Examinando por Autor "Castro Franco, Mauricio"
Mostrando 1 - 4 de 4
Resultados por página
Opciones de ordenación
Publicación Sólo datos Clasificación y mapeo automático de coberturas del suelo en imágenes satelitales utilizando Redes Neuronales Convolucionales(Universidad de los Llanos, 2017-07-16) Suárez Londoño, Arnol Sneider; Jiménez López, Andrés Fernando; Castro Franco, Mauricio; Cruz Roa, Angel AlfonsoLa clasificación de cobertura del suelo es importante para estudios de cambio climático y monitoreo de servicios ecosistémicos. Los métodos convencionales de clasificación de coberturas se realizan mediante la interpretación visual de imágenes satelitales, lo cual es costoso, dispendioso e impreciso. Implementar métodos computacionales permite generar clasificación de coberturas en imágenes satelitales de manera automática, rápida, precisa y económica. Particularmente, los métodos de aprendizaje automático son técnicas computacionales promisorias para la estimación de cambios de cobertura del suelo. En este trabajo se presenta un método de aprendizaje automático basado en redes neuronales convolucionales de arquitectura tipo ConvNet para la clasificación automática de coberturas del suelo a partir de imágenes Landsat 5 TM. La ConvNet fue entrenada a partir de las anotaciones manuales por medio de interpretación visual sobre las imágenes satelitales con las que los expertos generaron el mapa de cobertura del parque nacional el Tuparro, de los Parques Nacionales Naturales de Colombia. El modelo de validación se realizó con datos de los mapas de coberturas del Amazonas colombiano realizado por el Sistema de Información Ambiental de Colombia. Los resultados obtenidos de la diagonal de la matriz de confusión de la exactitud promedio fue de 83.27% en entrenamiento y 91.02% en validación; para la clasificación en parches entre Bosques, áreas con vegetación herbácea y/o arbustiva, áreas abiertas sin o con poca vegetación y aguas continentales.Publicación Sólo datos Clasificación y mapeo automático de coberturas del suelo en imágenes satelitales utilizando Redes Neuronales Convolucionales(Universidad de los Llanos, 2017-07-16) Suárez Londoño, Arnol Sneider; Jiménez López, Andrés Fernando; Castro Franco, Mauricio; Cruz Roa, Angel AlfonsoLa clasificación de cobertura del suelo es importante para estudios de cambio climático y monitoreo de servicios ecosistémicos. Los métodos convencionales de clasificación de coberturas se realizan mediante la interpretación visual de imágenes satelitales, lo cual es costoso, dispendioso e impreciso. Implementar métodos computacionales permite generar clasificación de coberturas en imágenes satelitales de manera automática, rápida, precisa y económica. Particularmente, los métodos de aprendizaje automático son técnicas computacionales promisorias para la estimación de cambios de cobertura del suelo. En este trabajo se presenta un método de aprendizaje automático basado en redes neuronales convolucionales de arquitectura tipo ConvNet para la clasificación automática de coberturas del suelo a partir de imágenes Landsat 5 TM. La ConvNet fue entrenada a partir de las anotaciones manuales por medio de interpretación visual sobre las imágenes satelitales con las que los expertos generaron el mapa de cobertura del parque nacional el Tuparro, de los Parques Nacionales Naturales de Colombia. El modelo de validación se realizó con datos de los mapas de coberturas del Amazonas colombiano realizado por el Sistema de Información Ambiental de Colombia. Los resultados obtenidos de la diagonal de la matriz de confusión de la exactitud promedio fue de 83.27% en entrenamiento y 91.02% en validación; para la clasificación en parches entre Bosques, áreas con vegetación herbácea y/o arbustiva, áreas abiertas sin o con poca vegetación y aguas continentales.Publicación Sólo datos El paradigma emergente de la Agricultura Digital(Universidad de los Llanos, 2023-08-27) Castro Franco, MauricioPublicación Acceso abierto Variabilidad del suelo y su efecto sobre las pérdidas de soja durante la cosecha mecanizada(Universidad de los Llanos, 2017) Rodríguez Sánchez, Yamile; Alarcón López, Roney Fabiany; Castro Franco, MauricioLa altillanura colombiana es y será en las próximas décadas, una de las principales zonas productoras de soja en Colombia (Rivera et al., 2013). En esta zona, los cultivos de soja suelen ser cosechados mecánicamente. Las propiedades de suelo tienen una compleja y considerable magnitud de variabilidad espacial a escala de lote agrícola (Castro Franco et al., 2015). Esta variabilidad tiene un efecto directo en muchos de los componentes numéricos del rendimiento. Por ejemplo, el efecto espacial de los cambios de las propiedades del suelo puede tener determinar el desgrane natural desde las vainas, el volcamiento de plantas y/o la altura de plantas. A pesar de que esto es evidente en campo y es reconocido por los productores, son escasos los trabajos que han determinado la influencia de la variabilidad del suelo sobre los componentes de pérdidas de soja, durante la cosecha mecanizada (Loureiro Júnior et al., 2014). En este contexto, en esta tesis se hipotetiza que zonas con factores limitantes del rendimiento relacionados con propiedades del suelo, pueden aumentar las pérdidas de granos durante la cosecha de grano.