Diseño de una propuesta de optimización del sistema de alertas tempranas por deforestación para Colombia, caso de estudio “Corazón de la Amazonia”

dc.contributor.advisorCastiblanco Rozo, Carmenza
dc.contributor.authorForero Castro, Cristhian Fabian
dc.coverage.regionAmazonas
dc.date.accessioned2022-08-25T15:53:52Z
dc.date.available2022-08-25T15:53:52Z
dc.date.issued2021
dc.descriptionilustraciones, fotografías, graficas, mapasspa
dc.description.abstractEl objetivo de este estudio es la propuesta de la optimización del sistema de alertas de deforestación de Colombia, se lleva a cabo en tres fases investigativas, la primera, hace un análisis de factores críticos del sistema de alertas de deforestación, la segunda, propone una automatización en la computación en la nube de la detección de deforestación por medio de series temporales de los valores de componentes principales y la tercera, realiza un mapa de actores e identifica los canales de comunicación por medio de la interpretación y análisis de datos cualitativos. La deforestación se detectó por medio de técnicas de machine learning para cada nueva imagen de los satélites Landsat 7, Landsat-8, Sentinel-2 y Sentinel-1 correspondientes al año 2021. Los resultados para la zona de estudio se comunicaron y validaron con los diferentes actores, se encontró que la deforestación tiene exactitudes de usuario altas y precisiones de productor moderadas, lo que indica un producto adecuado para apoyar la gestión de los bosques y las actividades de las instituciones. Así mismo se concluye que se deben realizar ajustes institucionales, normativos y financieros que doten al Estado de los instrumentos necesarios para la gestión de los bosques y la efectiva reducción y control de la deforestación en Colombia. (Texto tomado de la fuente)spa
dc.description.abstractThe purpose of this study is the design of an optimization proposal for the deforestation early-alert system in Colombia. The study occurred in three phases: (1) analyzing the critical factors of the early-warning system; (2) proposing an automation process on the cloud for detecting deforestation through temporal series of the values of main components; and (3) mapping identifying all key actors and communication channels through qualitative data analysis. Deforestation was detected using Machine Learning techniques for each new image of the Landsat 7, Landsat-8, Sentinel-2 and Sentinel-1 satellites corresponding to 2021. The results were communicated and validated with all the involved actors. Deforestation has very high user accuracies and moderately high producer accuracies, which indicates an adequate product to support forest management and institutional activities. Likewise, institutional, regulatory and financial adjustments should happen in order to provide the State with the necessary instruments for forest management and deforestation reduction and control in Colombia.eng
dc.description.degreelevelMaestríaspa
dc.description.degreenameMagíster en Medio Ambiente y Desarrollospa
dc.description.researchareaEconomía y ambientespa
dc.format.extentxvii, 150 páginasspa
dc.format.mimetypeapplication/pdfspa
dc.identifier.instnameUniversidad Nacional de Colombiaspa
dc.identifier.reponameRepositorio Institucional Universidad Nacional de Colombiaspa
dc.identifier.repourlhttps://repositorio.unal.edu.co/spa
dc.identifier.urihttps://repositorio.unal.edu.co/handle/unal/82101
dc.language.isospaspa
dc.publisherUniversidad Nacional de Colombiaspa
dc.publisher.branchUniversidad Nacional de Colombia - Sede Bogotáspa
dc.publisher.departmentInstituto de Estudios Ambientales (IDEA)spa
dc.publisher.facultyFacultad de Ciencias Económicasspa
dc.publisher.placeBogotá, Colombiaspa
dc.publisher.programBogotá - Ciencias Económicas - Maestría en Medio Ambiente y Desarrollospa
dc.relation.indexedRedColspa
dc.relation.indexedLaReferenciaspa
dc.relation.referencesACAMAFRUT. (2021). Asociación departamental de productores de Cacao y especies maderables. http://www.acamafrut.com.co/spa
dc.relation.referencesAgrosavia. (25 de abril de 2021). Corporación Colombiana de Investigación Agropecuaria. Obtenido de http://web.corpoica.org.co/menu/qhc/spa
dc.relation.referencesAlcaldía Cartagena del Chaira. (26 de abril de 2021). Obtenido de http://www.cartagenadelchaira-caqueta.gov.co/alcaldia/mision-y-visionspa
dc.relation.referencesAlcaldía Miraflores. (26 de abril de 2021). Obtenido de http://www.miraflores-guaviare.gov.co/vspa
dc.relation.referencesAlcaldía de San vicente del Caguán. (26 de abril de 2021). Obtenido de http://www.sanvicentedelcaguan-caqueta.gov.co/alcaldia/mision-y-visionspa
dc.relation.referencesAlcaldía de Solano. (27 de abril de 2021). Obtenido de http://www.solano-caqueta.gov.co/alcaldia/mision-y-visionspa
dc.relation.referencesACT. (26 de abril de 2021). The Amazon Conservation Team. Obtenido de https://www.amazonteam.org/about-us/spa
dc.relation.referencesAlgranati, S. Bruno, D. & Lotti, A. (2012). Mapear actores, relaciones y territorios, una herramienta para el análisis del escenario social, Cuadernos de cátedra No. 3 Taller de Planificación de Procesos Comunicacionales Facultad de Periodismo y Comunicación Social UNLPspa
dc.relation.referencesASF. (18 de junio de 2021). Alaska Satellite Facility. Obtenido de Custom Processing: https://asf.alaska.edu/information/general/custom-processing/spa
dc.relation.referencesAshraf, M., Maah, M., & Yusoff, I. (2011). Introduction to Remote Sensing of Biomass. 10.5772/16462. Biomass and Remote Sensing of Biomass, 129-142.spa
dc.relation.referencesAsoheca. (2021). La Asociación de reforestadores y cultivadores de Caucho del Caquetá. Obtenido de http://www.asoheca.org/secciones/empresa/quienessomos.phpspa
dc.relation.referencesAsoprocegua. (2021). Asociación de productores del Guaviare. Obtenido de https://www.guaviare.gov.co/instancias-de-participacion/asoproceguaspa
dc.relation.referencesAtzberger, C., Zeug, G., Defourny, P., Aragão, L., Hammarström, L., Immitzer, M. (2020). Monitoring of Forests through Remote Sensing. European Commission, European Union. doi:10 2779/175242spa
dc.relation.referencesAzure. (06 de mayo de 2021). Microsoft. Obtenido de Geospatial data processing and analytics: https://docs.microsoft.com/en-us/azure/architecture/example-scenario/data/geospatial-data-processing-analytics-azure.spa
dc.relation.referencesBank, T. W. (2014). Forest conservation and sustainability in the heart of the Colombian amazon project. Patrimonio natural fund for biodiversity and protected areas.spa
dc.relation.referencesBreiman, L. (2001). Random Forests. Mach. Learn. 45, 5–32.spa
dc.relation.referencesBoca, T., & Rodríguez, G. (2016). Métodos estadísticos de la evaluación de la exactitud de productos derivados de sensores remotos. Instituto de Clima y Agua, INTA Castelar.spa
dc.relation.referencesBanco mundial. (09 de mayo de 2021). Obtenido de: https://www.bancomundial.org/es/spa
dc.relation.referencesBorisov, V., Leemann, T., Seßler, K., Haug, J., Pawelczyk, M., & Kasneci, G. (2021). Deep neural networks and tabular data: A survey. arXiv preprint arXiv:2110.01889.spa
dc.relation.referencesCabrera, E., Vargas, D. M., Galindo, G., García, M. C., Ordoñez, M. F., Vergara, L. K., & Giraldo, P. (2011). Memoria técnica de la cuantificación de la deforestación histórica nacional - escalas gruesa y fina. Obtenido de https://www.siac.gov.co/documentos/DOC_Portal/DOC_Bosques/131112_MT_Cuantif_Tasa_Deforestacion.pdfspa
dc.relation.referencesCabrera, E., Galindo, G., González, J., Vergara, L., Forero, C., Cubillos, A., . . . Duque, A. (2019). Colombian Forest Monitoring System: Assessing Deforestation in an Environmental Complex Country. IntechOpen Book Series. doi:DOI: 10.5772/intechopen.86143spa
dc.relation.referencesCatuna, N. (1995). La percepción remota y el análisis del espacio geográfico. Cuadernos de Geografía: Revista Colombiana de Geografía, 5(2), 83–106. Obtenido de: https://revistas.unal.edu.co/index.php/rcg/article/view/70766spa
dc.relation.referencesCanty, M. & Nielsen, A. (2008). Automatic radiometric normalization of multitemporal satellite imagery with the iteratively re-weighted MAD transformation. Remote Sensing of Environment 112 (3), 1025–1036. Available at /http://www.imm.dtu.dk/pubdb/p.php?5362Sspa
dc.relation.referencesCanty, M. & Nielsen, A. (2012). Linear and kernel methods for multivariate change detection. Computers & geosciences, 38(1), 107-114.spa
dc.relation.referencesCanty, M. (2014). Image analysis, classification and change detection in romete sensing. Taylor & Francis Gruopspa
dc.relation.referencesChuvieco, E. (1996). Fundamentos de Teledetección. Madrid: RIALP, S.A.spa
dc.relation.referencesCINDAP. (06 de mayo de 2021). Corporación para la Investigación Desarrollo Agropecuario y Ambiental. Obtenido de: https://cindap.co/spa
dc.relation.referencesClaverie, M., Ju, J., Masek, J., Dungan, J., Vermote, E., Roger, J., . . . Justice, C. (2018). The Harmonized Landsat and Sentinel-2 surface reflectance data set. Remote Sensing of Environment, (219, 145-161).spa
dc.relation.referencesCochran, W. G. (1977). Sampling Techniques. New York, NY, USA: John Wiley & Sons, Inc. 428 pp.spa
dc.relation.referencesColditz, RR, Conrad, C, Wehrmann, T, Schmidt, M, Dech, S (2008). TiSeG: A Flexible Software Tool for Time-Series Generation of MODIS Data Utilizing the Quality Assessment Science Data Set. IEEE transactions on geoscience and remote sensing, 46(10), 3296-3308.spa
dc.relation.referencesCohen, J. (1960). A coefficient of agreement for nominal scales, XX(1), 37–46.spa
dc.relation.referencesCongalton, R. & Green, K. (1999). Assessing the Accuracy of Remotely Sensed Data: Principles and Practices, Lewis Publishers, Boca Raton, Florida, 137 p.spa
dc.relation.referencesConservation International (29 de abril de 2021). Obtenido de https://www.conservation.org.co/programas/spa
dc.relation.referencesCorpoamazonia. (2021). Análisis de precipitación en la amazonia. Obtenido de https://www.corpoamazonia.gov.co/region/Jur_Clima.htmlspa
dc.relation.referencesCorpoamazonia. (26 de Abril de 2021). Corporación para el Desarrollo Sostenible del Sur del Amazonas. Obtenido de http://www.corpoamazonia.gov.co/index.php/acerca-de-la-entidad/objetivos-y-funcionesspa
dc.relation.referencesCrisis Group. (2021). Bosques caídos: deforestación y conflicto en Colombia. Brussels, Belgium: Informe sobre América Latina N°91 - International Crisis Group.spa
dc.relation.referencesD3. (13 de octubre de 2021). Data-Driven Documents. Obtenido de https://d3js.org/spa
dc.relation.referencesDAAC, L. (20 de mayo de 2022). NASA EOSDIS Land Processes Distributed Active Archive Center (LP DAAC) at the USGS Earth Resources Observation and Science (EROS) Center. Obtenido de https://lpdaac.usgs.gov/products/mod09a1v061/spa
dc.relation.referencesDavies, D. K., Ilavajhala, S., Wong, M. M., & Justice, C. O. (2009). Fire Information for Resource Management System: Archiving and Distributing MODIS Active Fire Data. IEEE Transactions on Geoscience and Remote Sensing, vol. 47, No. 1, January, 72-79. doi:10.1109/TGRS.2008.2002076spa
dc.relation.referencesDEISPAZ. (27 de abril de 2021). Corporación por el Desarrollo Integral Sostenible y la Paz. Obtenido de https://www.deispaz.org/index.php/quienes-somosspa
dc.relation.referencesDeng, J., Wang, K., Deng, H., & QI, J. (2008). PCA-based land-use change detection and analysis using multitemporal and multisensor satellite data. International Journal of Remote Sensing.spa
dc.relation.referencesDNP. (21 de abril de 2021). Departamento Nacional de Planeación. Obtenido de https://www.dnp.gov.co/DNPN/la-entidad/misi%C3%B3n-visi%C3%B3n-origenspa
dc.relation.referencesEastman, J & Fulk, J 1993. "Long Sequence Time Series Evaluation Using Standardized PrincipalComponents", Photogrammetric Engineering & Remote Sensing, Vol. 59, No. 8, pp. 1307-1312.spa
dc.relation.referencesEgorov, Alexey & Roy, David & Zhang, Hankui & Hansen, Matthew & Kommareddy, Anil. (2018). Demonstration of Percent Tree Cover Mapping Using Landsat Analysis Ready Data (ARD) and Sensitivity with Respect to Landsat ARD Processing Level. Remote Sensing. 10. 10.3390/rs10020209.spa
dc.relation.referencesEII. (06 de mayo de 2021). Earth Innovation Institute. Obtenido de: https://earthinnovation.org/spa
dc.relation.referencesElijah, K. (04 de enero de 2022). Principal Component Analysis. Obtenido de Towards data science: https://towardsdatascience.com/principal-component-analysis-ac90b73f68f5spa
dc.relation.referencesEl Tiempo. (01 de diciembre de 2014). ¿Se queda sin aire el pulmón del mundo? Obtenido de http://www.eltiempo.com/archivo/documento/CMS-14785175spa
dc.relation.referencesESA. (03 de mayo de 2021). Sentinel online. Obtenido de https://sentinels.copernicus.eu/web/sentinel/homespa
dc.relation.referencesFagua, J., Jantz, P., Burns, P., Massey, R., Buitrago, J., Saatchi, S., Hakkenberg, C., Goetz, S. (2021). Mapping tree diversity in the tropical forest region of Chocó-Colombia. Environmental Research Letters, http://dx.doi.org/10.1088/1748-9326/abf58aspa
dc.relation.referencesFAO. (2016). Forestry and climate change. Roles of forests in climate change. Obtenido de https://www.fao.org/forestry/climatechange/en/spa
dc.relation.referencesFAO. (2017). Directrices voluntarios sobre monitoreo forestal. Roma: Organización de las naciones unidas para la alimentación y la agricultura.spa
dc.relation.referencesFauvel, K., Fromont, E., Masson, V., Faverdin, P., & Termier, A. (2022). XEM: An explainable-by-design ensemble method for multivariate time series classification. Data Mining and Knowledge Discovery, 36(3), 917-957.spa
dc.relation.referencesFDLC. (28 de abril de 2021). Fundación para el desarrollo local comunitario. Obtenido de https://www.fundacomunidad.org/p/nosotros_4.htmlspa
dc.relation.referencesFoley, A. (2005). Global consequences of land use, Sciencespa
dc.relation.referencesForest Trends. (26 de abril de 2021). Obtenido de https://www.forest-trends.org/who-we-are/mission-and-history/spa
dc.relation.referencesFung, T & LeDrew, E 1987. "Application of Principal Components Analysis to Change Detection",Photogrammetric Engineering and Remote Sensing, Vol. 53, No. 12, pp. 1649-1658spa
dc.relation.referencesGalindo, G., Espejo , J., Rubiano , J., & Vergara, K. (2014). Protocolo de procesamiento digital de imágenes para la cuantificación de la deforestación en Colombia. V 2.0. Bogotá D.C. Colombia: Instituto de Hidrología Meteorología y Estudios Ambientales – IDEAM.spa
dc.relation.referencesGFW. (12 de Julio de 2021). Indigenous community monitors deforestation. Obtenido de Global Forest Watch: https://www.globalforestwatch.org/blog/es/people/monitores-forestales-indigenas-frenan-deforestacion-2/spa
dc.relation.referencesGIZ. (2015). El modelo de gestión para el desarrollo sostenible. Capacity WORKS. Cooperación técnica alemana.spa
dc.relation.referencesGobernación de Caquetá. (25 de abril de 2021). Gobernación de Caquetá. Obtenido de http://www.caqueta.gov.co/gobernacion/secretaria-delegadaspa
dc.relation.referencesGobernación del Guaviare. (28 de abril de 2021). Obtenido de http://www.guaviare.gov.co/gobernacion/mision-y-visionspa
dc.relation.referencesGobernación del Guaviare. (28 de abril de 2021). Obtenido de http://www.guaviare.gov.co/gobernacion/mision-y-visionspa
dc.relation.referencesGonzález, J., Cubillos, A., Chadid, M., Arias, M., Zúñiga, E., Joubert, F., … Berrío, V. (2018). Caracterización de las principales causas y agentes de la deforestación a nivel nacional período 2005-2015. Colombia. Bogotá: Instituto de Hidrología, Meteorología y Estudios Ambientales -IDEAM-. Programa ONU-REDD .spa
dc.relation.referencesHamman, J. (16 de octubre de 2018). Pangeo applications for NASA Earth Observing Data. Obtenido de https://medium.com/pangeo/nasa-access-c3515a44f31bspa
dc.relation.referencesHammer, D., Kraft, R. & Wheeler, D. (2014). Alerts of forest disturbance from MODIS imagery Int. J. Appl. Earth Obs. Geoinformation.spa
dc.relation.referencesHamunyela, E., Verbesselt, J., & de Brui, S. (2016). Monitoring Deforestation at Sub-Annual Scales as Extreme Events in Landsat Data Cubes. Remote Sensing.spa
dc.relation.referencesHansen M.C., Potapov P.V., Moore R., Hancher M., Turubanova S.A., Tyukavina A., Thau D., Stehman S.V., Goetz S.J., Loveland T. R., Kommareddy A., Egorov A., Chini L., Justice C.O., Townshend J.R.G. (2013) High-Resolution Global Maps of 21st-Century Forestspa
dc.relation.referencesHansen, M., Alexander, K., Alexandra, T., Peter, V. P., Svetlana, T., Bryan, Z., y otros. (2016). Humid tropical forest disturbance alerts using Landsat data. Environmental Research Lettersspa
dc.relation.referencesHenderson, S. (01 de octubre de 2018). Cloud Native Geoprocessing of Earth Observation Satellite Data with Pangeo. Obtenido de https://medium.com/pangeo/cloud-native-geoprocessing-of-earth-observation-satellite-data-with-pangeo-997692d91ca2spa
dc.relation.referencesHoltz, Y. (23 de noviembre de 2021). Python graph gallery. Obtenido de https://www.python-graph-gallery.com/about/spa
dc.relation.referencesIDEAM. (2016). Instituto de Meteorología, Hidrología y Estudios Ambientales. Recuperado el 12 de diciembre de 2016, de Boletín de alertas tempranas por deforestación:http://documentacion.ideam.gov.co/openbiblio/bvirtual/022695/Alertastempranasdedeforestacionsegundoboletin.pdfspa
dc.relation.referencesIDEAM. (2018). Instituto de Meteorología, Hidrología y Estudios Ambientales. Recuperado el 08 de mayo de 2018, de Boletín de alertas tempranas por deforestación:http://documentacion.ideam.gov.co/openbiblio/bvirtual/022695/Alertastempranasdedeforestacionsegundoboletin.pdfspa
dc.relation.referencesIDEAM. (2019). Documento Metodológico: Operación Estadística Monitoreo de la Superficie de Bosque Natural en Colombia. Bogotá D.C.spa
dc.relation.referencesIDEAM. (2020). Presentación lanzamiento cifras de deforestación anual 2020. Obtenido deideam.gov.co/documents/10182/113437783/Presentacion_Deforestacion2020_SMByC-IDEAM.pdf/spa
dc.relation.referencesIDEAM. (25 de abril de 2021). Instituro Hidrologico, Metereologico y Estudios Ambientales. Obtenido de http://www.ideam.gov.co/web/entidad/acerca-entidadspa
dc.relation.referencesIRD. (29 de abril de 2021). International Relief & Development- IRD. Obtenido de https://blumont.org/about/spa
dc.relation.referencesJensen, J. (2005). Introductory Digital Image Processing, 3rd Ed.spa
dc.relation.referencesJosse, C., Navarro, G., Evans, R., Teague., J. (2003). Ecological Systems of Latin America and the Caribbean: A Working Classification of Terrestrial Systems. Arlington: NatureServe.spa
dc.relation.referencesKavzoglu, T., (2017). Object-Oriented Random Forest for High Resolution Land Cover Mapping Using Quickbird-2 Imagery. In: Handbook of Neural Computation, edited by Samui, P., Roy, S.S., and Balas, V.E. Elseiver, Amsterdam.spa
dc.relation.referencesKavzoglu, Taskin & Bilücan, Furkan & Teke, Alihan. (2020). Comparison of support vector machines, random forest and decision tree methods for classification of sentinel - 2a image using different band combinations, Department of Geomatics Engineering.spa
dc.relation.referencesKpienbaareh, D., Sun, X., Wang, J., Luginaah, I., Bezner Kerr, R., Lupafya, E., & Dakishoni, L. (2021). Crop type and land cover mapping in northern Malawi using the integration of sentinel-1, sentinel-2, and planetscope satellite data. Remote Sensing, 13(4), 700.spa
dc.relation.referencesMADR. (21 de abril de 2021). Ministerio de Agricultura y Desarrollo Rural. Obtenido de https://www.minagricultura.gov.co/ministerio/quienes-somos/Paginas/Quienes-somos.aspxspa
dc.relation.referencesMADS. (2017). Política Nacional de Cambio Climático. Ministerio de Ambiente y Desarrollo Sostenible. Recuperado de https://www.minambiente.gov.co/wp-content/uploads/2022/01/9.-Politica-Nacional-de-Cambio-Climatico.pdfspa
dc.relation.referencesMeyer, F. (2019). Spaceborne Synthetic Aperture Radar : Principles , Data Access , and Basic Processing Techniques. En SAR Handbook: Comprehensive Methodologies for Forest Monitoring and Biomass Estimation (pág. Chapter 2). Nasa. doi:DOI: 10.25966/ez4f-mg98spa
dc.relation.referencesMeyer, F. (02 de septiembre de 2020). Alaska Satellite Facility. Obtenido de SAR: The Power Tool of Remote Sensing: https://asf.alaska.edu/information/sar-information/what-is-sar/spa
dc.relation.referencesMinAmbiente. (2016). Importancia de los bosques, Colombia tercer país de la región en cobertura boscosa. Ministerio de Ambiente y Desarrollo Sostenible.spa
dc.relation.referencesMinambiente. (2018). Estrategia Integral de Control a la Deforestación y Gestión de los Bosques. Bogotá D.C.: Bosques territorios de vida.spa
dc.relation.referencesMinciencias. (28 de abril de 2021). Ministerio de Ciencia Tecnología e Innovación. Obtenido de https://minciencias.gov.co/ministerio/funcionesspa
dc.relation.referencesMINCIT. (25 de abril de 2021). Ministerio de Comercio, Industria y Turismo. Obtenido de http://www.mincit.gov.co/ministerio/conozco-masspa
dc.relation.referencesMINCULTURA. (25 de abril de 2021). Ministerio de Cultura. Obtenido de https://www.mincultura.gov.co/ministerio/quienes-somos/Paginas/default.aspxspa
dc.relation.referencesMudereri, B. T., Dube, T., Adel-Rahman, E. M., Niassy, S., Kimathi, E., Khan, Z., & Landmann, T. (2019). A comparative analysis of PlanetScope and Sentinel-2 space-borne sensors in mapping Striga weed using Guided Regularised Random Forest classification ensemble. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 42(2/W13).spa
dc.relation.referencesMusinsky, J. (2014). Near-real time monitoring and alert systems. REDD+ Measurement, Reporting and Verification (MRV) Manual Version 2.0. USAID -supported Forest Carbon, Markets and Communities Program. Washington, DC, USA.spa
dc.relation.referencesNASA. (1989). Atmospheric Transmission of Electromagnetic Waves in Spectral Areas of Visible Light and Different Radar Bandsspa
dc.relation.referencesNASA. (01 de marzo de 2013). Goddard Space Flight Center. Obtenido de https://imagine.gsfc.nasa.gov/science/toolbox/emspectrum1.htmlspa
dc.relation.referencesNASA. (02 de mayo de 2021). Landsat science. Obtenido de https://landsat.gsfc.nasa.gov/spa
dc.relation.referencesNepstad, D., McGrath, D., Stickler, C., Alencar, A., Azevedo, A., Swette, B., ... & Hess, L. (2014). Slowing Amazon deforestation through public policy and interventions in beef and soy supply chains. science, 344(6188), 1118-1123.spa
dc.relation.referencesNewton, A.C., 2021. Ecosystem Collapse and Recovery, 1st ed. Cambridge University Press. https://doi.org/10.1017/9781108561105spa
dc.relation.referencesNg, S. & Bai, J. (2017). Principal components and regularized estimation of factor models. Obtenido de https://arxiv.org/pdf/1708.08137.pdfspa
dc.relation.referencesNICFI. (08 de mayo de 2021). Norway’s International Climate and Forest Initiative. Obtenido de: https://www.nicfi.no/spa
dc.relation.referencesNISAR. (2018). NASA-ISRO SAR (NISAR) Mission Science. Obtenido de NASA Jet Propulsion Laboratory. 261 pp: https://nisar.jpl.nasa.gov/system/documents/files/26_NISAR_FINAL_9-6-19.pdf?_ga=2.117743950.656918719.1643580810-1857828090.1639628617spa
dc.relation.referencesOlofsson, P., Stehman, S. V., Woodcock, C. E., Sulla-Menashe, D., Sibley, A. M., Newell, J. D., Friedl, M. A. and Herold, M. (2012). A global land cover validation dataset, I: Fundamental design principles. International Journal of Remote Sensing, 33:5768-5788.spa
dc.relation.referencesOlofsson, P., Foody, G. M., Stehman, S. V. and Woodcock, C. E. (2013). Making better use of accuracy data in land change studies: estimating accuracy and area andspa
dc.relation.referencesOlofsson, P., Foody, G. M., Herold, M., Stehman, S. V., Woodcock, C. E. and Wulder, M. A. (2014). Good Practices for Assessing Accuracy and Estimating Area of Land Change. Remote Sensing of Environment, 148:42- 57.spa
dc.relation.referencesOlofsson, P., Holden, C. E., Bullock, E. L., & Woodcock, C. E. (2016). Time series analysis of satellite data reveals continuous deforestation of New England since the 1980s. Environmental Research Letters, 11(6), 064002.spa
dc.relation.referencesOlofsson, P. (2017). Accuracy and Area Estimation. Reference Module in Earth Systems and Environmental Sciences, in pressspa
dc.relation.referencesOPIAC. (29 de abril 2021). Organización Nacional de los Pueblos Indígenas de la Amazonia Colombiana. Obtenido de https://opiac.org.co/opiac/quienes-somosspa
dc.relation.referencesOrtiz, S. M., Breidenbach, J., Knuth, R., & Kändler, G. (2012). The Influence of DEM Quality on Mapping Accuracy of Coniferous-and Deciduous-Dominated Forest Using TerraSAR‑X Images. Remote Sensing, 4(3), 661-681.spa
dc.relation.referencesPatrimonio Natural. (06 de junio de 2021). El Fondo Patrimonio Natural. Obtenido de https://www.patrimonionatural.org.co/informacion-permanencia-esal/spa
dc.relation.referencesPedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., … Duchesnay, E. (2011). Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research. 12, pp. 2825-2830.spa
dc.relation.referencesPerko, R., Raggam, H., Gutjahr, K., & Schardt, M. (2011, July). Using worldwide available TerraSAR-X data to calibrate the geo-location accuracy of optical sensors. In 2011 IEEE International Geoscience and Remote Sensing Symposium (pp. 2551-2554).spa
dc.relation.referencesPID. (22 de abril de 2021). Plataforma de información y diálogo para la amazonía Colombiana. Obtenido de Mapeo de actores e iniciativas : https://www.pidamazonia.com/spa
dc.relation.referencesPNN. (25 de abril de 2021). Parques Nacionales Naturales de Colombia. Obtenido de http://www.parquesnacionales.gov.co/portal/es/organizacion/spa
dc.relation.referencesPotapov, P. V. (2014). National satellite-based humid tropical forest change assessment in Peru in support of REDD+ implementation. Environmental Research Letters.spa
dc.relation.referencesPotapov, P., Hansen, M., Kommareddy, I., Kommareddy, A., Turubanova, S., Pickens, A., Adusei, B., Tyukavina, A., Ying, Q. (2020). Landsat Analysis Ready Data for Global Land Cover and Land Cover Change Mapping. Remote Sensing.spa
dc.relation.referencesRamírez, S., Ramírez, M., Galindo, G. & Espejo, O. (2014). Evaluación de la exactitud temática del mapa de cambio de bosque para la región amazónica colombiana en el periodo 2010-2012. Selper. Obtenido de https://selper.org.co/papers-XVI-Simposio/Cartografia-Digital/CD4-Evaluacion-exactitud-tematica-mapa-cambio-amazonia-colombia.pdfspa
dc.relation.referencesR Core Team (2018). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL https://www.R-project.org/.spa
dc.relation.referencesREDCaquetaPaz (02 de mayo de 2021). Fundación para el desarrollo y paz de Caquetá. obtenido de https://www.redcaquetapaz.org/spa
dc.relation.referencesReymondin L. (2013). A methodology for near real-time monitoring of habitat change at continental scales using MODIS-NDVI and TRMM, Submitted Remote Sensing of Environment.spa
dc.relation.referencesRodrigo, J. A. (2017). Análisis de componentes principales (principal component analysis, pca) y t-sne.spa
dc.relation.referencesRoman, A. & Ursu, T. (2016). Multispectral satellite imagery and airborne laser scanning techniques for the detection of archaeological vegetation marks. Landscape Archaeology, 141-152.spa
dc.relation.referencesSelva Humeda. (06 de mayo de 2021). Corporación selva húmeda. Obtenido de: https://www.corporacionselvahumeda.org/nosotros.htmlspa
dc.relation.referencesSENA. ( 07 de mayo de 2021). Servicio Nacional de Aprendizaje. Obtenido de: https://www.sena.edu.co/es-co/sena/Paginas/misionVision.aspxspa
dc.relation.referencesShao, Y., Di, L., Bai, Y., & Guo, B. (2012). Geoprocessing on the Amazon cloud computing platform AWS. Agro-Geoinformatics, 286-291. doi:DOI:10.1109/Agro-Geoinformatics.2012.6311655spa
dc.relation.referencesShimabukuro, E., dos Santos, J., Formaggio, R., Duarte, V. & Rudorff, T. (2012). The Brazilian Amazon Monitoring Program: PRODES and DETER Projects Global Forest Monitoring from Earth Observationspa
dc.relation.referencesShouval, R., Labopin, M., Unger, R., Giebel, S., Ciceri, F., Schmid, C., ... & Nagler, A. (2016). Prediction of hematopoietic stem cell transplantation related mortality-lessons learned from the in-silico approach: a European Society for Blood and Marrow Transplantation Acute Leukemia Working Party data mining study. PLoS One, 11(3), e0150637spa
dc.relation.referencesSINCHI. (20 de abril de 2021). Instituto SINCHI. Obtenido de https://www.sinchi.org.co/quienes-somosspa
dc.relation.referencesSingh, A & Harrison, A 1985. "Standardized Principal Components", Int. J. Remote Sensing, Vol.6, No. 6, pp. 883-896.spa
dc.relation.referencesSlough, T., Kopas, J. & Urpelainen, J. (20 de 07 de 2021). Satellite-based deforestation alerts with training and incentives for patrolling facilitate community monitoring in the Peruvian Amazon. Proceedings of the National Academy of Sciences, 29. Obtenido de http://www.pnas.org/content/118/29/e2015171118.abstractspa
dc.relation.referencesSmall, D. (2011). Flattening gamma: Corrección radiométrica del terreno para imágenes SAR. IEEE Transactions of Geoscience and Remote Sensing, 49 (8): 3081-3093.spa
dc.relation.referencesSMByC. (2018). Web del Sistema de Monitoreo de Bosques y Carbono. Obtenido de http://smbyc.ideam.gov.co/spa
dc.relation.referencesSMByC. (2020). Presentacion de resultados de la cifra de deforestación 2020. Obtenido http://www.ideam.gov.co/documents/10182/113437783/Presentacion_Deforestacion2020_SMByC-IDEAM.pdf/spa
dc.relation.referencesSMByC. (2019). Operación estadística monitoreo de la superficie de bosque natural en Colombia. Obtenido de http://www.ideam.gov.co/documents/11769/72065174/Doc_metodol%C3%B3gico_SMBYC_Consolidado_v12_26062019.pdf/1c576c67-d00c-4e2c-b3b1-5a260305f3d0, Bogotá D.C.spa
dc.relation.referencesSMByC. (22 de marzo de 2021). AcATaMa. Obtenido de https://smbyc.github.io/AcATaMa/spa
dc.relation.referencesTavares, R., & Fitch, J. (2019). Identificación de los actores sociales en una comunidad. Obtenido de Revista de Arquitectura: https://revistadearquitectura.ucatolica.edu.co/article/view/2258/2550spa
dc.relation.referencesPennsylvania State University. (04 de 01 de 2022). Applied Data Mining and Statistical Learning, Lesson 6: Principal Components Analysis. Obtenido de https://online.stat.psu.edu/stat508/bookspa
dc.relation.referencesTNC. (24 de abril de 2021). The Nature Conservancy, Obtenido de https://www.nature.org/es-us/que-hacemos/nuestra-vision/spa
dc.relation.referencesUNFCCC. (1992). Convención Marco de las Naciones Unidas Sobre el Cambio Climático. Río de Janeiro : Naciones Unidasspa
dc.relation.referencesUSGS. (01 de mayo de 2018). Landsat Science Products. Obtenido de https://landsat.usgs.gov/landsat-science-data-productsspa
dc.relation.referencesVargas, C., Montalban, J. & Taquia, A. (2019). Early warning tropical forest loss alerts in Peru using Landsat. Environmental Research Communications. 1. 10.1088/2515-7620/ab4ec3.spa
dc.relation.referencesXia, J., Yang, C., & Li, Q. (2018). Building a spatiotemporal index for earth observation big data. Int. J. Appl. Earth Obs., 245–252.spa
dc.relation.referencesYao, X., Li, G., Xia, J., Ben, J., Cao, Q., Zhao, L., … Zhu, D. (2020). Enabling the Big Earth Observation Data via Cloud Computing and DGGS: Opportunities and Challenges. Remote Sensing, https://doi.org/10.3390/rs12010062.spa
dc.relation.referencesWatanabe, M., Koyama, C.N., Hayashi, M., Nagatani, I., Tadono, T., Shimada, M. (2021). Refined algorithm for forest early warning system with ALOS-2/PALSAR-2 ScanSAR data in tropical forest regions. Remote Sens. Environ. 265, 112643 https://doi.org/ 10.1016/j.rse.2021.112643spa
dc.relation.referencesWCS. (2021). Wildlife Conservation Society. Obtenido de: https://colombia.wcs.org/es-es/WCS-Colombia/Nuestra-mision.aspxspa
dc.relation.referencesWoodcock, C. E., Allen, R., Anderson, M., Belward, A., Bindschadler, R., Cohen, W., ... & WULDER, M. A. W. (2008). Free access to Landsat imagery. SCIENCE VOL 320: 1011.spa
dc.relation.referencesWWF. (12 de septiembre de 2016). WWF Global. Recuperado el 2016 de 09 de 12, de http://wwf.panda.org/about_our_earth/deforestation/importance_forestsspa
dc.relation.referencesWWF. (02 de mayo de 2021). WWF Global, Obtenido de https://www.wwf.org.co/conocenos/quienes_somos_/spa
dc.relation.referencesZhu, Z. & Woodcock, C. E. (2012). Object-based cloud and cloud shadow detection in Landsat imagery. Remote Sensing of Environment, v. 118. pp. 83-94.spa
dc.relation.referencesZhu, Z., Fu, Y., Woodcock, C. E., Olofsson, P., Vogelmann, J. E., Holden, C. E., Wang, M., Dai, S. and Yu, Y. (2016). Including Land Cover Change in Greenness Trend Analysis Based on All Available Landsat 5, 7, and 8 Images: A case study from Guangzhou, China (2000-2014). Remote Sensing of Environment, 185: 243-257spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.licenseReconocimiento 4.0 Internacionalspa
dc.rights.urihttp://creativecommons.org/licenses/by/4.0/spa
dc.subject.ddc350 - Administración pública y ciencia militar::354 - Administración pública de la economía y el medio ambientespa
dc.subject.lembDEFORESTACION-CONTROLspa
dc.subject.lembDeforestation -- Controleng
dc.subject.lembCONSERVACION DE BOSQUESspa
dc.subject.lembForest conservationeng
dc.subject.proposalDeforestaciónspa
dc.subject.proposalDeforestationeng
dc.subject.proposalBosquesspa
dc.subject.proposalForesteng
dc.subject.proposalMapa de actoresspa
dc.subject.proposalMap of actorseng
dc.subject.proposalConservaciónspa
dc.subject.proposalConservationeng
dc.subject.proposalComponentes principalesspa
dc.subject.proposalSeries temporalesspa
dc.subject.proposalPrincipal componentseng
dc.subject.proposalTemporal serieseng
dc.titleDiseño de una propuesta de optimización del sistema de alertas tempranas por deforestación para Colombia, caso de estudio “Corazón de la Amazonia”spa
dc.title.translatedDesigning an optimization proposal of the deforestation early-warning system in Colombia: “The heart of the Amazon” case studyeng
dc.typeTrabajo de grado - Maestríaspa
dc.type.coarhttp://purl.org/coar/resource_type/c_bdccspa
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/masterThesisspa
dc.type.redcolhttp://purl.org/redcol/resource_type/TMspa
dc.type.versioninfo:eu-repo/semantics/acceptedVersionspa
dcterms.audience.professionaldevelopmentInvestigadoresspa
dcterms.audience.professionaldevelopmentProveedores de ayuda financiera para estudiantesspa
dcterms.audience.professionaldevelopmentPúblico generalspa
dcterms.audience.professionaldevelopmentReceptores de fondos federales y solicitantesspa
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2spa

Archivos

Bloque original

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
1019043605_2022.pdf
Tamaño:
9.13 MB
Formato:
Adobe Portable Document Format
Descripción:
Tesis de Maestria en Medio Ambiente y Desarrollo

Bloque de licencias

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción: