Análisis temporal de los métodos de reforestación aplicados por justdiggit en áreas de Kenia y Tanzania mediante imágenes satelitales
| dc.contributor.advisor | Galpin, Ixent | |
| dc.creator | Betancur Torres, Yenny Paola | |
| dc.date.accessioned | 2024-06-06T01:08:12Z | |
| dc.date.available | 2024-06-06T01:08:12Z | |
| dc.date.created | 2024-05-06 | |
| dc.description.abstract | El presente trabajo analiza los cambios en la vegetación de áreas de Kenia y Tanzania, generados por las actividades de reforestación de la ONG Justdiggit. Estas actividades consisten en cavar semicírculos en el suelo con y sin siembra de semillas de pasto, con el fin de retener el agua de lluvias y que esta penetre en el suelo y las plantas puedan tomarla. En este trabajo se emplean técnicas de teledetección, con el fin de calcular la variación en los índices NDVI, SAVI y NDWI. Además, se entrenaron los modelos de aprendizaje automático supervisado SVM, Random Forest y Arboles de decisión, para cuantificar los cambios en la cobertura de vegetación en imágenes satelitales. Estas imágenes hacen parte de las colecciones del satélite LandSat 8 y fueron procesadas en Google Earth Engine. Lo cual contempla tres años antes de las actividades de reforestación, hasta el año 2022, con el fin de evidenciar los cambios. En el análisis de resultados se tiene en cuenta la cobertura de suelos, índice SAVI y precipitaciones, además de tener en cuenta la estacionalidad climática de la zona. Se observa que en promedio el método de reforestación con siembra de semillas de pasto aumentó el índice SAVI en 0.06 y el porcentaje de cobertura de vegetación en 3.39%. Por otro lado, el método de reforestación sin siembra, aunque disminuye el índice SAVI en 0.04, aumenta el porcentaje de cobertura de vegetación en 9.04%. Se concluye que la técnica con siembra de semillas de pasto tiene mejores resultados en comparación con la técnica de semicírculos sin siembra. No obstante, la sequía prolongada en la zona tuvo un importante impacto en los resultados observados. | spa |
| dc.description.abstractenglish | This work analyzes the changes in vegetation in areas of Kenya and Tanzania, generated by the reforestation activities of the ORG Justdiggit. These activities consist of digging semicircles in the ground with and without sowing grass seeds, in order to retain rainwater so that it penetrates the soil and the plants can take it. In this work, remote sensing techniques are used in order to calculate the variation in the NDVI, SAVI and NDWI indices. In addition, supervised machine learning models SVM, Random Forest and Decision Trees were trained to quantify changes in vegetation cover in satellite images. These images are part of the LandSat 8 satellite collections and were processed in Google Earth Engine. Which contemplates three years before reforestation activities, until 2022, in order to demonstrate the changes. In the analysis of results, soil cover, SAVI index and precipitation are taken into, in addition to taking into the climatic seasonality of the area. It is observed that on average the reforestation method with sowing grass seeds increased the SAVI index by 0.06 and the percentage of vegetation coverage by 3.39%. On the other hand, the reforestation method without planting, although it decreases the SAVI index by 0.04, increases the percentage of vegetation coverage by 9.04%. It is concluded that the technique with sowing grass seeds has better results compared to the semicircle technique without sowing. However, the prolonged drought in the area had a significant impact on the observed results. | spa |
| dc.format.extent | 100 páginas | spa |
| dc.format.mimetype | application/pdf | spa |
| dc.identifier.uri | https://hdl.handle.net/20.500.12010/34513 | |
| dc.language.iso | spa | spa |
| dc.relation.references | Lester. R. Brown, El Mundo Al Borde Del Abismo, Cómo Evitar el Declive Ecológico y el Colapso de la Economía : Ensayo Ecológico y Económico., 1st ed. Cork: Centro de Estudios para el Desarrollo Sostenible, 2015. | spa |
| dc.relation.references | J. Amestoy Alonso, El Planeta Tierra en peligro : calentamiento global, cambio climático, soluciones. Alicante: Club Universitario, 2013. | spa |
| dc.relation.references | Jaime Martínez Urtaza, “Cambio climático y patógenos en el agua: el fenómeno de El Niño y su impacto en la salud”, Rev Salud Ambient, vol. 11, núm. 1–2, 2011. | spa |
| dc.relation.references | E. Fuenzalida Labarca, El lado oculto del cambio climático y el calentamiento global. Santiago de Chile: RIL editores, 2020. | spa |
| dc.relation.references | I. Gough, Calentamiento Global, Codicia y Necesidades Humanas: Cambio Climático, Capitalismo y Bienestar Sostenible, 1a ed. Montevideo: Miño y Dávila Editores, 2023. | spa |
| dc.relation.references | EFE News Service, “Más de 9 millones de personas en riesgo de hambre por sequía en sur de África: ÁFRICA SEQUÍA”, EFE News Service. EFE News Services, Inc, Madrid, 2019. Consultado: el 5 de abril de 2024. [En línea]. Disponible en: https://www.proquest.com/docview/2299489875?pq-origsite=primo&sourcetype=Wire%20Feeds | spa |
| dc.relation.references | EFE News Service, “ONU pide a países donantes más ayudas para combatir sequía en Cuerno África: ONU ÁFRICA”, EFE News Service. EFE News Services, Inc, Madrid, 2011. Consultado: el 5 de abril de 2024. [En línea]. Disponible en: ONU pide a países donantes más ayudas para combatir sequía en Cuerno África: ONU ÁFRICA | spa |
| dc.relation.references | Justdiggit, “Justdiggit | Cooling Down The Planet | Global Warming Charity”. Consultado: el 6 de agosto de 2023. [En línea]. Disponible en: https://justdiggit.org/ | spa |
| dc.relation.references | Google LLC y Servicio Geológico de EE. UU, “USGS Landsat 8 Level 2, Collection 2, Tier 1 | Earth Engine Data Catalog | Google for Developers”. Consultado: el 17 de marzo de 2024. [En línea]. Disponible en: https://developers.google.com/earth-engine/datasets/catalog/LANDSAT_LC08_C02_T1_L2 | spa |
| dc.relation.references | P. Chapman, CRISP-DM 1.0: Step-by-step Data Mining Guide. SPSS, 2000. [En línea]. Disponible en: https://books.google.com.co/books?id=po7FtgAACAAJ | spa |
| dc.relation.references | E. Chuvieco, Fundamentos de Teledetección Espacial, Segunda edición. Madrid: Ediciones RIALP S.A., 1995. | spa |
| dc.relation.references | E. Chuvieco y A. Huete, Fundamentals of satellite remote sensing / Emilio Chuvieco and Alfredo Huete. 2010. [En línea]. Disponible en: https://search.ebscohost.com/login.aspx?direct=true&db=cat09062a&AN=cbj.oai.edge.tadeo.folio.ebsco.com.fs00001093.a35417d3.6f2b.5249.80f1.dcc99390649d&site=eds-live | spa |
| dc.relation.references | P. M. Mather y M. Koch, Computer Processing of Remotely-Sensed Images: An Introduction, Fourth edition. Somerset: John Wiley & Sons, Incorporated, 2011. doi: 10.1002/9780470666517. | spa |
| dc.relation.references | J. A. (John A. Richards y X. Jia, Remote sensing digital image analysis: an introduction, 2a ed. New York: Springer, 1993. doi: 10.1007/978-3-662-03978-6. | spa |
| dc.relation.references | NASA, “Fundamentos de la Teledetección para Aplicaciones de Salud Pública”, jun. 2016. Consultado: el 8 de mayo de 2023. [En línea]. Disponible en: https://appliedsciences.nasa.gov/sites/default/files/2020-11/healthmonitoringpart1spanish.pdf | spa |
| dc.relation.references | M. Gonzalez y E. Mendoza, “Introducción a la teledetección SESIÓN 2”. Consultado: el 8 de mayo de 2023. [En línea]. Disponible en: https://appliedsciences.nasa.gov/sites/default/files/EO4IM_Session_2_Espanol.pdf | spa |
| dc.relation.references | C. Sáiz Escrivá de Romaní, “Estudio de índices de vegetación a partir de imágenes aéreas para la detección de déficit hídrico y aplicaciones en la agricultura de precisión y en la evaluación de daños en seguro agrario del almendro, en parcela de 20 ha en Chiloeches (Guadalajara)”, UNIVERSIDAD POLITÉCNICA DE MADRID, 2022. | spa |
| dc.relation.references | R. P. Gupta, Remote Sensing Geology, 3rd ed. 2018. Berlin, Heidelberg: Springer Berlin / Heidelberg, 2017. doi: 10.1007/978-3-662-55876-8. | spa |
| dc.relation.references | A. R. Huete, “A soil-adjusted vegetation index (SAVI)”, Remote Sens Environ, vol. 25, núm. 3, pp. 295–309, 1988, doi: 10.1016/0034-4257(88)90106-X. | spa |
| dc.relation.references | B. Gao, “NDWI—A normalized difference water index for remote sensing of vegetation liquid water from space”, Remote Sens Environ, vol. 58, núm. 3, pp. 257–266, 1996, doi: 10.1016/S0034-4257(96)00067-3. | spa |
| dc.relation.references | F. Cigna y H. Xie, Imaging Floods and Glacier Geohazards with Remote Sensing. Basel, Switzerland: MDPI - Multidisciplinary Digital Publishing Institute, 2021. doi: 10.3390/books978-3-0365-0067-6. | spa |
| dc.relation.references | Real Academia Española, “reforestar | Definición | Diccionario de la lengua española | RAE - ASALE”. Consultado: el 6 de agosto de 2023. [En línea]. Disponible en: https://dle.rae.es/reforestar | spa |
| dc.relation.references | C. J. González Martínez, Reforestación agroecológica : una alternativa para la protección del recurso hídrico. Bogotá: UNIMINUTO Corporación Universitaria Minuto de Dios, 2019. | spa |
| dc.relation.references | WWF, “Glosario ambiental: ¿Deforestación o degradación? ¿Reforestación o restauración? Resolvamos dudas | WWF”. Consultado: el 7 de mayo de 2023. [En línea]. Disponible en: https://www.wwf.org.co/?uNewsID=323725 | spa |
| dc.relation.references | S. Russell y P. Norving, Inteligencia artificial : un enfoque moderno / Stuart J. Stuart, Peter Norving ; traducción Juan Manual Corchado Rodríguez ... [et al.]. 2003. [En línea]. Disponible en: https://search.ebscohost.com/login.aspx?direct=true&db=cat09062a&AN=cbj.oai.edge.tadeo.folio.ebsco.com.fs00001093.a8e70af5.4094.5316.b044.4cb913998d91&site=eds-live | spa |
| dc.relation.references | R. Chopra, A. England, y M. N. Alaudeen, Data Science with Python : Combine Python with Machine Learning Principles to Discover Hidden Patterns in Raw Data. Birmingham: Packt Publishing, 2019. [En línea]. Disponible en: https://search.ebscohost.com/login.aspx?direct=true&AuthType=sso&db=e000xww&AN=2204654&lang=es&site=eds-live&scope=site&custid=s6026984 | spa |
| dc.relation.references | D. Natingga, Data Science Algorithms in a Week : Top 7 Algorithms for Scientific Computing, Data Analysis, and Machine Learning, 2nd Edition, vol. Second edition. Birmingham, UK: Packt Publishing, 2018. [En línea]. Disponible en: https://search.ebscohost.com/login.aspx?direct=true&AuthType=sso&db=e000xww&AN=1925349&lang=es&site=eds-live&scope=site&custid=s6026984 | spa |
| dc.relation.references | Bernhard. Schölkopf, Learning with kernels : support vector machines, regularization, optimization, and beyond. en Adaptive computation and machine learning. Cambridge, Mass: MIT Press, 2002. | spa |
| dc.relation.references | K. Jolly, Machine Learning with Scikit-Learn Quick Start Guide: Classification, Regression, and Clustering Techniques in Python, 1a ed. Birmingham: Packt Publishing, Limited, 2018. | spa |
| dc.relation.references | P. Refaeilzadeh, L. Tang, y H. Liu, “Cross-Validation”, en Encyclopedia of Database Systems, New York, NY: Springer New York, 2018, pp. 677–684. doi: 10.1007/978-1-4614-8265-9_565. | spa |
| dc.relation.references | Jorge Andres Polanco López de Mesa, “Teledetección de la vegetación del Paramo de Belmira con imágenes LANDSAT”, Dyna (Medellín, Colombia), vol. 79, núm. 171, pp. 222–231, 2012. | spa |
| dc.relation.references | J.-C. Rojas y C. Castiblanco-Rozo, “Variabilidad espacial y análisis multitemporal sobre los cambios en las coberturas de la tierra ocasionados por la expansión del cultivo de la palma de aceite en los años 1985, 2000 y 2016 en el municipio de San Carlos de Guaroa (Colombia).”, Gestión y Ambiente, vol. 21, núm. 1, pp. 59–68, ene. 2018, doi: 10.15446/ga.v21n1.69096. | spa |
| dc.relation.references | J. Guzmán-Manrique y A. Camilo Flórez-García, “Fragmentación del paisaje empleando análisis multitemporal de imágenes de satélite Landsat TM y ETM+ en el municipio de Montelíbano, Córdoba-Colombia.”, Gestión y Ambiente, vol. 22, núm. 1, pp. 31–41, ene. 2019, doi: 10.15446/ga.v22n1.76116. | spa |
| dc.relation.references | J. F. Camacho Peña, “Análisis de regresión logística aplicado al modelamiento espacial de las causas de deforestación en el departamento del Guaviare durante el periodo 2005-2020 y proyección de escenarios de deforestación a 2030”, Cuadernos de geografía (Bogotá), vol. 31, núm. 2, pp. 255–280, 2022, doi: 10.15446/rcdg.v31n2.98012. | spa |
| dc.relation.references | C. M. C. Lindo, J. G. Barrero, y G. J. Cleves, “Estimacion de la captura de carbono en un relicto de bosque urbano mediante tecnicas de teledeteccion/Estimation of Carbon Capture in an Urban Forest Relict through Teledetection Techniques/Estimativa da captura de carbono num relicto de floresta urbana mediante tecnicas de sensoriamento remoto”, Revista ingenierías (Medellín, Colombia), vol. 19, núm. 37, Universidad de Medellin, p. 13, 2020. doi: 10.22395/rium.v19n37a1. | spa |
| dc.relation.references | J. A. F. Riano y M. F. P. Puerta, “Analisis de la deforestacion en La Macarena, antes y despues de los acuerdos de paz/Analysis of deforestation in La Macarena before and after the peace agreements”, Colombia forestal, vol. 24, núm. 2, p. 9, 2021, doi: 10.14483/2256201X.16479. | spa |
| dc.relation.references | D. M. Herrera Posada y E. Aristizábal, “Artificial Intelligence and Machine Learning Model for Spatial and Temporal Prediction of Drought Events in the Department of Magdalena, Colombia.”, Inge-Cuc, vol. 18, núm. 2, pp. 249–265, jul. 2022, [En línea]. Disponible en: https://search.ebscohost.com/login.aspx?direct=true&AuthType=sso&db=asn&AN=161704750&lang=es&site=eds-live&scope=site&custid=s6026984 | spa |
| dc.relation.references | E. F. Avila Velez, L. A. Herrera Martinez, y A. Celis Forero, “Identificación de zonas con presencia de retamo espinoso (ulex europaeus), utilizando teledetección espacial, en el municipio de Sibaté [Cundinamarca]”, Revista de Investigación Agraria y Ambiental, vol. 14, núm. 1, 2022, doi: 10.22490/21456453.5840. | spa |
| dc.relation.references | Carlos E. Mejía, Hernán J. Andrade, y Milena Segura, “Estimación de biomasa y carbono con herramientas de teledetección en bosques secos tropicales del Tolima, Colombia”, Revista de teledetección, núm. 62, pp. 57–70, 2023, doi: 10.4995/raet.2023.19242. | spa |
| dc.relation.references | R. A. Díaz Giraldo, M. Álvarez de León, O. Pérez López, S. L. Gutiérrez Parrado, y M. A. Arango Argoti, “Aplicación de dos modelos basados en teledetección para estimar la producción primaria neta aérea en un sistema pastoril en la Altillanura colombiana: Estimación de productividad primaria de pasturas por teledetección”, Tropical grasslands-Forrajes tropicales, vol. 12, núm. 1, pp. 24–35, 2024, doi: 10.17138/tgft(12)24-35. | spa |
| dc.relation.references | D. C. Bezanilla, J. S. Ramírez, y A. de A. Ávila, “Estudio multitemporal de fragmentación de los bosques en la Sierra Fría, Aguascalientes, México.”, Madera y Bosques, vol. 14, núm. 1, pp. 37–51, mar. 2008, [En línea]. Disponible en: https://search.ebscohost.com/login.aspx?direct=true&AuthType=sso&db=fua&AN=35903269&lang=es&site=eds-live&scope=site&custid=s6026984 | spa |
| dc.relation.references | D. Armenteras y N. Rodríguez, “DINÁMICAS Y CAUSAS DE DEFORESTACIÓN EN BOSQUES DE LATINO AMÉRICA: UNA REVISIÓN DESDE 1990”, Colombia Forestal, vol. 17, núm. 2, p. 233, dic. 2014, doi: 10.14483/udistrital.jour.colomb.for.2014.2.a07. | spa |
| dc.relation.references | G. Medina y A. Mejía, “Análisis Multitemporal y Multifractal de la Deglaciación de la Cordillera Parón en los Andes de Perú.”, Ecologia Aplicada, vol. 13, núm. 1, pp. 35–42, ene. 2014, doi: 10.21704/rea.v13i1-2.452. | spa |
| dc.relation.references | Ll. Pérez-Planells, J. Delegido, J. P. Rivera-Caicedo, y J. Verrelst, “Análisis de métodos de validación cruzada para la obtención robusta de parámetros biofísicos”, Revista de Teledetección, núm. 44, pp. 55–65, dic. 2015, doi: 10.4995/raet.2015.4153. | spa |
| dc.relation.references | B. Kozhikkodan Veettil et al., “Un análisis comparativo del comportamiento diferencial de los glaciares en los Andes Tropicales usando teledetección”, Investigaciones Geográficas, núm. 51, p. 3, jul. 2016, doi: 10.5354/0719-5370.2016.41215. | spa |
| dc.relation.references | B. Sánchez-Díaz, “La teledetección en investigaciones ecológicas como apoyo a la conservación de la biodiversidad: una revisión”, Revista científica, vol. 3, núm. 33, pp. 243–253, sep. 2018, doi: 10.14483/23448350.13370. | spa |
| dc.relation.references | A. Ariza, J. Salas Rey, y S. M. de Miguel, “Comparison of maximum likelihood estimators and regression models for burn severity mapping in Mediterranean forests using Landsat TM and ETM+ data.”, Revista Cartográfica, núm. 98, pp. 145–177, ene. 2019, [En línea]. Disponible en: https://search.ebscohost.com/login.aspx?direct=true&AuthType=sso&db=asn&AN=136455800&lang=es&site=eds-live&scope=site&custid=s6026984 | spa |
| dc.relation.references | S. Malvina, C. G. Herrera, y A. E. Niz, “Teledetección aplicada al mapeo geomorfológico de los volcanes de la cuenca alta del río Chaschuil, provincia de Catamarca, Argentina”, Tecnura, vol. 23, núm. 60, pp. 13–26, 2019, doi: 10.14483/22487638.14642. | spa |
| dc.relation.references | R. Valcarce Diñeiro, “Seguimiento y clasificación de parámetros biofísicos de superficies agrícolas a partir de sensores remotos radar”, 2020. [En línea]. Disponible en: https://search.ebscohost.com/login.aspx?direct=true&AuthType=sso&db=edsred&AN=edsred.10366.145429&lang=es&site=eds-live&scope=site&custid=s6026984 | spa |
| dc.relation.references | S. Liang, J. Cheng, y J. Zhang, “Maximum Likelihood Classification of Soil Remote Sensing Image Based on Deep Learning”, Earth sciences research journal, vol. 24, núm. 3, pp. 357–365, 2020, doi: 10.15446/esrj.v24n3.89750. | spa |
| dc.relation.references | M. Ramírez, L. Martínez, M. Montilla, O. Sarmiento, J. Lasso, y S. Diaz, “Obtención de coberturas del suelo agropecuarias en imágenes satelitales sentinel-2 con la inyección de imágenes de dron usando random forest en google earth engine”, Revista de teledetección, vol. 2020, núm. 56, pp. 49–68, 2020, doi: 10.4995/raet.2020.14102. | spa |
| dc.relation.references | A. I. Alvarado Huapaya, P. Capristán Sotelo, C. Corahua Benites, C. Ruiz Philipps, y G. Velásquez Bejarano, “VARIACIÓN DEL ÁREA AGRÍCOLA EN EL DISTRITO LA YARADA LOS PALOS, TACNA, PERÚ.”, Espacio y Desarrollo, núm. 35, pp. 99–120, ene. 2020, [En línea]. Disponible en: https://search.ebscohost.com/login.aspx?direct=true&AuthType=sso&db=fua&AN=151638307&lang=es&site=eds-live&scope=site&custid=s6026984 | spa |
| dc.relation.references | J. Mejía-Marcacuzco, E. Pino-Vargas, E. Guevara-Pérez, V. Olivos-Alvites, y M. Condori-Ventura, “Predicción espacial de la erosión del suelo en zonas áridas mediante teledetección. Estudio de caso: Quebrada del Diablo, Tacna, Perú”, Revista Ingeniería UC, vol. 28, núm. 2, pp. 252–264, sep. 2021, doi: 10.54139/revinguc.v28i2.24. | spa |
| dc.relation.references | F. Rahal y F.-Z. Baba-Hamed, “Mapping of clay soils by remote sensing in the area of Mers El Kébir, Algeria”, Revista Facultad de Ingeniería Universidad de Antioquia, núm. 109, p. 9, oct. 2022, doi: 10.17533/udea.redin.20221099. | spa |
| dc.relation.references | A. C. E. Zúñiga, J. C. Rodriguez, J. V. B. Saya, y J. A. Ñ. Vázquez, “Estimación de la biomasa de una comunidad vegetal altoandina utilizando imágenes multiespectrales adquiridas con sensores remotos UAV y modelos de Regresión Lineal Múltiple, Máquina de Vectores Soporte y Bosques Aleatorios”, Scientia Agropecuaria, vol. 13, núm. 3, oct. 2022, doi: 10.17268/sci.agropecu.2022.027. | spa |
| dc.relation.references | A. Ahmad, S. E. Noor, P. Cartujo Cassinello, y V. Martos Núñez, “Artificial Intelligence (AI) as a complementary technology for agricultural Remote Sensing (RS) in plant physiology teaching.”, REiDoCrea: Revista Electrónica de Investigación y Docencia Creativa, vol. 11, pp. 695–701, ene. 2022, [En línea]. Disponible en: https://search.ebscohost.com/login.aspx?direct=true&AuthType=sso&db=fua&AN=161802827&lang=es&site=eds-live&scope=site&custid=s6026984 | spa |
| dc.relation.references | Y. García Ortega, D. Valdez Rivera, y D. Mancero Castillo, “Dinámica de la frontera agrícola del sistema de cuencas hidrográficas del zapotal mediante herramientas de teledetección”, Ciencia y Tecnología, vol. 16, núm. 1, pp. 12–23, jun. 2023, doi: 10.18779/cyt.v16i1.637. | spa |
| dc.relation.references | M. Mulder, “Monitoring land restoration projects of Justdiggit in Kenya, using downscaled passive microwave remote sensing products of VanderSat”, 2018. Consultado: el 6 de agosto de 2023. [En línea]. Disponible en: https://repository.tudelft.nl/islandora/object/uuid%3A86a24122-e3b5-4cc7-b580-f70fdecb78f8 | spa |
| dc.relation.references | L. Villani, G. Castelli, F. Sambalino, L. A. Almeida Oliveira, y E. Bresci, “Integrating UAV and satellite data to assess the effects of agroforestry on microclimate in Dodoma region, Tanzania”, 2020 IEEE International Workshop on Metrology for Agriculture and Forestry, MetroAgriFor 2020 - Proceedings, pp. 338–342, nov. 2020, doi: 10.1109/METROAGRIFOR50201.2020.9277643. | spa |
| dc.relation.references | M. Van der Vliet et al., “Quantifiable impact: monitoring landscape restoration from space”, mar. 2023, doi: 10.21203/RS.3.RS-2669521/V1. | spa |
| dc.relation.references | Google LLC, “Google Earth Engine”. Consultado: el 29 de octubre de 2023. [En línea]. Disponible en: https://earthengine.google.com/ | spa |
| dc.relation.references | Google LLC, “Earth Engine Data Catalog | Google for Developers”. Consultado: el 11 de marzo de 2024. [En línea]. Disponible en: https://developers.google.com/earth-engine/datasets/ | spa |
| dc.relation.references | La Administración Nacional de Aeronáutica y del Espacio - NASA, “Landsat 7 | Landsat Science”. Consultado: el 12 de marzo de 2024. [En línea]. Disponible en: https://landsat.gsfc.nasa.gov/satellites/landsat-7/ | spa |
| dc.relation.references | Google LLC y Servicio Geológico de EE. UU, “USGS Landsat 7 Level 2, Collection 2, Tier 1 | Earth Engine Data Catalog | Google for Developers”. Consultado: el 17 de marzo de 2024. [En línea]. Disponible en: https://developers.google.com/earth-engine/datasets/catalog/LANDSAT_LE07_C02_T1_L2#description | spa |
| dc.relation.references | The World Bank Group, “Kenya - Climatology | Climate Change Knowledge Portal”. Consultado: el 13 de marzo de 2024. [En línea]. Disponible en: https://climateknowledgeportal.worldbank.org/country/kenya/climate-data-historical | spa |
| dc.relation.references | The World Bank Group, “Tanzania - Climatology | Climate Change Knowledge Portal”. Consultado: el 13 de marzo de 2024. [En línea]. Disponible en: https://climateknowledgeportal.worldbank.org/country/tanzania/climate-data-historical | spa |
| dc.relation.references | P. Sanchez y john Wiley, Suelos del trópico: características y manejo. Universidad Estatal de Carolina del Norte Raleigh, 1981. | spa |
| dc.relation.references | Google LLC, “Landsat Collection 1 to Collection 2 migration | Google Earth Engine | Google for Developers”. Consultado: el 17 de marzo de 2024. [En línea]. Disponible en: https://developers.google.com/earth-engine/landsat_c1_to_c2 | spa |
| dc.relation.references | Google LLC, “ImageCollection Visualization | Google Earth Engine | Google for Developers”. Consultado: el 17 de marzo de 2024. [En línea]. Disponible en: https://developers.google.com/earth-engine/guides/ic_visualization | spa |
| dc.relation.references | IDEAM, “Formato Común Hoja Metodológica”, Consultado: el 3 de abril de 2024. [En línea]. Disponible en: www.ideam.gov.co | spa |
| dc.relation.references | International Business Machines Corporation (IBM), “Conceptos básicos de ayuda de CRISP-DM - Documentación de IBM”. Consultado: el 20 de marzo de 2024. [En línea]. Disponible en: https://www.ibm.com/docs/es/spss-modeler/saas?topic=dm-crisp-help-overview | spa |
| dc.relation.references | Google LLC, “Platform – Google Earth Engine”. Consultado: el 20 de marzo de 2024. [En línea]. Disponible en: https://earthengine.google.com/platform/ | spa |
| dc.relation.references | Google LLC y Agencia Espacial Europea, “Harmonized Sentinel-2 MSI: MultiSpectral Instrument, Level-2A | Earth Engine Data Catalog | Google for Developers”. Consultado: el 20 de marzo de 2024. [En línea]. Disponible en: https://developers.google.com/earth-engine/datasets/catalog/COPERNICUS_S2_SR_HARMONIZED | spa |
| dc.relation.references | Google LLC, “Google Earth Pro”. Consultado: el 22 de marzo de 2024. [En línea]. Disponible en: https://www.google.com/intl/es-419/earth/about/ | spa |
| dc.relation.references | Agencia de la ONU para refugiados - ACNUT, “Emergencia por la sequía en el Cuerno de África | ACNUR”. Consultado: el 31 de marzo de 2024. [En línea]. Disponible en: https://www.acnur.org/emergencias/cuerno-de-africa | spa |
| dc.relation.references | Agencia de la ONU para refugiados - ACNUR, “El Cuerno de África sufre la peor sequía de los últimos años”. Consultado: el 31 de marzo de 2024. [En línea]. Disponible en: https://eacnur.org/es/actualidad/noticias/desplazados/el-cuerno-de-africa-sufre-la-peor-sequia-de-los-ultimos-anos | spa |
| dc.relation.references | J. T. Abatzoglou, S. Z. Dobrowski, S. A. Parks, y K. C. Hegewisch, “TerraClimate: Monthly Climate and Climatic Water Balance for Global Terrestrial Surfaces, University of Idaho | Earth Engine Data Catalog | Google for Developers”. Universidad de Idaho, 2018. Consultado: el 30 de marzo de 2024. [En línea]. Disponible en: https://developers.google.com/earth-engine/datasets/catalog/IDAHO_EPSCOR_TERRACLIMATE#citations | spa |
| dc.subject | Imágenes satelitales | spa |
| dc.subject | LandSat 8 | spa |
| dc.subject | Teledetección | spa |
| dc.subject | Google Earth Engine | spa |
| dc.subject | NDVI | spa |
| dc.subject | SAVI | spa |
| dc.subject | NDWI | spa |
| dc.subject | Precipitaciones | spa |
| dc.subject | Reforestación | spa |
| dc.subject | Justdiggit | spa |
| dc.subject | África | spa |
| dc.subject | Kenia | spa |
| dc.subject | Tanzania | spa |
| dc.subject | Índices de vegetación | spa |
| dc.subject | Cambios en la cobertura terrestre | spa |
| dc.subject.keyword | Satellite images | spa |
| dc.subject.keyword | LandSat 8 | spa |
| dc.subject.keyword | Remote sensing | spa |
| dc.subject.keyword | Google Earth Engine | spa |
| dc.subject.keyword | NDVI | spa |
| dc.subject.keyword | SAVI | spa |
| dc.subject.keyword | NDWI | spa |
| dc.subject.keyword | Precipitation | spa |
| dc.subject.keyword | Reforestation | spa |
| dc.subject.keyword | Justdiggit | spa |
| dc.subject.keyword | Africa | spa |
| dc.subject.keyword | Kenya | spa |
| dc.subject.keyword | Tanzania | spa |
| dc.subject.keyword | Vegetation indices | spa |
| dc.subject.keyword | Changes in land cover | spa |
| dc.subject.lemb | Reforestación - Kenia | |
| dc.subject.lemb | Impacto ambiental | |
| dc.subject.lemb | Teledetección - Vegetación | |
| dc.subject.lemb | Aprendizaje automático - Aplicaciones ambientales | |
| dc.subject.lemb | Reforestación - Tanzania | |
| dc.title | Análisis temporal de los métodos de reforestación aplicados por justdiggit en áreas de Kenia y Tanzania mediante imágenes satelitales | spa |
| dc.type.coar | http://purl.org/coar/resource_type/c_bdcc | spa |
Archivos
Bloque original
1 - 1 de 1
Cargando...
- Nombre:
- Proyecto de Grado - Yenny Betancur Torres - V2_3.pdf
- Tamaño:
- 2.86 MB
- Formato:
- Adobe Portable Document Format
- Descripción:
- Ver documento
