Análisis temporal de los métodos de reforestación aplicados por justdiggit en áreas de Kenia y Tanzania mediante imágenes satelitales

dc.contributor.advisorGalpin, Ixent
dc.creatorBetancur Torres, Yenny Paola
dc.date.accessioned2024-06-06T01:08:12Z
dc.date.available2024-06-06T01:08:12Z
dc.date.created2024-05-06
dc.description.abstractEl 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.abstractenglishThis 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.extent100 páginasspa
dc.format.mimetypeapplication/pdfspa
dc.identifier.urihttps://hdl.handle.net/20.500.12010/34513
dc.language.isospaspa
dc.relation.referencesLester. 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.referencesJ. Amestoy Alonso, El Planeta Tierra en peligro : calentamiento global, cambio climático, soluciones. Alicante: Club Universitario, 2013.spa
dc.relation.referencesJaime 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.referencesE. Fuenzalida Labarca, El lado oculto del cambio climático y el calentamiento global. Santiago de Chile: RIL editores, 2020.spa
dc.relation.referencesI. Gough, Calentamiento Global, Codicia y Necesidades Humanas: Cambio Climático, Capitalismo y Bienestar Sostenible, 1a ed. Montevideo: Miño y Dávila Editores, 2023.spa
dc.relation.referencesEFE 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%20Feedsspa
dc.relation.referencesEFE 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 ÁFRICAspa
dc.relation.referencesJustdiggit, “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.referencesGoogle 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_L2spa
dc.relation.referencesP. Chapman, CRISP-DM 1.0: Step-by-step Data Mining Guide. SPSS, 2000. [En línea]. Disponible en: https://books.google.com.co/books?id=po7FtgAACAAJspa
dc.relation.referencesE. Chuvieco, Fundamentos de Teledetección Espacial, Segunda edición. Madrid: Ediciones RIALP S.A., 1995.spa
dc.relation.referencesE. 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-livespa
dc.relation.referencesP. 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.referencesJ. 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.referencesNASA, “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.pdfspa
dc.relation.referencesM. 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.pdfspa
dc.relation.referencesC. 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.referencesR. 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.referencesA. 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.referencesB. 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.referencesF. 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.referencesReal 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/reforestarspa
dc.relation.referencesC. J. González Martínez, Reforestación agroecológica : una alternativa para la protección del recurso hídrico. Bogotá: UNIMINUTO Corporación Universitaria Minuto de Dios, 2019.spa
dc.relation.referencesWWF, “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=323725spa
dc.relation.referencesS. 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-livespa
dc.relation.referencesR. 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=s6026984spa
dc.relation.referencesD. 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=s6026984spa
dc.relation.referencesBernhard. 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.referencesK. 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.referencesP. 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.referencesJorge 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.referencesJ.-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.referencesJ. 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.referencesJ. 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.referencesC. 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.referencesJ. 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.referencesD. 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=s6026984spa
dc.relation.referencesE. 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.referencesCarlos 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.referencesR. 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.referencesD. 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=s6026984spa
dc.relation.referencesD. 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.referencesG. 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.referencesLl. 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.referencesB. 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.referencesB. 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.referencesA. 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=s6026984spa
dc.relation.referencesS. 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.referencesR. 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=s6026984spa
dc.relation.referencesS. 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.referencesM. 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.referencesA. 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=s6026984spa
dc.relation.referencesJ. 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.referencesF. 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.referencesA. 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.referencesA. 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=s6026984spa
dc.relation.referencesY. 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.referencesM. 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-f70fdecb78f8spa
dc.relation.referencesL. 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.referencesM. 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.referencesGoogle LLC, “Google Earth Engine”. Consultado: el 29 de octubre de 2023. [En línea]. Disponible en: https://earthengine.google.com/spa
dc.relation.referencesGoogle 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.referencesLa 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.referencesGoogle 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#descriptionspa
dc.relation.referencesThe 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-historicalspa
dc.relation.referencesThe 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-historicalspa
dc.relation.referencesP. Sanchez y john Wiley, Suelos del trópico: características y manejo. Universidad Estatal de Carolina del Norte Raleigh, 1981.spa
dc.relation.referencesGoogle 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_c2spa
dc.relation.referencesGoogle 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_visualizationspa
dc.relation.referencesIDEAM, “Formato Común Hoja Metodológica”, Consultado: el 3 de abril de 2024. [En línea]. Disponible en: www.ideam.gov.cospa
dc.relation.referencesInternational 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-overviewspa
dc.relation.referencesGoogle LLC, “Platform – Google Earth Engine”. Consultado: el 20 de marzo de 2024. [En línea]. Disponible en: https://earthengine.google.com/platform/spa
dc.relation.referencesGoogle 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_HARMONIZEDspa
dc.relation.referencesGoogle 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.referencesAgencia 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-africaspa
dc.relation.referencesAgencia 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-anosspa
dc.relation.referencesJ. 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#citationsspa
dc.subjectImágenes satelitalesspa
dc.subjectLandSat 8spa
dc.subjectTeledetecciónspa
dc.subjectGoogle Earth Enginespa
dc.subjectNDVIspa
dc.subjectSAVIspa
dc.subjectNDWIspa
dc.subjectPrecipitacionesspa
dc.subjectReforestaciónspa
dc.subjectJustdiggitspa
dc.subjectÁfricaspa
dc.subjectKeniaspa
dc.subjectTanzaniaspa
dc.subjectÍndices de vegetaciónspa
dc.subjectCambios en la cobertura terrestrespa
dc.subject.keywordSatellite imagesspa
dc.subject.keywordLandSat 8spa
dc.subject.keywordRemote sensingspa
dc.subject.keywordGoogle Earth Enginespa
dc.subject.keywordNDVIspa
dc.subject.keywordSAVIspa
dc.subject.keywordNDWIspa
dc.subject.keywordPrecipitationspa
dc.subject.keywordReforestationspa
dc.subject.keywordJustdiggitspa
dc.subject.keywordAfricaspa
dc.subject.keywordKenyaspa
dc.subject.keywordTanzaniaspa
dc.subject.keywordVegetation indicesspa
dc.subject.keywordChanges in land coverspa
dc.subject.lembReforestación - Kenia
dc.subject.lembImpacto ambiental
dc.subject.lembTeledetección - Vegetación
dc.subject.lembAprendizaje automático - Aplicaciones ambientales
dc.subject.lembReforestación - Tanzania
dc.titleAnálisis temporal de los métodos de reforestación aplicados por justdiggit en áreas de Kenia y Tanzania mediante imágenes satelitalesspa
dc.type.coarhttp://purl.org/coar/resource_type/c_bdccspa

Archivos

Bloque original

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
Proyecto de Grado - Yenny Betancur Torres - V2_3.pdf
Tamaño:
2.86 MB
Formato:
Adobe Portable Document Format
Descripción:
Ver documento

Bloque de licencias

Mostrando 1 - 2 de 2
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
2.87 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Cargando...
Miniatura
Nombre:
Autorización de publicación.pdf
Tamaño:
175.56 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta de Autorización