Luciana Nieto, Ph.D
Ingeniera Agrónoma,
Estudiante de Doctorado
Alta resolución espacio-temporal
El desarrollo de modelos simples de monitoreo y pronóstico de cultivos que integren satélites, clima y campo con herramientas estadísticas de aprendizaje automático, como bosques aleatorios y redes neuronales, puede facilitar la realización de predicciones casi en tiempo real del desarrollo y la etapa del cultivo.
En colaboración con Planet labs, estamos investigando el efecto de productos de alta resolución temporal y espacial para lograr este objetivo.
Alta resolución espacio-temporal
El desarrollo de modelos simples de monitoreo y pronóstico de cultivos que integren satélites, clima y campo con herramientas estadísticas de aprendizaje automático, como bosques aleatorios y redes neuronales, puede facilitar la realización de predicciones casi en tiempo real del desarrollo y la etapa del cultivo.
En colaboración con Planet labs, estamos investigando el efecto de productos de alta resolución temporal y espacial para lograr este objetivo.
Clasificación de fenología
La integración de la teledetección con modelos de aprendizaje automático ha mostrado un gran potencial para mejorar la clasificación de cultivos y proporcionar un informe de progreso durante la temporada para los cultivos de campo.
Para esta investigación, nos enfocamos en integrar datos de campo de verificación en tierra de la fenología del cultivo de maíz, imágenes de satélite (Landsat 8) y datos meteorológicos.
Clasificación de fenología
La integración de la teledetección con modelos de aprendizaje automático ha mostrado un gran potencial para mejorar la clasificación de cultivos y proporcionar un informe de progreso durante la temporada para los cultivos de campo.
Para esta investigación, nos enfocamos en integrar datos de campo de verificación en tierra de la fenología del cultivo de maíz, imágenes de satélite (Landsat 8) y datos meteorológicos.
