samples were collected in the fixed transects that were part of the control points. on land. The acquired images were processed in Pix 4D and Agisoft achieving high resolution RGB, NDVI orthophotos, which were used by the algorithms prepared for processing. Rapideye images Platform for the scaling to satellite image stage. The study has determined that the best flight height to identify the dry puna Tolar plant community and the segmented Tola shrub species is 25 meters, while for DIMU cushions it is 25 to 50 meters, observing the Tola and DIMU segmented species at 75 and 100 meters is diffuse. The Random Forest model with a training and test precision of 0.94, Kappa coefficient of 0.9071 and R2 = 0.482 predicted on average 3 g / pixel and 2 g / pixel of MV. of Lawn for rainy and dry season, the predicted biomass for the Tola component was 15 g / pixel of MV for both seasons. This same model with training and test precision of 0.8206, Kappa coefficient of 0.833 and R2 = 0.479 predicted an average of 2.5 g / pixel and 2 to g / pixel MV. DIMU for rainy and dry season. The scaling process was performed with an association level (p = 0.61 and p = 0.96) between orthophotography and Rapideye images, precision level 0.8253 training and 0.8306 test, Kappa index of 0.8091 and R2 = 46.20, the prediction of biomass with the Scaled images compared to the enhanced prediction for orthophotographs presented a difference that goes from 49% to 115.57%, therefore it is necessary to continue investigating algorithms and equations that decrease the difference found.application/pdfspaUniversidad Nacional Agraria La MolinaPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-nd/4.0/PastizalesEcosistemaSensoresSatélitesMejora de pastizalesDatosBiomasaÍndice de vegetaciónEvaluaciónPerúPajonales altoandinoshttps://purl.org/pe-repo/ocde/ford#4.02.01Comunidades vegetales y estimación de biomasa con sensores multiespectrales y sistemas aéreos no tripulados en pastizales de Puna Secainfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/publishedVersionreponame:UNALM-Institucionalinstname:Universidad Nacional Agraria La Molinainstacron:UNALMSUNEDUCiencia AnimalUniversidad Nacional Agraria La Molina. Escuela de PosgradoDoctoris Philosophiae - Ciencia Animal29617582https://orcid.org/0000-0002-1554-2633https://orcid.org/0000-0001-5418-12470945651807852465https://purl.org/pe-repo/renati/type#tesishttps://purl.org/pe-repo/renati/level#doctor811028Souza de Abreu, María HelenaAguirre Terrazas, LucreciaMontalvo Arquiñigo, NéstorGabriela Pricope, NarcisaLICENSElicense.txtlicense.txttext/plain; charset=utf-81664https://repositorio.lamolina.edu.pe/bitstreams/ad694c31-04c3-45a2-8b09-2cdb3640d2ab/download97c5bee00fbb4c4f8867bd742b579336MD52ORIGINALestrada-zuñiga-andres-corsino.pdfestrada-zuñiga-andres-corsino.pdfTexto completoapplication/pdf11083490https://repositorio.lamolina.edu.pe/bitstreams/04de0aab-9aa5-42fa-af6c-0cee7507b7e7/download13cb76664c92b4ddf0ab965e7ea281c1MD51TEXTestrada-zuñiga-andres-corsino.pdf.txtestrada-zuñiga-andres-corsino.pdf.txtExtracted texttext/plain269049https://repositorio.lamolina.edu.pe/bitstreams/9cca04f4-6a5c-41c6-9238-47b0963611b8/downloadde835928933c3b66e70ef069996195f4MD53THUMBNAILestrada-zuñiga-andres-corsino.pdf.jpgestrada-zuñiga-andres-corsino.pdf.jpgGenerated Thumbnailimage/jpeg3730https://repositorio.lamolina.edu.pe/bitstreams/ff1fe445-0077-4412-8255-05241f01578e/download679d41d0bb9ccb7ea138b270e14887bdMD5420.500.12996/4788oai:repositorio.lamolina.edu.pe:20.500.12996/47882023-01-05 06:36:43.164https://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessopen.accesshttps://repositorio.lamolina.edu.peRepositorio Universidad Nacional Agraria La Molinadspace@lamolina.edu.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
score 12.9067135
Comunidades vegetales y estimación de biomasa con sensores multiespectrales y sistemas aéreos no tripulados en pastizales de Puna Seca
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).

Ejemplares Similares