Caracterización de los tipos de sistemas agroforestales de café mediante percepción remota / Agustín Escobar López
Por: Escobar López, Agustín. Doctor [autor].
Castillo Santiago, Miguel Ángel [director] | Hernández Stefanoni, José Luis [asesor] | López Martínez, Jorge Omar [asesor] | Mas, Jean François [asesor].
Tipo de material: Tesis impreso(a) y electrónico Editor: San Cristóbal de Las Casas, Chiapas, México: El Colegio de la Frontera Sur, 2023Descripción: 80 hojas : fotografías, gráficas, mapas ; 28 cm.Tipo de contenido: texto Tipo de medio: sin medio | computadora Tipo de portador: volumen | recurso en líneaTema(s): Café | Sistemas agroforestales | Cultivos múltiples | Sensores remotos | Mapeo ambiental | Detección a distanciaTema(s) en inglés: Coffee | Agroforestry systems | Multiple cropping | Remote sensing | Environmental value mapping | Remote detectionDescriptor(es) geográficos: Sierra Madre de Chiapas (México) Clasificación: TE/633.73097275 / E8 Nota de acceso: Acceso en línea sin restricciones Nota de disertación: Tesis Doctorado en Ciencias en Ecología y Desarrollo Sustentable El Colegio de la Frontera Sur 2023 Nota de bibliografía: Incluye bibliografía Ciencias de la SustentabilidadNúmero de sistema: 64447Contenidos:Mostrar Resumen:Tipo de ítem | Biblioteca actual | Colección | Signatura | Estado | Fecha de vencimiento | Código de barras |
---|---|---|---|---|---|---|
Tesis | Biblioteca Electrónica Recursos en línea (RE) | ECOSUR | Recurso digital | ECO40000064447 | ||
Tesis |
Biblioteca San Cristóbal
Texto en la configuración de la biblioteca San Cristóbal |
ECOSUR | TE 633.73097275 E8 | Disponible | ECO010020931 |
Tesis Doctorado en Ciencias en Ecología y Desarrollo Sustentable El Colegio de la Frontera Sur 2023
Incluye bibliografía
Resumen.. Introducción.. Estado del arte.. Justificación y preguntas de investigación.. Objetivos.. Objetivo general.. Objetivos específicos.. Identification of coffee agroforestry systems using remote sensing data. A review of methods and sensor data.. 1. Introduction.. 2. Materials and methods.. 2.1. Definition of coffee agroforestry systems.. 2.2. Computational methods used for mapping coffee production areas and metrics used for validation.. 2.3. Remote sensing data and supplementary information used in the classification.. 3. Results.. 4. Discussion.. 5. Conclusions.. Acknowledgement(s).. Disclosure statement.. Funding.. Notes on contributor(s).. 6. References.. 7. Figures.. 8. Tables.. Identifying coffee agroforestry system types using multitemporal sentinel-2 data and auxiliary information.. 1. Introduction.. 2. Materials and Methods.. 2.1. Study Area.. 2.2. Field Data and Characterization of Agroforestry Systems.. 2.3. Imagery and auxiliary data.. 2.4. Image processing.. 2.5. Data analysis and land cover classification.. 2.6. Map validation.. 3. Results.. 3.1. Selecting Predictors and Applying the Classification Model.. 3.2. Model validation.. 4. Discussion.. 5. Conclusions.. 6. References.. Discusión.. Conclusión.. Referencias
Acceso en línea sin restricciones
Chiapas es el mayor productor de café a nivel nacional. Se estima que en esta entidad alrededor de 242,000 hectáreas están dedicadas a la producción del grano. A pesar de su importancia económica, cultural y ecológica, se desconocen aún algunas de las características de este sistema de producción, tales como la distribución espacial de las parcelas y los tipos de sistemas agroforestales (SAF) que lo conforman. El mapeo de las áreas de producción presenta grandes desafíos debido a que en su mayoría el café se produce en parcelas pequeñas, cultivadas bajo un SAF, dispersas a lo largo de regiones montañosas con difícil acceso. El objetivo de este trabajo fue desarrollar un enfoque metodológico basado en datos de observación de la Tierra para caracterizar los diferentes tipos de SAF de café en la Sierra Madre de Chiapas. Se emplearon imágenes mensuales ópticas (sentinel-2) y de radar (sentinel-1) de los primeros seis meses del año, un modelo de elevación digital, mapas de humedad del suelo y datos de campo obtenidos en 150 parcelas. Se calcularon índices de vegetación y se analizó la respuesta espectral de los cultivos a lo largo de la temporada de secas para identificar las temporadas más adecuados para discriminar los tipos de SAF. Con las imágenes satelitales y los datos complementarios se desarrollaron modelos para cada uno de los tipos de SAF identificados en campo. El modelo de clasificación empleó un algoritmo Random Forest de clasificación, las variables predictoras en cada uno de ellos se seleccionaron mediante un método denominado eliminación recursiva. Finalmente, los modelos ajustados se combinaron en uno solo para la construcción del mapa de los tipos de SAF. Para validar el modelo espacial se utilizó un conjunto de 932 sitios extraídos de imágenes Planet (resolución espacial de 4.5 m). De acuerdo con los patrones de respuesta espectral se identificaron tres tipos de SAF con diferentes características de densidad y composición de los árboles de sombra. Los sistemas agroforestales se ubicaron principalmente en áreas de bosque degradado y vegetación secundaria, donde principalmente se hace manejo de la vegetación natural para incorporación de las plantas de café en el sotobosque y algunas especies de árboles maderables y frutales para autoconsumo, en el caso de los policultivos. Se encontró una mayor extensión de sistemas rústicos, distribuidos principalmente en zonas colindantes con bosques maduros. Se obtuvo una precisión temática global de 95%, el tipo de SAF con mayor densidad arbórea obtuvo el mayor error de clasificación. Con respecto a los datos satelitales, la información en el rango infrarrojo (NIR) e infrarrojo cercano (SWIR) es particularmente útil, aunque es necesario el uso ¿el uso? de datos complementarios para reducir la incertidumbre. A pesar de que las imágenes de radar aportaron información para discriminar algunos SAF, ninguna de ellas fue seleccionada para permanecer dentro del modelo final. Además, nuestros hallazgos resaltan la efectividad del uso de diferentes conjuntos de datos bajo un enfoque multitemporal para la identificación de sistemas agrícolas complejos en áreas de alta heterogeneidad topográfica. spa
Ciencias de la Sustentabilidad