Análisis 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 learning
El 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...
- Autores:
-
Morales Martínez, Paola Cristina
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2020
- Institución:
- Universidad Militar Nueva Granada
- Repositorio:
- Repositorio UMNG
- Idioma:
- spa
- OAI Identifier:
- oai:repository.umng.edu.co:10654/37354
- Acceso en línea:
- https://hdl.handle.net/10654/37354
- Palabra clave:
- COBERTURA VEGETAL
PROCESAMIENTO DIGITAL DE IMAGENES
USO DE LA TIERRA
COBERTURA GEOGRAFICA
INVENTARIO DE RECURSOS NATURALES
detección de cambio
coberturas de la tierra
Algoritmos
Leyenda de coberturas de la tierra Corine Land Cover
imágenes de satélite
clasificación supervisada de coberturas
machine learning
Algorithms
change detection
land cover
Corine Land Cover Legend,
satellite imagery
supervised land cover classification
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-nd/4.0/
| id |
UNIMILTAR2_ad6c3c04a4e10a693fce239814df8e5b |
|---|---|
| oai_identifier_str |
oai:repository.umng.edu.co:10654/37354 |
| network_acronym_str |
UNIMILTAR2 |
| network_name_str |
Repositorio UMNG |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Análisis 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 learning |
| dc.title.eng.fl_str_mv |
Analysis of the change in forest cover in the municipality of Cartagena del Chairá through satellite images from 2016 and 2019 through machine learning algorithms |
| title |
Análisis 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 learning |
| spellingShingle |
Análisis 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 learning COBERTURA VEGETAL PROCESAMIENTO DIGITAL DE IMAGENES USO DE LA TIERRA COBERTURA GEOGRAFICA INVENTARIO DE RECURSOS NATURALES detección de cambio coberturas de la tierra Algoritmos Leyenda de coberturas de la tierra Corine Land Cover imágenes de satélite clasificación supervisada de coberturas machine learning Algorithms change detection land cover Corine Land Cover Legend, satellite imagery supervised land cover classification |
| title_short |
Análisis 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 learning |
| title_full |
Análisis 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 learning |
| title_fullStr |
Análisis 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 learning |
| title_full_unstemmed |
Análisis 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 learning |
| title_sort |
Análisis 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 learning |
| dc.creator.fl_str_mv |
Morales Martínez, Paola Cristina |
| dc.contributor.advisor.none.fl_str_mv |
Reyes, Freddy León |
| dc.contributor.author.none.fl_str_mv |
Morales Martínez, Paola Cristina |
| dc.subject.lemb.spa.fl_str_mv |
COBERTURA VEGETAL PROCESAMIENTO DIGITAL DE IMAGENES USO DE LA TIERRA COBERTURA GEOGRAFICA INVENTARIO DE RECURSOS NATURALES |
| topic |
COBERTURA VEGETAL PROCESAMIENTO DIGITAL DE IMAGENES USO DE LA TIERRA COBERTURA GEOGRAFICA INVENTARIO DE RECURSOS NATURALES detección de cambio coberturas de la tierra Algoritmos Leyenda de coberturas de la tierra Corine Land Cover imágenes de satélite clasificación supervisada de coberturas machine learning Algorithms change detection land cover Corine Land Cover Legend, satellite imagery supervised land cover classification |
| dc.subject.proposal.spa.fl_str_mv |
detección de cambio coberturas de la tierra Algoritmos Leyenda de coberturas de la tierra Corine Land Cover imágenes de satélite clasificación supervisada de coberturas |
| dc.subject.proposal.eng.fl_str_mv |
machine learning Algorithms change detection land cover Corine Land Cover Legend, satellite imagery supervised land cover classification |
| description |
El 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. |
| publishDate |
2020 |
| dc.date.accessioned.none.fl_str_mv |
2020-12-23T03:24:36Z |
| dc.date.available.none.fl_str_mv |
2020-12-23T03:24:36Z |
| dc.date.issued.none.fl_str_mv |
2020-11-30 |
| dc.type.local.spa.fl_str_mv |
Tesis/Trabajo de grado - Monografía - Especialización |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/10654/37354 |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad Militar Nueva Granada |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Universidad Militar Nueva Granada |
| dc.identifier.repourl.none.fl_str_mv |
repourl:https://repository.umng.edu.co |
| url |
https://hdl.handle.net/10654/37354 |
| identifier_str_mv |
instname:Universidad Militar Nueva Granada reponame:Repositorio Institucional Universidad Militar Nueva Granada repourl:https://repository.umng.edu.co |
| dc.language.iso.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
Revista Semana. (2019). El verde palidece: Caqueta Los bosques que arrasaron en el postconflicto. En: https://especiales.semana.com/deforestacion/caqueta.html Renovación 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). Instituto 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). Aguilar-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. Gis 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). Edersson 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. ERDAS, geographic imaging made simple. (2001). ERDAS tour guide. Versión en español Jorge Luis Rivero, Carlos Moreli. (2015). Aprendizaje supervisado de funciones de distancia: estado del arte. Yuhas, 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. Osmar 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. ] 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. David 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=kVlN0pqqWoU |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.creativecommons.*.fl_str_mv |
Attribution-NonCommercial-NoDerivatives 4.0 International |
| dc.rights.local.spa.fl_str_mv |
Acceso abierto |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ Attribution-NonCommercial-NoDerivatives 4.0 International Acceso abierto http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.spa.fl_str_mv |
applicaction/pdf |
| dc.coverage.spatial.spa.fl_str_mv |
Cartagena del Chairá |
| dc.coverage.temporal.spa.fl_str_mv |
2016 y 2019 |
| dc.coverage.sede.spa.fl_str_mv |
Calle 100 |
| dc.publisher.program.spa.fl_str_mv |
Especialización en Geomática |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.grantor.spa.fl_str_mv |
Universidad Militar Nueva Granada |
| institution |
Universidad Militar Nueva Granada |
| bitstream.url.fl_str_mv |
https://repository.umng.edu.co/bitstreams/b2a95350-c367-4a42-ab68-b1a3f29c233b/download https://repository.umng.edu.co/bitstreams/bd9210a5-087f-43c5-bbf2-68932353abb9/download https://repository.umng.edu.co/bitstreams/0c5d4037-8dff-4c7f-8e47-8d74c447ffb3/download |
| bitstream.checksum.fl_str_mv |
65c11f4737c3c6aa4c2465eb8c1faa7d a609d7e369577f685ce98c66b903b91b d65dfa2eea44cc869942c9fc2b0746fe |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional UMNG |
| repository.mail.fl_str_mv |
bibliodigital@unimilitar.edu.co |
| _version_ |
1851052828606332928 |
| spelling |
Reyes, Freddy LeónMorales Martínez, Paola CristinaEspecialista en GeomáticaCartagena del Chairá2016 y 2019Calle 1002020-12-23T03:24:36Z2020-12-23T03:24:36Z2020-11-30https://hdl.handle.net/10654/37354instname:Universidad Militar Nueva Granadareponame:Repositorio Institucional Universidad Militar Nueva Granadarepourl:https://repository.umng.edu.coEl 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.This 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.Especializaciónapplicaction/pdfspahttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessAttribution-NonCommercial-NoDerivatives 4.0 InternationalAcceso abiertohttp://purl.org/coar/access_right/c_abf2Análisis 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 learningAnalysis of the change in forest cover in the municipality of Cartagena del Chairá through satellite images from 2016 and 2019 through machine learning algorithmsCOBERTURA VEGETALPROCESAMIENTO DIGITAL DE IMAGENESUSO DE LA TIERRACOBERTURA GEOGRAFICAINVENTARIO DE RECURSOS NATURALESdetección de cambiocoberturas de la tierraAlgoritmosLeyenda de coberturas de la tierra Corine Land Coverimágenes de satéliteclasificación supervisada de coberturasmachine learningAlgorithmschange detectionland coverCorine Land Cover Legend,satellite imagerysupervised land cover classificationTesis/Trabajo de grado - Monografía - Especializacióninfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fEspecialización en GeomáticaFacultad de IngenieríaUniversidad Militar Nueva GranadaRevista Semana. (2019). El verde palidece: Caqueta Los bosques que arrasaron en el postconflicto. En: https://especiales.semana.com/deforestacion/caqueta.htmlRenovación 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).Instituto 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).Aguilar-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.Gis 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).Edersson 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.ERDAS, geographic imaging made simple. (2001). ERDAS tour guide. Versión en españolJorge Luis Rivero, Carlos Moreli. (2015). Aprendizaje supervisado de funciones de distancia: estado del arte.Yuhas, 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.Osmar 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.] 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.David 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=kVlN0pqqWoUORIGINALMoralesMartínezPaolaCristina2020.pdfMoralesMartínezPaolaCristina2020.pdfArtículoapplication/pdf3394429https://repository.umng.edu.co/bitstreams/b2a95350-c367-4a42-ab68-b1a3f29c233b/download65c11f4737c3c6aa4c2465eb8c1faa7dMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-83420https://repository.umng.edu.co/bitstreams/bd9210a5-087f-43c5-bbf2-68932353abb9/downloada609d7e369577f685ce98c66b903b91bMD52THUMBNAILMoralesMartínezPaolaCristina2020.pdf.jpgMoralesMartínezPaolaCristina2020.pdf.jpgIM Thumbnailimage/jpeg6824https://repository.umng.edu.co/bitstreams/0c5d4037-8dff-4c7f-8e47-8d74c447ffb3/downloadd65dfa2eea44cc869942c9fc2b0746feMD5310654/37354oai:repository.umng.edu.co:10654/373542020-12-29 01:06:42.317http://creativecommons.org/licenses/by-nc-nd/4.0/open.accesshttps://repository.umng.edu.coRepositorio Institucional UMNGbibliodigital@unimilitar.edu.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 |