Browsing by Author "Badaracco Meza, Rolando Renee"

Now showing 1 - 2 of 2

Detección de la salinidad en los suelos de cultivos de algodón usando imágenes de satélite en la costa norte del Perú
(Universidad Nacional Mayor de San Marcos, 2012) Badaracco Meza, Rolando Renee; Rojas Acuña, Joel
En el presente trabajo, utilizamos la ciencia de la teledetección por ser una herramienta particularmente valiosa para obtener datos relevantes sobre el Suelo. El objetivo de este trabajo es estimar la salinidad del suelo con el uso de imágenes de satélite y su validación con los datos in-situ de conductividad eléctrica (CE) del suelo. Las áreas de estudio en este trabajo fueron cuatro: San Antero, La Viña, Saltur y Ucupe ubicadas en el distrito de Cayalti, Nueva Arica y Zaña, respectivamente. Estas áreas de estudio se encuentran en la cuenca de Zaña de la provincia de Chiclayo en la región de Lambayeque. En este trabajo se usaron imágenes de satélite procedente de los sensores ASTER, TM y ETM+ que fueron procesados y analizados usando el software de procesamiento de imágenes ENVI 4.5 y el lenguaje de programación IDL 7.0. Se determinó los componentes principales, el índice de sal (IndSal), el índice de vegetación de diferencia normalizada (NDVI) y las reflectancias espectrales de las bandas imágenes para correlacionarlos con los datos in-situ de la CE del suelo mediante el análisis de regresión lineal simple y múltiple y obtener modelos de la CE del suelo estimada. El análisis de regresión lineal múltiple presento mejores resultados que el análisis de regresión lineal simple. Para el área de La Viña se obtuvieron tres modelos de regresión lineal múltiple, el primer modelo se obtuvo al correlacionar los valores de la CE del suelo, el NDVI, el IndSal y el segundo componente principal (PC2) de la imagen ASTER obteniéndose un coeficiente de correlación negativa de - 0.87. El segundo modelo se obtuvo al correlacionar los valores de la CE del suelo, el NDVI y las reflectancias espectrales de las bandas 5 y 7 de la imagen ETM+ obteniéndose una correlación negativa de - 0.89. El tercer modelo se obtuvo al correlacionar los valores de la CE del suelo, el NDVI y las reflectancias espectrales de las bandas 5 y 7 de la imagen TM obteniéndose una correlación negativa de - 0.80. Para el área de San Antero se obtuvo un modelo de regresión lineal múltiple que se obtuvo al correlacionar los valores de la CE del suelo, el NDVI y las reflectancias espectrales de las bandas 3 y 7 de la imagen TM obteniéndose una correlación negativa de - 0,92. Para el área de Saltur se obtuvo un modelo de regresión lineal múltiple que se obtuvo al correlacionar los valores de la CE del suelo y las reflectancias espectrales de las bandas 5 y 7 de la imagen TM obteniéndose un coeficiente de correlación de 0,75. Para el área del Ucupe se obtuvo un modelo de regresión lineal múltiple que se obtuvo al correlacionar los valores de la CE del suelo, las reflectancia espectrales de las bandas 5 y 7 de la imagen TM obteniéndose un coeficiente de correlación de 0,82. A partir de los modelos obtenidos de la estimación de la CE del suelo se generaron mapas temáticos de la distribución espacial de la CE del suelo estimada para cada área de estudio. -- Palabras claves: Imágenes satelitales, NDVI, IndSal, CE, ASTER, TM y ETM.
Distribución Espacial de la Conductividad Eléctrica del Suelo de la Región de Lambayeque Usando Imágenes de los Satélites Landsat 5 y 7 Mediante Redes Neuronales Artificiales: Perceptrón Multicapa
(Universidad Nacional Mayor de San Marcos, 2014) Badaracco Meza, Rolando Renee; Rojas Acuña, Joel
Implementa una “red neuronal artificial” con arquitectura de retropropagación de error (“Back-Propagation”), que permita clasificar la salinidad en los suelos, usando como datos de entradas imágenes de NDVI, y datos de entrenamiento de conductividad eléctrica del suelo. El área de estudio se encuentra entre las coordenadas UTM por 614775 m E, 627345 m E y por 9277495 m N, 9255475 m N, debido a que los datos de conductividad eléctrica del suelo son obtenidos de los distritos de Lambayeque y Mochumí, localizados en el departamento de Lambayeque de la costa norte del Perú. Se usan 46 imágenes satelitales procedentes de los sensores ETM+ y TM de proyección UTM, zona 17S, y de Datum WGS84. Estas imágenes son analizadas usando el software de procesamiento de imagen ENVI 4.5 y el lenguaje de programación IDL. Se evalúan dos modelos de arquitectura de red neuronal, para el primer modelo se utiliza 1 capa oculta obteniendo un error de entrenamiento de 0.40 y en el segundo modelo se utilizó 2 capas ocultas presentando un error de entrenamiento de 0.27.