Este documento presenta el diseño de un programa de ortorectificación y georeferenciación de imágenes orientado a la Agricultura de Precisión en la producción de caña de azúcar. La obtención de una imagen ortorectificada y georeferenciada permitirá realizar de manera rápida y eficiente la formación de mosaicos de imágenes, además ser procesada en un software GIS que brinde información útil con respecto a información de los terrenos agrícolas. El documento está dividido de la siguiente manera: El Capitulo 1 analiza la situación agrícola con respecto al proceso de producción de caña de azúcar, las propiedades que se pueden obtener, por medio de imágenes, de los cultivos de caña de azúcar y su análisis basado en indicadores. Finalmente se establece el marco problemático que se presenta al adquirir imágenes aéreas. El Capitulo 2 presenta una introducción a la Agricultura de Precisión y las diversas técnicas que se realizan para el proceso de ortorectificación de imágenes aéreas, así como los algoritmos correspondientes. El Capitulo 3 contiene los objetivos de la tesis, el diseño del programa de ortorectificación y georeferenciación, y una breve introducción de la interfaz de usuario que se tendrá. Finalmente analiza las alternativas de diseño y se elije la más eficiente con las herramientas a disposición. El Capitulo 4 muestra y analiza los resultados del programa, para ello se presenta un conjunto de imágenes, con diferentes características, que serán corregidas geométricamente con respecto a una imagen satelital. La verificación de los resultados se realiza en un software GIS GRASS.

Según datos de la FAO, la planta de la quinua se originó en los alrededores del lago Titicaca que comparten Perú y Bolivia, destaca por la calidad nutricional que posee, así también los requerimientos del cultivo en cuanto a la poca exigencia en la cantidad de agua, lo cual lo hace un cultivo ideal para contrarrestar el cambio climático. La producción mundial de quinua se encuentra liderada primordialmente por los países de Perú y Bolivia, quienes concentran entre el 83% (año 2015) al 67% (año 2016). En ambos países dicha actividad involucra a no menos de 150,000 familias de pequeños productores. La producción de dicho cultivo es mayoritariamente orgánica con promedios bajos de producción. Como consecuencia del escaso uso de tecnologías productivas, el incremento de plagas, así como de la variabilidad cada vez más impredecible de las condiciones climáticas, los agricultores familiares de ambas regiones continúan presentando niveles de pobreza de 42.9% y extrema pobreza de 21.3% en promedio. (INEI-Perú, INE Bolivia). El presente trabajo de investigación contribuye al mapeo de cultivos el cual constituye una herramienta esencial para la gestión agrícola y la seguridad alimentaria. El objetivo del trabajo de investigación es la evaluación de diversos métodos de clasificación del cultivo de la quinua que permitirá realizar el mapeo automático. El estudio se centra en el uso de técnicas de aprendizaje automático para clasificar cultivos de quinua a partir de imágenes aéreas multiespectrales tomadas desde un sistema aéreo no tripulado. La reflectancia espectral de cinco bandas ópticas se utiliza para determinar modelos de clasificación que se evalúan en las diferentes etapas fenológicas de la quinua. Se exploraron estrategias de aprendizaje automático a las imágenes obtenidas, tales como árboles de decisión, análisis discriminatorio, máquinas de vectores de soporte, K vecino más cercano, conjunto de clasificadores, métodos de aprendizaje profundo de Segnet y Unet. Los conjuntos de datos de entrenamiento se obtuvieron de las ubicaciones de los campos de quinua en Cabana en la región Puno de Perú. Los resultados muestran que las técnicas de aprendizaje profundo superan a otras técnicas en la tarea de clasificación. Se muestran las pruebas realizadas sobre las diversas etapas fenológicas en donde las técnicas de aprendizaje profundo obtienen una precisión de entre 81% y 95%, mientras que las demás técnicas su precisión fueron entre 58% y 87%. / Crop mapping is an essential tool for agricultural management and food security for which remote sensing data can be used. This study focuses on the use of machine learning techniques to classify quinoa crops from multispectral aerial images. Spectral reflectance of five optical bands are used for determining classification models which are evaluated for different phenological stages of quinoa. Decision Trees, Discriminant Analysis, Support Vector Machines, K nearest Neighbor, Ensemble Classifiers, deep learning methods Segnet and Unet were explored. Training datasets were obtained from quinoa crop fields locations at Cabana in the Puno region of Peru. An unmanned aircraft system (UAS) was used to acquire the multispectral images from an altitude of 50 meters. Results show that deep learning techniques outperform the other techniques in the classification task.

La tesis “Análisis de variabilidad temporal de la línea de costa mediante la aplicación de métodos de teledetección y sistema de información geográfica: bahía de Miraflores, Perú 1936-2005” plantea cuantificar las variaciones temporales de la línea de costa en la bahía de Miraflores durante el periodo 1936-2005. Para ello se identifican los períodos erosivos/deposicionales y las playas de la Bahía son clasificadas en función a la intensidad de estos procesos y sus características geomorfológicas. Una base de datos geoespaciales generada a partir del análisis permite ensayar el comportamiento de la línea de costa para el periodo 2005-2011 y evaluar sus potenciales consecuencias. La cuantificación y evaluación de los cambios de la línea de costa combina e integra métodos de cartografía, fotointerpretación, levantamiento de información de campo y análisis de estadística espacial dentro de un entorno de un Sistema de Información Geográfica. La presión ejercida sobre las áreas costeras sobreviene eventualmente en incompatibilidades entre la oferta natural y los usos del espacio. Se plantea así, la meta de incluir necesariamente estudios ambientales costeros dentro de la gestión y ordenamiento del territorio, particularmente como herramienta para la gestión en la bahía de Miraflores. La tesis parte de la siguiente hipótesis: “La instalación de estructuras costeras dedicadas a la formación de nuevas playas de arena y a la mitigación del impacto del oleaje modificaron el balance de los sedimentos a lo largo de toda la bahía. La dinámica y morfología de esta célula litoral resultó modificada con efectos indeseados como la acumulación excesiva de materiales en algunas playas del sur y procesos erosivos en las playas ubicadas en los distritos de Magdalena del Mar, San Miguel y La Perla.”. Se concluye que la bahía de Miraflores fue en condiciones naturales una única célula litoral pero, con los espigones y la interrupción del tránsito de sedimentos, la bahía actualmente está fragmentada en diversas células litorales de menor tamaño. No obstante estas células muestran conexiones entre sí y presentan a la bahía como un sistema mayor, en el que el mecanismo hidrodinámico encargado del transporte de sedimentos locales es el sistema de corrientes generados por la ruptura del oleaje en la costa. La tendencia actual es al repliegue de la línea de costa en todas las playas, con particular intensidad en el conjunto de playas de la ensenada de Chorrillos y la playa La Mar Brava Sur. El límite norte de las playas de arena se situó en la década de 1990 en la playa Redondo, y actualmente este límite se ubica algo más al sur en la playa Cascadas. Una validación estadística de clasificación de la costa corroboró estadísticamente que 10 del total de 12 bloques y la totalidad de los 7 sectores identificados se presentan como muy particulares y distintos entre si. De esta forma los resultados del análisis estadístico y la clasificación propuesta se muestran coherencia entre si.