Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ANTEPROYECTO
AUTOR
SOLÓRZANO BRAMUEL MARÍA BELÉN
GUAYAQUIL- ECUADOR
2016
2
ÍNDICE GENERAL
1. Introducción……………………………..…………….……….…..…………..….….…….4
4. Justificación……………………………..……….…………………..……..……..….….....7
4.1 Hipótesis……………………………..……….………………….…….……...……..…….8
5. Marco teórico……………………………..….……………………….……..…….…..……9
6. Metodología ……………………………………………………………………….….......19
7. Aspectos administrativos……………………………..…………………………….….….22
8. Bibliografía……………………………..……………..……….………….………............25
9. Anexos……………………………..…………………….……………………..……....…27
4
1. INTRODUCCIÓN
cultivo, sin perder la eficacia del trabajo manual que se realiza en campo, obteniendo la
determinado espacio para su debida interpretación y criterio por parte del profesional en el
Área.
5
químicos u orgánicos como fertilizantes, pesticidas, herbicidas, etc. de una manera precisa
sin desperdicio o de una forma invasiva y excesiva en los cultivos junto a la contabilidad del
tecnología como el Software para Agricultura de precisión eCognition, para obtener datos
precisos sobre vigorosidad de la planta, posteriormente realizar labores que sean exactas y
eficiente a la hora de aplicar productos para el buen manejo agronómico del cultivo.
Con las imágenes de percepción remota tomadas por vehículo aéreo no tripulado por sus
las condiciones actuales del cultivo, evitando pérdidas significativas y a su vez brindando al
agricultor los datos reales y dimensionales de los problemas que atraviesa la plantación,
para evitar un perjuicio ,mayor en cuanto a la producción o calidad del producto agrícola.
de la copa de árboles, incluyendo la diferenciación entre planta y maleza por medio del
Índice de Vegetación de diferencia normalizada por sus siglas en ingles NDVI (Normalized
Se podrá identificar el estado de vigor o afección de las plantas , ya que las imágenes
reflejadas con la banda de Infrarrojo cercano por sus siglas en inglés NIR (Near Infra Red) ,
identifican con más intensidad cuando la vegetación posee un color verde intenso ,ya que se
presenta una gran reflectividad a presencia del Clorofila y cuando la plantación presenta
relación entre las bandas espectrales de NIR y Roja , para encontrar los algoritmos que
agronómico de precisión.
4. JUSTIFICACIÓN
precisión con utilización de Software especializados para obtener datos específicos para la
Por lo cual se propone obtener con estas tres resoluciones de imagen precisión de 3, 5 y
por parte del agricultor o profesional, con lo que se pretende generar una alternativa en plan
algoritmos a través del Software Ecognition para lograr una agricultura de precisión con
4.1. HIPÓTESIS
5. MARCO TEÓRICO
Peña J. M. (2013) afirma que el uso de imágenes remotas capturadas por vehículos
aéreos no tripulados tiene un potencial tremendo para diseñar detalladamente sitios en
específicos para el conteo de plantas de un cultivo. Un fuerte análisis de imagen
basados en un objeto por sus siglas en ingles OBIA (Object Based Image Analysis),
procederá a ser desarrollado en series de imagen UAV usando una cámara de bandas
multi espectrales con el rango de visible (Rojo, Verde, Azul) y el rango de Infrarrojos
con el objetivo de la generación de un mapa en un campo de estudio. El procedimiento
de OBIA combina contexto, jerarquía y características basadas en objetos y consiste
de tres fases consecutivas:
1. Clasificación por hileras del cultivo para la aplicación de un dinámico y auto
adaptiva clasificación de enfoque
2. La discriminación de cultivo y suelo con la base de las posiciones relativas con
referencia de las hileras del cultivo
3. La generación de un mapa (…) con una estructura de cuadricula o grid. (p.1)
Teledetección
La teledetección espacial para la observación de la Tierra obtiene información acerca
de cualquier elemento terrestre (líquido, sólido y gaseoso) mediante el análisis de
imágenes capturadas en el espectro óptico, preferentemente desde satélites para la
observación de la Tierra , que ha ido revolucionado las ciencias ambientales y de la
tierra mediante la captura de una vasta gama de imágenes de todo el planeta,
permitiéndoles acceder a niveles de información y conocimiento sin precedentes. (Peña
M. A., 2014, pág. 1)
Teledetección y fenología
Una de las aplicaciones más importantes de la teledetección es el seguimiento de los
procesos que ocurren en la tierra. Las imágenes de teledetección pueden utilizarse para
el análisis de procesos breves, por ejemplo para el seguimiento del ciclo decrecimiento
de los cultivos y evaluación de los rendimientos de una cosecha. Se estudian con este
propósito las imágenes captadas en diversas etapas del cultivo. Permiten conocer los
13
Es básico en teledetección que la relación entre las bandas del Infra-rojo cercano y el
rojo constituyen un test de comprobación del vigor de la vegetación o por el contrario,
su débil vitalidad. La presente comunicación es parte de un proyecto más completo
sobre la aplicación del índice de vegetación a un amplio espacio del sur de España.
Además de conocer el vigor o debilidad de la vegetación, el índice puede ser un
elemento de diferenciación de cultivos y lo mismo en vegetación natural, con una
identificación en la imagen que se mantiene con toda nitidez. Además, ésta no pierde la
respuesta espectral de cada pixel. (Manrique, 1999, pág. 1)
Espectro electromagnético
La luz y radiación forman parte de un rango muy amplio, que no tiene límite inferior
o superior, denominado el Espectro Electromagnético. Este espectro se ha dividido en
diferentes regiones, pero que no tienen fronteras rígidas entre regiones adyacentes. Se
utilizan dos parámetros comunes para referirse al espectro electromagnético:
frecuencia y longitud de onda. El espectro electromagnético ha sido dividido en
diferentes regiones cuyos límites son más o menos arbitrarios y dependen en buena
medida en nuestra capacidad de poder producir o detectar esas regiones del espectro. El
descubrimiento y especialmente el desarrollo de las aplicaciones prácticas de las
diferentes regiones han dependido de la capacidad tecnológica de producir fuentes de
radiación apropiadas y detectores o medidores. (Fontal, 2005, pág. 7 y 16 )
Se denomina espectro visible a la región del espectro electromagnético que el ojo
humano es capaz de percibir. A la radiación electromagnética en este rango de
longitudes de onda se le llama luz visible o simplemente luz. No hay límites exactos en
el espectro visible; un típico ojo humano responderá a longitudes de onda desde 400 a
700 nm aunque algunas personas pueden ser capaces de percibir longitudes de onda
desde 380 a 780 nm. (Facultad de Artes y Diseño , FAD, 2013, pág. 1)
Reflectividad
De cara a la identificación de objetos y procesos en la superficie terrestre, lo que nos
interesa es la reflectividad de estos objetos respecto a las diferentes longitudes de onda.
Cada tipo de material, suelo, vegetación, agua, etc. reflejará la radiación incidente de
forma distinta, lo que permitirá distinguirlo de los demás si medimos la radiación
reflejada. A partir de medidas de laboratorio se ha obtenido la reflectividad para las
distintas cubiertas en diferentes longitudes de onda. (SIGMUR, 2012, pág. 6)
Vegetación y reflectividad
La vegetación sana tiene una reflectividad baja en el visible aunque con un pico en el
color verde debido a la clorofila, ese pigmento aparece en concentraciones entre 5 y 10
veces mayores que otros como el caroteno). La reflectividad es muy alta en el
14
infrarrojo reflejado o próximo debido a la escasa absorción de energía por parte de las
plantas en esta banda. En el infrarrojo medio hay una disminución especialmente
importante en aquellas longitudes de onda en las que el agua de la planta absorbe la
energía (…) en el caso de la vegetación enferma en la que disminuye el infrarrojo y
aumenta la reflectividad en el rojo y azul. (SIGMUR, 2012, pág. 7)
Contenido de agua y reflectividad
Se observa también que la reflectividad de una planta depende de su contenido en
agua. Cuando el contenido de agua aumenta disminuye la reflectividad ya que aumenta
la absorción de radiación por parte del agua contenida en la planta. (SIGMUR, 2012,
pág. 7)
Suelo y reflectividad
Las propiedades espectrales del suelo son relativamente simples, la transmisión es
nula, por tanto toda la energía se absorbe o refleja. La reflectividad es relativamente
baja para todas las bandas aunque aumentando hacia el infrarrojo, El contenido en
materia orgánica también afecta a la reflectividad, cuanto mayor sea su contenido y
cuanto menos descompuesta se encuentre más oscuro resulta el suelo (menor
reflectividad). La composición química y mineralógica también va a influir en la
respuesta espectral, así por ejemplo el contenido en óxidos de hierro va a incrementar
la reflectividad en el rojo. (SIGMUR, 2012, pág. 8)
Resoluciones
SIGMUR(2012) afirma que la salida de radiación (emitida o reflejada) de la superficie
terrestre es un fenómeno continuo en 4 dimensiones (espacio, tiempo, longitud de onda
y radiancia). Un sensor debe muestrear en este continuo discretizándolo en cada una de
esas dimensiones. El modo en que esta discretización se lleva a cabo define los cuatro
tipos de resolución con los que se trabaja en teledetección:
Resolución espacial (tamaño de pixel)
Resolución temporal (tiempo que tarda el satélite en tomar dos imágenes del mismo
sitito)
Resolución espectral (capacidad de discriminar entre longitudes de onda vecinas en
el espectro, así como el número de bandas disponible).
Resolución radiométrica (número de intervalos de intensidad que puede captar el
sensor (p.9)
Análisis de Imágenes
Tradicionalmente se ha dividido el análisis de imágenes de satélite en dos fases, un
análisis visual y un análisis digital. El primero es similar en muchos aspectos a la
fotointerpretación clásica con las ventajas que aporta la fotografía digital en cuanto a
las posibilidades de retocar y realzar las imágenes. Sin embargo una imagen de satélite
en bruto presenta un aspecto bastante apagado, por lo que el análisis visual no resulta
15
Software eCognition
Software eCognition es una solución para el análisis y la extracción de información a
partir de datos geoespaciales colectados a través de plataformas aéreas, de satélite y de
mapeo móvil. Es posible integrar capas de datos de forma más eficiente gracias a las
herramientas SIG (Sistema de Información Geográfica) del software. Con un
framework (marco de referencia) más avanzado, eCognition puede resolver una gama
más grande de consultas geoespaciales y obtener resultados más precisos. (Hein, 2014,
pág. 1) .
ECognition de Trimble es un software que combina todo tipo de datos geoespaciales
para realizar diversos análisis y comparaciones. Puede importar imágenes (aéreas o
satélites), nubes de puntos, información vectorial, datos provenientes de un SIG, etc.
Tiene un gran número de aplicaciones como, por ejemplo, detección de cambios, usos
del suelo, clasificación de datos, detección de masas arbóreas, tipos de vegetación, etc.
Dispone de infinidad de algoritmos predefinidos, que el usuario puede combinar y
ajustar a sus necesidades y de acuerdo al tipo de datos que esté utilizando. Los usuarios
avanzados pueden además desarrollar sus propios algoritmos o añadir nuevas
capacidades ya que el software incorpora un equipo de desarrollo del Software con sus
siglas en ingles SDK (Software Development Kit). Utiliza análisis basado en objetos,
esto es, agrupa píxeles de imágenes con características similares de acuerdo a una
parametrización dada. (Gtb Iberica, 2012, pág. 1)
16
NDVI
El índice de vegetación de diferencia normalizada conocida por sus siglas en ingles NDVI
(Normalized Difference Vegetation Index), es un parámetro utilizado para medir por medio de
medio de la firma espectral del infrarrojo cercano que intervienen valores de 0,7 um a 1,1um ,
El NDVI mide la relación entre la energía absorbida y emitida por los objetos
terrestres. Aplicado a las comunidades de plantas, el índice arroja valores de intensidad
del verdor de la zona y da cuenta de la cantidad de vegetación presente en una
17
Gobierno (2016) afirmando que la ley de cartografía nacional estipula puntos en específico
sobre el manejo y toma de imágenes para el estudio de una determinada zona, elaborando
cartas detalladas por parte del técnico o software por lo que impone en sus artículos lo
siguiente:
b) Art. 21.- Las personas naturales o jurídicas, las instituciones públicas o privadas que
6. METODOLOGÍA
17 M 622822, 9752369
Prefectura del Guayas (2011), afirma que “La climatología del Cantón Guayaquil
Altitud: 6 y 22 msnm
Temperatura: 25°C
analítico para llevar los registros de los algoritmos que nos irán brindando datos sobre la
20
banano y sus respectivos resultados en cuanto al número de población. El eco tipo bajo
estudio será: Imágenes en tres diferentes resoluciones para conteo de planta de banano.
Ho: No existe diferencia en el total de número real de plantas de banano entre el conteo
Hi: Existe diferencia en el total de número real de plantas de banano entre el conteo total
polígonos del cultivo de banano, observando los algoritmos que se vayan creando a
exportación de datos hacia Arc Map para una visualización del trabajo realizado sobre el
conteo de población, para obtener una conclusión sobre los rendimientos de la imagen en
6.8. VARIABLES
Se procederá a un conteo de plantas por medio del desarrollo de tres algoritmos sobre
b) Resolución espacial
10 cm/pixel.
c) Algoritmos
7. ASPECTOS ADMINISTRATIVOS
estudio.
Total 757,00*
Computadora 1
Internet(mes) 3
Memoria externa 36 GB 1
Software Ecognition 1
Licencia Software 1
Transporte(mes) 3
Alimentación(mes) 3
Impresiones 500
estudio.
8. BIBLIOGRAFÍA
25
Blaschke, T. (2010). Object based image analysis for remote sensing. ISPRS Journal of
Photogrammetry and Remote Sensing, 1.
Consejo Supremo de Gobierno. (2016). Instituto Geográfico Militar. Retrieved from IGM:
http://www.igm.gob.ec/images/2016/pdfs/ley_y_reglamento_cartografia_nacional.pdf
DPA. (2016). Departamento Provincial de Aguas de Rio Negro. Retrieved from DPA:
http://www.dpa.gov.ar/clima/informes/NDVI.pdf
Facultad de Artes y Diseño , FAD. (2013, Agosto). Blog de FAD. Retrieved from
http://blogs.fad.unam.mx/asignatura/elva_hernandez/wp-content/uploads/2013/08/
teoria-de-los-colores-luz-y-tipos-de-luz-e.pdf
Peña, J. M. (2012, Mayo 7-9). Object based approach for crop row characterization in uav
images for site specific weed management. Retrieved from
file:///C:/Users/HP/Downloads/approach_crop_Pena.pdf
9. ANEXOS
27
Modelo
Intensidad Imagen
digital de
de imagen Orto
superficie
Segmentación
Análisis
NDVI
Clasificación
Análisis
Clases Objetivos
Evaluación
de precisión
Edificaciones
9.2 Diagrama de Proceso de algoritmo de clasificación por altura de planta. Fuente: Autor 2016
28
9.3 Diagrama de Proceso de algoritmo de clasificación por centro de gravedad. Fuente: Autor 2016
29
Imagen
Extracción de contornos
de referencia y nivelación
Inicialización de posición
del contorno
Optimación de
contorno
Estimación de
optimación
Re-Muestreo de
contorno