Estimación de nitrógeno y biomasa en cultivos de arroz mediante modelos de aprendizaje automático

Duque Montenegro, Andrés Felipe

Estimación de nitrógeno y biomasa en cultivos de arroz mediante modelos de aprendizaje automático

dc.contributor.advisor	Patiño Guevara, Diego Alejandro	spa
dc.contributor.advisor	Julian David, Colorado Montaño	spa
dc.contributor.author	Duque Montenegro, Andrés Felipe	spa
dc.contributor.evaluator	Giraldo Carvajal, Juan Carlos	spa
dc.contributor.evaluator	Hurtado Londono, Jairo Alberto	spa
dc.date.accessioned	2023-08-15T16:17:56Z
dc.date.available	2023-08-15T16:17:56Z
dc.date.created	2023-03-07	spa
dc.description.abstract	El uso de imágenes Vehículos Aéreos no tripulados (UAV) para la estimación de biomasa y nitrógeno es un enfoque prometedor para la investigación en agricultura de precisión. Aprovechando la alta resolución espacial y espectral de las imágenes de UAV, los investigadores pueden obtener estimaciones precisas y detalladas de estas importantes variables, proporcionando información valiosa para optimizar las prácticas de gestión y comprender la dinámica de los cultivos de arroz. El modelo de biomasa y nitrógeno en el arroz es una área de investigación importante en seguridad alimentaria, ya que el arroz es un cultivo básico que alimenta a más de la mitad de la población mundial . Estimar con precisión la biomasa y el contenido de nitrógeno en el arroz puede ayudar a optimizar las prácticas de gestión de cultivos, aumentar los rendimientos y reducir el impacto medioambiental. El desarrollo de esta estimación mediante métodos no invasivos, como la estimación de parámetros mediante imágenes multiespectrales permite optimizar los tiempos de estimación y monitorizar el cultivo de forma automatizada. Se han aplicado diferentes técnicas de aprendizaje automático para relacionar los Indices Vegetativos (VIs) con la biomasa y el nitrógeno, entre estas técnicas se encuentran la regresión multivariante lineal y no lineal, máquinas de soporte vectorial SVM y redes neuronales NN, y otras no tan exploradas como árboles de decisión, conjuntos de regresión y los procesos de regresión gaussiana. Este trabajo explora la estimación de biomasa y nitrógeno en 59 parcelas de arroz mediante imágenes multiespectrales capturadas a 20 metros de altura. El experimento pretende 1) Caracterizar los parámetros de biomasa y nitrógeno en diferentes genotipos de cultivos de arroz en el Tolima a partir de las bases de datos del ecosistema Omicas; 2) Implementar diferentes algoritmos de estimación con los datos obtenidos de las imágenes de vehículos aéreos no tripulados de los cultivos del Tolima, y evaluarlos mediante métricas de regresión; 3) Diseñar un modelo de estimación para el comportamiento de la biomasa y el nitrógeno en los cultivos de estudio que integre los parámetros de las etapas fenológicas vegetativa, reproductiva y de maduración; y 4) Evaluar el desempeño del modelo de estimación de biomasa y nitrógeno mediante el cálculo de métricas de regresión obtenidas de la comparación entre los métodos tradicionales de medición y el procesamiento de imágenes.	spa
dc.description.abstractenglish	The use of Unmanned Aerial Vehicles (UAV) images for biomass and nitrogen estimation is a promising approach for precision agriculture research. By leveraging the high spatial and spectral resolution of UAV imagery, researchers can derive accurate and detailed estimates of these important variables, providing valuable information for optimizing management practices and understanding rice crops dynamics. The model of biomass and nitrogen in rice is an important research area in food security, as rice is a staple crop that feeds more than half of the world’s population. Accurately estimating biomass and nitrogen content in rice can help optimize crop management practices, increase yields and reduce environmental impact. The development of this estimation through non-invasive methods, such as the estimation of parameters through multispectral images, allows the optimization of estimation times and crop monitoring. Different Machine Learning (ML) techniques have been implemented in order to correlate Vegetation Indices (VIs) with biomass and nitrogen. These techniques include, linear and nonlinear multivariate regression, Support Vector Machines SVM and NN Neural Networks, along with less explored ones such as Regression Trees TR, Regression Ensembles ER, and Gaussian Regression Processes GPR. This work explores the estimation of biomass and nitrogen in 59 rice plots by means of multispectral images captured at 20 meters height, the experiment aims to 1) Characterize the parameters of biomass and nitrogen in different genotypes of rice crops in Tolima based on the Omicas ecosystem databases; 2) Implement different estimation algorithms with the data obtained from unmanned aerial vehicle imagery of Tolima crops, and evaluate them using regression metrics; 3) Design an estimation model for the behavior of biomass and nitrogen in the study crops that integrates the parameters of vegetative, reproductive, and maturation phenological stages; and 4) Assess the performance of the biomass and nitrogen estimation model through the calculation of regression metrics obtained from the comparison between traditional measurement methods and image processing.	spa
dc.description.degreelevel	Maestría
dc.description.degreename	Magíster en Ingeniería Electrónica
dc.description.googlescholar	0000121742	spa
dc.description.orcid	0000-0001-8451-1833	spa
dc.description.sponsorship	OMICAS	spa
dc.format	PDF
dc.format.mimetype	application/pdf
dc.identifier.instname	instname:Pontificia Universidad Javeriana
dc.identifier.reponame	reponame:Repositorio Institucional - Pontificia Universidad Javeriana
dc.identifier.repourl	repourl:https://repository.javeriana.edu.co
dc.identifier.uri	http://hdl.handle.net/10554/65265
dc.language.iso	spa
dc.publisher	Pontificia Universidad Javeriana
dc.publisher.faculty	Facultad de Ingeniería
dc.publisher.program	Maestría en Ingeniería Electrónica
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	info:eu-repo/semantics/openAccess
dc.rights.licence	Atribución-NoComercial-SinDerivadas 4.0 Internacional
dc.rights.local	De acuerdo con la naturaleza del uso concedido, la presente licencia parcial se otorga a título gratuito por el máximo tiempo legal colombiano, con el propósito de que en dicho lapso mi (nuestra) obra sea explotada en las condiciones aquí estipuladas y para los fines indicados, respetando siempre la titularidad de los derechos patrimoniales y morales correspondientes, de acuerdo con los usos honrados, de manera proporcional y justificada a la finalidad perseguida, sin ánimo de lucro ni de comercialización. De manera complementaria, garantizo (garantizamos) en mi (nuestra) calidad de estudiante (s) y por ende autor (es) exclusivo (s), que la Tesis o Trabajo de Grado en cuestión, es producto de mi (nuestra) plena autoría, de mi (nuestro) esfuerzo personal intelectual, como consecuencia de mi (nuestra) creación original particular y, por tanto, soy (somos) el (los) único (s) titular (es) de la misma. Además, aseguro (aseguramos) que no contiene citas, ni transcripciones de otras obras protegidas, por fuera de los límites autorizados por la ley, según los usos honrados, y en proporción a los fines previstos; ni tampoco contempla declaraciones difamatorias contra terceros; respetando el derecho a la imagen, intimidad, buen nombre y demás derechos constitucionales. Adicionalmente, manifiesto (manifestamos) que no se incluyeron expresiones contrarias al orden público ni a las buenas costumbres. En consecuencia, la responsabilidad directa en la elaboración, presentación, investigación y, en general, contenidos de la Tesis o Trabajo de Grado es de mí (nuestro) competencia exclusiva, eximiendo de toda responsabilidad a la Pontifica Universidad Javeriana por tales aspectos. Sin perjuicio de los usos y atribuciones otorgadas en virtud de este documento, continuaré (continuaremos) conservando los correspondientes derechos patrimoniales sin modificación o restricción alguna, puesto que, de acuerdo con la legislación colombiana aplicable, el presente es un acuerdo jurídico que en ningún caso conlleva la enajenación de los derechos patrimoniales derivados del régimen del Derecho de Autor. De conformidad con lo establecido en el artículo 30 de la Ley 23 de 1982 y el artículo 11 de la Decisión Andina 351 de 1993, "Los derechos morales sobre el trabajo son propiedad de los autores", los cuales son irrenunciables, imprescriptibles, inembargables e inalienables. En consecuencia, la Pontificia Universidad Javeriana está en la obligación de RESPETARLOS Y HACERLOS RESPETAR, para lo cual tomará las medidas correspondientes para garantizar su observancia.
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	Índices de vegetación
dc.subject	Modelo de estimación
dc.subject	Vehículo aéreo no tripulado
dc.subject	Fenotipo
dc.subject	Aprendizaje automático
dc.subject.armarc	Maestría en ingeniería electrónica - Tesis y disertaciones académicas
dc.subject.armarc	Gestión ambiental	spa
dc.subject.keyword	Vegetation Indices
dc.subject.keyword	Estimation model
dc.subject.keyword	Unmanned aerial vehicle
dc.subject.keyword	Phenotype
dc.subject.keyword	Machine learning
dc.title	Estimación de nitrógeno y biomasa en cultivos de arroz mediante modelos de aprendizaje automático	spa
dc.title.english	Nitrogen and Biomass Estimation in Rice Crops through the Use of Machine Learning Models	spa
dc.type.coar	http://purl.org/coar/resource_type/c_bdcc
dc.type.driver	info:eu-repo/semantics/masterThesis
dc.type.hasversion	http://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.local	Tesis/Trabajo de grado - Monografía - Maestría