Utilización de técnicas de aprendizaje automático para la detección de áreas de cultivos anegadas con imágenes satelitales
Tesis (Lic. en Física)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2022.
| Main Author: | |
|---|---|
| Other Authors: | |
| Format: | bachelorThesis |
| Language: | spa |
| Published: |
2022
|
| Subjects: | |
| Online Access: | http://hdl.handle.net/11086/27640 |
| _version_ | 1801214423316037632 |
|---|---|
| author | Escobares, Cristhian Daniel |
| author2 | Rubio, Jorge Eduardo |
| author_facet | Rubio, Jorge Eduardo Escobares, Cristhian Daniel |
| author_sort | Escobares, Cristhian Daniel |
| collection | Repositorio Digital Universitario |
| description | Tesis (Lic. en Física)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2022. |
| format | bachelorThesis |
| id | rdu-unc.27640 |
| institution | Universidad Nacional de Cordoba |
| language | spa |
| publishDate | 2022 |
| record_format | dspace |
| spelling | rdu-unc.276402023-08-31T13:19:46Z Utilización de técnicas de aprendizaje automático para la detección de áreas de cultivos anegadas con imágenes satelitales Escobares, Cristhian Daniel Rubio, Jorge Eduardo Pury, Pedro Angel Análisis de datos Redes neuronales artificiales Aprendizaje automático Inundación Cultivo Inteligencia artificial Satellite data analysis Machine learning Artificial neural networks Tesis (Lic. en Física)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2022. Fil: Escobares, Cristhian Daniel. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina. En este trabajo especial se da un punto de vista desde la Física a la distinción vía satélite de un campo inundado de uno no inundado. Se compone de dos grandes partes: en la primera (capítulos 1 y 2) se define el sistema a estudiar (campos de cultivo en la Pampa Húmeda Argentina). Luego, se obtienen características de la reflectancia electromagnética que tiene el sistema en su conjunto. Esto es corroborado por dos conjuntos de datos creados por diferentes profesionales en la clasificación de campos inundados a través de imágenes satelitales. En la segunda parte (capítulos 3, 4 y 5), se utilizan métodos de aprendizaje automático para la clasificación, realizando varias pruebas para determinar cuál es el más consistente ante cambios en el conjunto de entrenamiento y también ante cambios en el sesgo (intrínseco de cada profesional). Obteniéndose un incremento en la precisión de la clasificación con respecto a la clasificación por índices. In this special work, a point of view from Physics is given to the distinction via satellite of a flooded field from a non-flooded one. It is composed of two large parts: in the first one (chapters 1 and 2) the system to be study (crop fields in the area of the Pampa Húmeda Argentina). Then characteristics of the electromagnetic reflectance that the system as a whole has, are obtained. This is corroborated by two data sets, each one created by different professionals in the classification of flooded fields through satellite images. In the second part (chapters 3, 4 and 5), some machine learning methods are used for classification, performing several tests to determine which one is the most consistent under changes in the training set (varying which data from a set is used in the training set), and also under changes in the bias (intrinsic to each professional). Obtaining an increase in the accuracy of the classification with respect to the index classification. Fil: Escobares, Cristhian Daniel. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina. 2022-07-28T14:42:43Z 2022-07-28T14:42:43Z 2022-06-09 bachelorThesis http://hdl.handle.net/11086/27640 spa Atribución-CompartirIgual 4.0 Internacional http://creativecommons.org/licenses/by-sa/4.0/ |
| spellingShingle | Análisis de datos Redes neuronales artificiales Aprendizaje automático Inundación Cultivo Inteligencia artificial Satellite data analysis Machine learning Artificial neural networks Escobares, Cristhian Daniel Utilización de técnicas de aprendizaje automático para la detección de áreas de cultivos anegadas con imágenes satelitales |
| title | Utilización de técnicas de aprendizaje automático para la detección de áreas de cultivos anegadas con imágenes satelitales |
| title_full | Utilización de técnicas de aprendizaje automático para la detección de áreas de cultivos anegadas con imágenes satelitales |
| title_fullStr | Utilización de técnicas de aprendizaje automático para la detección de áreas de cultivos anegadas con imágenes satelitales |
| title_full_unstemmed | Utilización de técnicas de aprendizaje automático para la detección de áreas de cultivos anegadas con imágenes satelitales |
| title_short | Utilización de técnicas de aprendizaje automático para la detección de áreas de cultivos anegadas con imágenes satelitales |
| title_sort | utilizacion de tecnicas de aprendizaje automatico para la deteccion de areas de cultivos anegadas con imagenes satelitales |
| topic | Análisis de datos Redes neuronales artificiales Aprendizaje automático Inundación Cultivo Inteligencia artificial Satellite data analysis Machine learning Artificial neural networks |
| url | http://hdl.handle.net/11086/27640 |
| work_keys_str_mv | AT escobarescristhiandaniel utilizaciondetecnicasdeaprendizajeautomaticoparaladetecciondeareasdecultivosanegadasconimagenessatelitales |