Show simple item record

dc.contributor.advisorReyes, Freddy León
dc.contributor.authorMorales Martínez, Paola Cristina
dc.coverage.spatialCartagena del Chairáspa
dc.coverage.temporal2016 y 2019spa
dc.date.accessioned2020-12-23T03:24:36Z
dc.date.available2020-12-23T03:24:36Z
dc.date.issued2020-11-30
dc.identifier.urihttp://hdl.handle.net/10654/37354
dc.description.abstractEl presente artículo presenta en forma de análisis el cambio en la cobertura boscosa en el municipio de Cartagena del Chairá del año 2016 al año 2019 realizando una comparación de coberturas y objetos presentes en cada uno de los años por medio de imágenes satelitales captadas por el sensor Landsat 8 el cual se caracteriza por almacenar información en diferentes bandas; 7 bandas multiespectrales con una resolución de 30m y una pancromática (banda 8) con una resolución de 15. Este análisis de coberturas de Bosque y No bosque se realiza por medio de la aplicación de prueba y error de los algoritmos de machine learning o máquinas de aprendizaje establecidas para examinar y operar de manera más amigable con los usuarios los diferentes procesos de estudios de coberturas de la tierra, cálculos de índices, detección de cambios, entre otros. Se describe el proceso empleado para la determinación del cambio en la cobertura, adaptado del informe de Protocolo de procesamiento digital de imágenes para la cuantificación de la deforestación en Colombia a nivel subnacional – escala gruesa y fina- y basado en la Leyenda de Coberturas de la tierra adaptado para Colombia con escala 1:100.000. Los diferentes resultados arrojados de la prueba de cada uno de los algoritmos tanto para la clasificación de las coberturas como para el análisis del cambio, permiten tener una visión más amplia no solo de los algoritmos matemáticos empleados por cada uno, si no de los posibles errores que pueden presentarse si no se hacen las correcciones pertinentes de las imágenes. Los bosques del Amazonas están siendo modificados muy rápidamente y por medio de los procesamientos descritos a continuación podremos evidenciar y comprobar cómo ha impactado la mano del hombre en los ecosistemas selváticos y como esto conlleva a la degradación de sus zonas.spa
dc.format.mimetypeapplicaction/pdfspa
dc.language.isospaspa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.titleAnálisis de cambio en la cobertura boscosa en el municipio de Cartagena del Chairá a través de imágenes satelitales de 2016 y 2019 por medio de algoritmos de machine learningspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2*
dc.subject.lembCOBERTURA VEGETALspa
dc.subject.lembPROCESAMIENTO DIGITAL DE IMAGENESspa
dc.subject.lembUSO DE LA TIERRAspa
dc.subject.lembCOBERTURA GEOGRAFICAspa
dc.subject.lembINVENTARIO DE RECURSOS NATURALESspa
dc.type.localTesis/Trabajo de grado - Monografía - Especializaciónspa
dc.description.abstractenglishThis article presents in the form of an analysis the change in forest cover in the municipality of Cartagena del Chairá from 2016 to 2019, making a comparison of cover and objects present in each of the years through satellite images captured by the sensor Landsat 8 which is characterized by storing information in different bands; 7 multispectral bands with a resolution of 30m and a panchromatic (band 8) with a resolution of 15. This analysis of Forest and Non-forest coverage is carried out through the application of trial and error of machine learning algorithms or learning established to examine and operate in a more user-friendly way the different processes of land cover studies, index calculations, detection of changes, among others. The process used to determine the change in coverage is described, adapted from the report of the Digital Image Processing Protocol for the quantification of deforestation in Colombia at the subnational level - coarse and fine scale - and based on the Legend of Coverage of the land adapted for Colombia with scale 1: 100,000. The different results obtained from the test of each of the algorithms, both for the classification of the coverage and for the analysis of the change, allow a broader vision not only of the mathematical algorithms used by each one, but also of the possible errors that can be presented if the pertinent corrections of the images are not made. The forests of the Amazon are being modified very quickly and through the processes described below we will be able to show and verify how the hand of man has impacted the jungle ecosystems and how this leads to the degradation of their areas.spa
dc.title.translatedAnalysis of the change in forest cover in the municipality of Cartagena del Chairá through satellite images from 2016 and 2019 through machine learning algorithmsspa
dc.subject.keywordsmachine learningspa
dc.subject.keywordsAlgorithmsspa
dc.subject.keywordschange detectionspa
dc.subject.keywordsland coverspa
dc.subject.keywordsCorine Land Cover Legend,spa
dc.subject.keywordssatellite imageryspa
dc.subject.keywordssupervised land cover classificationspa
dc.publisher.programEspecialización en Geomáticaspa
dc.creator.degreenameEspecialista en Geomáticaspa
dc.description.degreelevelEspecializaciónspa
dc.publisher.facultyFacultad de Ingenieríaspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesisspa
dc.rights.creativecommonsAttribution-NonCommercial-NoDerivatives 4.0 Internationalspa
dc.relation.referencesRevista Semana. (2019). El verde palidece: Caqueta Los bosques que arrasaron en el postconflicto. En: https://especiales.semana.com/deforestacion/caqueta.htmlspa
dc.relation.referencesRenovación del territorio. Municipios PEDT Subregiones. En: https://www.renovacionterritorio.gov.co/Publicaciones/municipios_pdet_subregiones#:~:text=El%20PDET%20se%20construye%20en,econom%C3%ADas%20il%C3%ADcitas%20y%20debilidad%20institucional. (27 noviembre del 2020).spa
dc.relation.referencesInstituto de Hidrología, Meterología y Estudios Ambientales IDEAM.IDEAM presentó los datos actualizados del monitoreo a la deforestación en 2017. En: http://www.ideam.gov.co/web/sala-de-prensa/noticias/-/asset_publisher/LdWW0ECY1uxz/content/id/72115815?_101_INSTANCE_LdWW0ECY1uxz_urlTitle=ideam-presento-los-datos-actualizados-del-monitoreo-a-la-deforestacion-en-2017. (junio 14 de 2018).spa
dc.relation.referencesAguilar-Arias, H., Mora-Zamora, R., & Vargas-Bolaños. Revista Geográfica De América Central, Universdiad Nacional de Costa Rica. (2014). Metodología para la corrección atmosférica de imágenes aster, rapideye, spot 2 y landsat 8 con el módulo flaash del software envi.spa
dc.relation.referencesGis y Beers. Como descargar el histórico total de imágenes Landsat. En: http://www.gisandbeers.com/descargar-historico-total-imagenes-landsat/. (6 de abril de 2019).spa
dc.relation.referencesEdersson Cabrera Montenegro Diana Marcela Vargas Galvis Gustavo Galindo García María Claudia García Dávila María Fernanda Ordóñez Castro. Ministerio de Ambiente, Vivienda y Desarrollo Territorial, Instituto de Hidrología, Metereología y Estudios Ambientales IDEAM. (2011). Protocolo de procesamiento digital de imágenes para la cuantificación de la deforestación en Colombia Nivel subnacional -Escala gruesa y fina.spa
dc.relation.referencesERDAS, geographic imaging made simple. (2001). ERDAS tour guide. Versión en españolspa
dc.relation.referencesJorge Luis Rivero, Carlos Moreli. (2015). Aprendizaje supervisado de funciones de distancia: estado del arte.spa
dc.relation.referencesYuhas, R. H., Goetz, A. F. H., Boardman, J. W. (1992). Discrimination among semi-arid landscape endmembers using the spectral angle mapper (SAM) algorithm, Third Annual JPL Airborne Geoscience Workshop, Jet Propulsion Laboratory, Pasadena, pp.147-149.spa
dc.relation.referencesOsmar Abílio De Carvalho, Júnior, Renato Fontes Guimarães ,Nilton Correia Silva ,Alan R. Gillespie, Roberto Arnaldo Trancoso Gomes, Cristiano Rosa Silva, Ana Paula Ferreira De Carvalho. (2013). Normalización radiométrica de imágenes temporales que combinan la detección automática de características pseudoinvariantes a partir de medidas espectrales de distancia y similitud, análisis de diagrama de dispersión de densidad y regresión robusta.spa
dc.relation.references] Tecnogeo Berger Levrault. Congreso de la Asociación Española de Teledetección. (2017). Soluciones con ERDAS Imagine para la detección de cambios con imágenes. En: https://idearm.imida.es/aet2017/contenidos/salaC/miercoles/DC_AET2017_v1.pdf.spa
dc.relation.referencesDavid Huaripata. TELEDETECCIÓN ERDAS 7: Detección de Cambios y Procesamiento de Imágenes Multiespectrales. YouTube. (16 de octubre de 2014). Duración de 1h19m01s. En: https://www.youtube.com/watch?v=kVlN0pqqWoUspa
dc.subject.proposaldetección de cambiospa
dc.subject.proposalcoberturas de la tierraspa
dc.subject.proposalAlgoritmosspa
dc.subject.proposalLeyenda de coberturas de la tierra Corine Land Coverspa
dc.subject.proposalimágenes de satélitespa
dc.subject.proposalclasificación supervisada de coberturasspa
dc.publisher.grantorUniversidad Militar Nueva Granadaspa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f*
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersionspa
dc.identifier.instnameinstname:Universidad Militar Nueva Granadaspa
dc.identifier.reponamereponame:Repositorio Institucional Universidad Militar Nueva Granadaspa
dc.identifier.repourlrepourl:https://repository.unimilitar.edu.cospa
dc.rights.localAcceso abiertospa
dc.coverage.sedeCalle 100spa


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

http://creativecommons.org/licenses/by-nc-nd/4.0/
Except where otherwise noted, this item's license is described as http://creativecommons.org/licenses/by-nc-nd/4.0/