Jiménez López, Andrés FernandoOrtiz Rojas, Daniel CamiloAngarita Acosta, Diego Fernando2024-09-252024-09-252016Ortiz Rojas, D. Y Angarita Acosta, D. (2016). Desarrollo de un sistema de tratamiento y geo-posicionamiento satelital de imágenes para análisis de cultivos mediante conceptos de agricultura de precisión [Trabajo de grado, Universidad de los Llanos]. Repositorio digital Universidad de los Llanos.https://repositorio.unillanos.edu.co/handle/001/4435Incluye tablas, figuras y anexos.Conforme a como se incrementa la población mundial, de la misma forma se incrementa la demanda de alimentos, de forma exponencial. No obstante, el suelo agrícola disponible para la producción es cada día menor en razón a los fenómenos de erosión y a las deficientes prácticas y sistemas de producción que todavía se utilizan. Paradójicamente, Latinoamérica y los países en desarrollo son las porciones de suelo agrícola más grandes que existen en el mundo, pero es donde más deficientes metodologías y sistemas de producción se aplican. La evolución en tendencias del origen de los alimentos y el uso más eficiente y sostenible del suelo se generan en Europa y Estados Unidos, caracterizados por las limitadas extensiones de suelo para uso agrícola. Por otro lado, la evolución de la tecnología en el ámbito agrario ha provocado el surgimiento de la Agricultura de Precisión, en esta se engloban una serie de tecnologías de aplicación en la producción agraria, que tienen como factor común el uso de las TIC en la racionalización de la toma de decisiones y su precisa ejecución. Cualquier tarea que forme parte de las operaciones necesarias para la implementación, desarrollo y explotación de un cultivo es susceptible de ser realizado haciendo uso de alguna de las técnicas que integran la AP [1]. Estos sistemas no solo posibilitan una gestión agronómica más eficaz, sino que además permite aumentar la precisión de las labores y la eficiencia del cultivo, lo que nos sirve para: Tener una memoria más real en campo de la historia de un lote, tener disponible una herramienta para toma de decisiones, conformar un sistema de trazabilidad de cualquier alimento agrícola producido y mejorar la calidad intrínseca de los productos agrícolas. Lo anterior redunda en una gestión de tipo agronómico, medio ambiental y económico para el productor, el consumidor y el planeta. El proyecto busca el uso de toma de imágenes y posterior tratamiento junto con el sistema de información geográfica (SIG) para estimar y evaluar la presencia de posibles plagas, enfermedades y demás problemas, generando mapas geo referenciados de monitoreo con la información recolectada para que se pueda obtener una mejor perspectiva de la evolución día a día del cultivo.1. Introducción. -- 1.1. Descripción del proyecto. -- 1.2. Justificación del proyecto. – 1.3. Objetivos. -- 1.3.1. Objetivo General. -- 1.3.2. Objetivos Específicos. -- 2. Hipótesis. -- 3. Estado del arte. -- 4. Espectro electromagnético. -- 4.1. Firma espectral. -- 4.2. Bandas espectrales. -- 5. Sensores remotos. -- 5.1. Tipos de sensores remotos. -- 5.1.1. Según el origen. -- 5.1.2. Según el principio de funcionamiento. -- 5.1.3. Radiómetros no generadores de imágenes. -- 5.1.4. Radiómetros generadores de imágenes. -- 5.2. Imágenes digitales. -- 5.2.1. Resolución de imagen. -- 5.3. Tipos de imágenes. --5.3.1. Imágenes pancromáticas. -- 5.3.2. Imágenes multiespectrales. -- 5.3.3. Imágenes hiperespectrales. -- 5.3.4. Firma espectral mediante imágenes. -- 6. Índices de vegetación. -- 6.1. Ratio Vegetation Index (RVI). -- 6.2. Índice de vegetación de diferencia normalizada (NDVI). -- 6.3. Índice de vegetación de porcentaje de infrarrojos (IPVI). -- 6.4. Índice de vegetación mejorado (EVI). -- 6.5. Índice de vegetación mejorado de 2 bandas (EVI2). -- 6.6. Índice de vegetación del suelo ajustado optimizado (OSAVI). -- 6.7. Índice de vegetación de diferencia (DVI). -- 6.8. Índice de vegetación transformado (TVI). -- 6.9. Índice de vegetación no lineal (NLI). -- 6.10. Índice de vegetación de radio normalizado (NRVI). -- 6.11. Índice de área de quema (BAI). -- 7. Sistema de información geográfica (sig). -- 7.1. Operaciones y funciones del SIG. -- 7.1.1. Ingreso de datos 7.1.2. Almacenamiento de datos. -- 7.1.3. Manipulación y procesamiento de datos. -- 7.1.4. Producción de datos. -- 7.2. Modelos de representación de datos. -- 7.2.1. Modelo rasteR. -- 7.2.2. Formato vectorial. -- 7.3. Sistemas de coordenadas geográficas. -- 7.3.1. Sistema de coordenadas proyectadas. -- 8. Diseño y elaboración del software precisión index 2.0. -- (PIND2.0). -- 8.1. Interfaz de usuario. -- 8.2. Separación de bandas de imágenes RGB. -- 8.3. Generación de Mosaicos. -- 8.4. Georreferenciación de imágenes. --8.5. Proceso para la obtención de índices de vegetación. -- 8.6. Caracterización de plantas individuales. -- 8.7. Firma espectral. -- 8.8. Generación ficha de área. -- 8.9. Generación del ejecutable (.exe). -- 8.10. Instalador. -- 9. RESULTADOS. -- 9.1. Instalación. -- 9.2. Interfaz gráfica de usuario. -- 9.2.1. Menús. -- 9.2.2. Pestaña Índices de vegetación. -- 9.2.3. Pestaña Gdal. -- 9.2.4. Pestaña Preprocesamiento. -- 9.2.5. Ventana de grafico (Figure). -- 9.2.6. Avisos. -- 10. Conclusiones. – Referencias.119 páginasapplication/pdfspaDerechos Reservados – Universidad de los Llanos, 2016Trabajo de grado - PregradoAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)info:eu-repo/semantics/openAccessConservación de suelosAnálisis de suelosSuelos - ComposiciónAgricultura de PrecisiónPythonSensores RemotosÍndice de VegetaciónUniversidad de los LlanosRepositorio digital Universidad de los Llanoshttps://repositorio.unillanos.edu.co/http://purl.org/coar/access_right/c_abf2