Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/2103
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttp://creativecommons.org/licenses/by-nc-nd/4.0es_ES
dc.contributorCarlos Alberto Chavez Garciaes_ES
dc.creatorMa. Clara Elena Mendoza Gonzálezes_ES
dc.date2020-02-28-
dc.date.accessioned2020-02-26T19:49:43Z-
dc.date.available2020-02-26T19:49:43Z-
dc.date.issued2020-02-28-
dc.identifierImágenes multiespectraleses_ES
dc.identifierReflectanciaes_ES
dc.identifierTextura del sueloes_ES
dc.identifierArenaes_ES
dc.identifierArcillaes_ES
dc.identifier.urihttp://ri-ng.uaq.mx/handle/123456789/2103-
dc.descriptionEs importante determinar aquellas propiedades de los suelos que influyen en su capacidad de infiltración y retención del agua, para mejorar su manejo en agricultura. Sin embargo, la medición directa de estas propiedades es lenta, costosa y, a veces, poco fiable debido a la heterogeneidad del suelo y los errores experimentales. Estas propiedades se pueden estimar a partir de datos indirectos como la textura del suelo por medio de funciones de pedotransferencia. La presente investigación se centra en el uso de las herramientas de las que dispone la percepción remota en la identificación del contenido de arena, limo y arcilla (textura) en los suelos agrícolas, haciendo uso de datos obtenidos de imágenes multiespectrales provenientes de vehículos aéreos no tripulados. Se volaron un total de 100 polígonos de entrenamiento con sus respectivas muestras de suelo para la generación del modelo. Se generaron 4 variables independientes (reflectancia en cuatro diferentes bandas: 550 nm –verde-, 660 nm –rojo-, 790 nm -infrarrojo cercano- y 735 nm -borde rojo-) y 3 variables dependientes (porcentaje de arena, limo y arcilla). Se obtuvieron índices espectrales provenientes de la literatura calculados a partir de las 4 bandas obtenidas con el dron. Se obtuvieron modelos: lineal multivariable, exponencial y polinomial con la reflectancia de las 4 bandas. La banda con el mayor coeficiente de correlación de Pearson al relacionarla con los contenidos de arena y arcilla fue la verde (0.62 y -0.63 respectivamente). Los mayores coeficientes de determinación se obtuvieron al modelar el contenido de arena y arcilla por medio de una regresión lineal múltiple, empleando las 4 bandas espectrales objeto de éste estudio. Se obtuvo un R2 de 0.56 en el modelo generado para determinar arena y 0.54 para determinar arcilla. Los modelos obtenidos fueron empleados para generar tres mapas con la ayuda de QGIS en los ortomosaicos generados en los vuelos; uno para determinar contenido de arena, otro para limo y el último para contenido de arcilla.es_ES
dc.formatAdobe PDFes_ES
dc.language.isoEspañoles_ES
dc.relation.requiresSies_ES
dc.rightsEn Embargoes_ES
dc.subjectINGENIERÍA Y TECNOLOGÍAes_ES
dc.subjectCIENCIAS DE LA TIERRA Y DEL ESPACIOes_ES
dc.subjectHIDROLOGÍAes_ES
dc.titleUso de imágenes multiespectrales para determinar textura en suelos agrícolases_ES
dc.typeTesis de maestríaes_ES
dc.creator.tidClave CV CONACyTes_ES
dc.contributor.tidcurpes_ES
dc.creator.identificador855981es_ES
dc.contributor.identificadorCAGC830413HOCHRR02es_ES
dc.contributor.roleDirectores_ES
dc.degree.nameMaestría en Ciencias (Hidrología Ambiental)es_ES
dc.degree.departmentFacultad de Ingenieríaes_ES
dc.degree.levelMaestríaes_ES
Aparece en las colecciones: Maestría en Ciencias (Hidrología Ambiental)

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
RI005164.pdf6.35 MBAdobe PDFVista previa
Visualizar/Abrir
Mostrar el registro sencillo del ítem


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.