Detección de monocultivos de palma de aceite en Colombia implementando un modelo de redes neuronales convolucionales a partir de imágenes satelitales
Archivos
Autores
Carvajal Rivera, John David
Director
Niño Vázquez, Luis Fernando
Gutiérrez Torres, Juan David
Tipo de contenido
Trabajo de grado - Maestría
Idioma del documento
EspañolFecha de publicación
2023
Título de la revista
ISSN de la revista
Título del volumen
Documentos PDF
Resumen
Colombia es un país privilegiado para el desarrollo de la agricultura por su ubicación geográfica y diferentes pisos térmicos, los cuales permiten que se realicen variedad de cultivos de diferentes productos. Entre los más relevantes se encuentra la palma de aceite, donde Colombia ocupa el cuarto lugar como productor mundial, y el primero en América.
Sin embargo, los monocultivos, que son grandes extensiones de tierra dedicada al cultivo de una sola especie como lo es la palma de aceite traen consecuencias irreparables para el ecosistema como: la deforestación que pone en peligro la conservación del agua, la eliminación de la flora y la fauna, la propagación de inundaciones como el agravamiento de sequías en el territorio y zonas adyacentes, la erosión acelerada del suelo, la contaminación del agua por el uso de fertilizantes y la aparición de plagas por la ruptura del equilibrio ecológico , además de impactos socioambientales para la población rural , entre otros. Por lo tanto, es importante contar con herramientas que permitan la detección de áreas de monocultivo de palma de aceite.
En este contexto, el uso de imágenes satelitales se presenta como una herramienta eficaz para la detección de monocultivos de palma de aceite a gran escala. Además, el uso de modelos de redes neuronales convolucionales se ha demostrado como una técnica muy efectiva para el procesamiento de estas imágenes.
El propósito de este trabajo de investigación es implementar un modelo de redes neuronales convolucionales para la detección de monocultivos de palma de aceite en Colombia a partir de imágenes satelitales. Se obtuvieron resultados muy promisorios frente a lo esperado, incluso en imágenes que eran externas al entrenamiento del modelo que permitió una detección precisa y eficiente de áreas de monocultivo de palma de aceite en regiones de Colombia. Esto puede contribuir a la toma de decisiones en materia de uso y a la conservación del medio ambiente.
Abstract
Palm oil is one of the most important crops in Colombia, with Colombia being the fourth largest producer of palm oil in the world. However, the monoculture of palm oil can have serious environmental consequences, such as deforestation and loss of biodiversity. Therefore, it is important to have tools that allow the detection of areas of palm oil monoculture.
In this context, the use of satellite images is presented as an effective tool for the detection of palm oil monoculture on a large scale. In addition, the use of convolutional neural network models has been demonstrated as a very effective technique for image processing.
In this research work, we propose to implement a convolutional neural network model for the detection of palm oil monocultures in Colombia using satellite images. It is expected that the implementation of this model will allow for precise and efficient detection of areas of palm oil monoculture, which can contribute to decision-making on land use and environmental conservation. (Texto tomado de la fuente)
Descripción Física/Lógica/Digital
ilustraciones, diagramas, fotografías, mapas,