1. Universidad Antonio Nariño
  2. Trabajos de grado
  3. Especializaciones
  4. Especialización en Sistemas de información geográfica
Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.uan.edu.co/handle/123456789/9095
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorCarvajal Vanegas, Andrés Felipe-
dc.creatorMera Garzón, Diana Patricia-
dc.date.accessioned2024-01-30T14:33:05Z-
dc.date.available2024-01-30T14:33:05Z-
dc.date.created2023-11-25-
dc.identifier.urihttp://repositorio.uan.edu.co/handle/123456789/9095-
dc.description.abstractThis document provides a comprehensive overview of the JavaScript code used within the Google Earth Engine (GEE) platform and serves as a Methodological Guide for the Identification of Oil Palm cultivation areas using supervised classification methods with Random Forest. The guide outlines detailed step-by-step procedures and recommends specific functions. Furthermore, the source code is made available to the public, simplifying access and enabling reproduction by other users of Geographic Information Systems (GIS).es_ES
dc.description.tableofcontentsEste documento ofrece una visión general del código JavaScript utilizado en la plataforma Google Earth Engine (GEE) y funciona como una Guía Metodológica para la Identificación de áreas de cultivo de Palma Aceitera mediante métodos de clasificación supervisada con Random Forest. La guía detalla los procedimientos paso a paso y recomienda funciones específicas. Además, el código fuente se encuentra disponible al público, facilitando así su acceso y la posibilidad de reproducción por parte de otros usuarios de Sistemas de Información Geográfica (SIG).es_ES
dc.language.isospaes_ES
dc.publisherUniversidad Antonio Nariñoes_ES
dc.rightsAtribución 3.0 Estados Unidos de América*
dc.rights.urihttp://creativecommons.org/licenses/by/3.0/us/*
dc.sourceinstname:Universidad Antonio Nariñoes_ES
dc.sourcereponame:Repositorio Institucional UANes_ES
dc.sourceinstname:Universidad Antonio Nariñoes_ES
dc.sourcereponame:Repositorio Institucional UANes_ES
dc.subjectJavaScriptes_ES
dc.subjectRandom Forestes_ES
dc.subjectSentineles_ES
dc.subjectPlanet Scopees_ES
dc.subjectInteligencia Artificial (IA)es_ES
dc.titleGuía para la identificación de las áreas sembradas en palma de aceite, a partir del uso de la plataforma de Google Earth Engine (Estudio de caso: municipio de Maní – Casanare)es_ES
dc.typeTesis - Trabajo de grado - Monografia - Especializaciones_ES
dc.publisher.programEspecialización en Sistemas de Información Geográficaes_ES
dc.rights.accesRightsopenAccesses_ES
dc.subject.keywordJavaScriptes_ES
dc.subject.keywordRandom Forestes_ES
dc.subject.keywordSentineles_ES
dc.subject.keywordPlanet Scopees_ES
dc.subject.keywordArtificial Intelligence (AI)es_ES
dc.type.spaTrabajo de grado (Pregrado y/o Especialización)es_ES
dc.type.hasVersioninfo:eu-repo/semantics/acceptedVersiones_ES
dc.source.bibliographicCitationAdepoju, K. A., & Adelabu, S. A. (2020). Improving accuracy evaluation of Landsat-8 OLI using image composite and multisource data with Google Earth Engine. Remote Sensing Letters, 11(2), 107–116. https://doi.org/10.1080/2150704X.2019.1690792es_ES
dc.source.bibliographicCitationAmani, M., Ghorbanian, A., Ahmadi, S. A., Kakooei, M., Moghimi, A., Mirmazloumi, S. M., Moghaddam, S. H. A., Mahdavi, S., Ghahremanloo, M., Parsian, S., Wu, Q., & Brisco, B. (2020). Google Earth Engine Cloud Computing Platform for Remote Sensing Big Data Applications: A Comprehensive Review. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 13, 5326–5350. https://doi.org/10.1109/JSTARS.2020.3021052es_ES
dc.source.bibliographicCitationAmani, M., Mahdavi, S., Afshar, M., Brisco, B., Huang, W., Mirzadeh, S. M. J., White, L., Banks, S., Montgomery, J., & Hopkinson, C. (2019). Canadian wetland inventory using Google Earth Engine: The first map and preliminary results. Remote Sensing, 11(7). https://doi.org/10.3390/RS11070842es_ES
dc.source.bibliographicCitationAng, Y., Shafri, H. Z. M., Lee, Y. P., Bakar, S. A., Abidin, H., Mohd Junaidi, M. U. U., Hashim, S. J., Che’Ya, N. N., Hassan, M. R., Lim, H. S., Abdullah, R., Yusup, Y., Muhammad, S. A., Teh, S. Y., & Samad, M. N. (2022). Oil palm yield prediction across blocks from multisource data using machine learning and deep learning. Earth Science Informatics, 15(4), 2349–2367. https://doi.org/10.1007/S12145-022-00882-9/METRICSes_ES
dc.source.bibliographicCitationArias, A., Darghan, N. A. ;, Rivera, A. E. ; Beltran, C. ; Typology, J. A., Martínez-Arteaga, D., Atanasio, N., Darghan, A. E., Rivera, C., & Beltran, J. A. (2023). Typology of Irrigation Technology Adopters in Oil Palm Production: A Categorical Principal Components and Fuzzy Logic Approach. Sustainability 2023, Vol. 15, Page 9944, 15(13), 9944. https://doi.org/10.3390/SU15139944es_ES
dc.source.bibliographicCitationAsming, M. A. A., Ibrahim, A. M., & Abir, I. M. (2022). Processing and classification of landsat and sentinel images for oil palm plantation detection. Remote Sensing Applications: Society and Environment, 26, 100747. https://doi.org/10.1016/J.RSASE.2022.100747es_ES
dc.source.bibliographicCitationAzhar, B., Saadun, N., Prideaux, M., & Lindenmayer, D. B. (2017). The global palm oil sector must change to save biodiversity and improve food security in the tropics. In Journal of Environmental Management (Vol. 203, pp. 457–466). Academic Press. https://doi.org/10.1016/j.jenvman.2017.08.021es_ES
dc.source.bibliographicCitationBasiron, Y. (2007). Palm oil production through sustainable plantations. European Journal of Lipid Science and Technology, 109(4), 289–295. https://doi.org/10.1002/ejlt.200600223 Belgiu, M., & Drăgu, L. (2016). Random forest in remote sensing: A review of applications and future directions. In ISPRS Journal of Photogrammetry and Remote Sensing (Vol. 114, pp. 24–31). Elsevier B.V. https://doi.org/10.1016/j.isprsjprs.2016.01.011es_ES
dc.source.bibliographicCitationBreiman, L. (2001). Random Forests (Vol. 45)es_ES
dc.source.bibliographicCitationCarlson, K. M., Curran, L. M., Asner, G. P., Pittman, A. M. D., Trigg, S. N., & Marion Adeney, J. (2013). Carbon emissions from forest conversion by Kalimantan oil palm plantations. Nature Climate Change, 3(3), 283–287. https://doi.org/10.1038/nclimate1702es_ES
dc.description.degreenameEspecialista en Sistemas de Información Geográficaes_ES
dc.description.degreelevelEspecializaciónes_ES
dc.publisher.facultyFacultad de Ingeniería Ambientales_ES
dc.audienceEspecializadaes_ES
dc.description.notesPresenciales_ES
dc.creator.cedula11792314797es_ES
dc.publisher.campusBogotá - Federmánes_ES
dc.description.degreetypeMonografíaes_ES
Aparece en las colecciones: Especialización en Sistemas de información geográfica

Ficheros en este ítem:
Fichero Tamaño  
2023_DianaPatriciaMeraGarzón.pdf3.58 MBVisualizar/Abrir
2023_DianaPatriciaMeraGarzón_Anexo.pdf
  Restricted Access		2.85 MBVisualizar/Abrir  Request a copy
2023_DianaPatriciaMeraGarzón_Autorizacion.pdf
  Restricted Access		1.02 MBVisualizar/Abrir  Request a copy
2023_DianaPatriciaMeraGarzón_Acta.pdf248.8 kBVisualizar/Abrir
Mostrar el registro sencillo del ítem


Ver Estadísticas de uso



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons