This research delves into the application of semantic segmentation in precision agriculture, specifically targeting the automated identification and classification of various irrigation system types within agricultural landscapes using high-resolution aerial imagery. With irrigated agriculture occupying a substantial portion of US land and constituting a major freshwater user, the study's background highlights the critical need for precise water-use estimates in the face of evolving environmental challenges, the study utilizes advanced computer vision for optimal system identification. The outcomes contribute to effective water management, sustainable resource utilization, and informed decision-making for farmers and policymakers, with broader implications for environmental monitoring and land-use planning. In this geospatial evaluation research, we tackle the challenge of intraclass variability and a limited dataset. The research problem centers around optimizing the accuracy in geospatial analyses, particularly when confronted with intricate intraclass variations and constraints posed by a limited dataset. Introducing a novel approach termed "dynamic contrastive learning," this research refines the existing contrastive learning framework. Tailored modifications aim to improve the model's accuracy in classifying and segmenting geographic features accurately. Various deep learning models, including EfficientNetV2L, EfficientNetB7, ConvNeXtXLarge, ResNet-50, and ResNet-101, serve as backbones to assess their performance in the geospatial context. The data used for evaluation consists of high-resolution aerial imagery from the National Agriculture Imagery Program (NAIP) captured in 2015. It includes four bands (red, green, blue, and near-infrared) with a 1-meter ground sampling distance. The dataset covers diverse landscapes in Lonoke County, USA, and is annotated for various irrigation system types. The dataset encompasses diverse geographic features, including urban, agricultural, and natural landscapes, providing a representative and challenging scenario for model assessment. The experimental results underscore the efficacy of the modified contrastive learning approach in mitigating intraclass variability and improving performance metrics. The proposed method achieves an average accuracy of 96.7%, a BER of 0.05, and an mIoU of 88.4%, surpassing the capabilities of existing contrastive learning methods. This research contributes a valuable solution to the specific challenges posed by intraclass variability and limited datasets in the realm of geospatial feature classification. Furthermore, the investigation extends to prominent deep learning architectures such as Segformer, Swin Transformer, Convexnext, and Convolution Vision Transformer, shedding light on their impact on geospatial image analysis. ConvNeXtXLarge emerges as a robust backbone, demonstrating remarkable accuracy (96.02%), minimal BER (0.06), and a high MIOU (85.99%).

[ES] El marketing digital ha evolucionado hacia un enfoque orientado a los datos, lo que implica que no es suficiente atraer grandes volúmenes de tráfico, sino que es esencial medir la calidad del mismo y su contribución a la consecución de los objetivos estratégicos. A través de herramientas como Google Analytics, las entidades pueden analizar indicadores clave que proporcionan información valiosa para los distintos niveles de dirección de la organización. Estos cuadros de mando permiten evaluar la efectividad de las campañas y ajustar las acciones de marketing digital para maximizar la conversión. La correcta selección de estas métricas es fundamental para anticipar resultados, diagnosticar problemas y optimizar la toma de decisiones, asegurando que los recursos se utilicen de manera eficiente y alineada con los objetivos de crecimiento de la organización. En el tercer sector, el uso de analítica digital es aún más relevante, ya que permite maximizar el impacto social con recursos limitados. Las organizaciones sin fines de lucro deben asegurarse de que sus esfuerzos de marketing digital se traduzcan en resultados tangibles, como la captación de fondos o la creación de conciencia. Aquí, las métricas adquieren un papel clave, desde el análisis de la calidad del tráfico orgánico o pagado, hasta la evaluación de la interacción de los usuarios, cada dato recopilado ayuda a ajustar las campañas en tiempo real y tomar decisiones más precisas. La tesis profundiza en cómo estas entidades sociales pueden utilizar el marketing digital para aumentar su impacto social. Con una adecuada implementación de la indexación en los motores en el ámbito orgánico y pagado, es posible incrementar tanto la visibilidad como la calidad del tráfico que reciben, lo que maximiza la consecución de objetivos. A través del análisis continuo de métricas clave, estas organizaciones pueden adaptar sus campañas para generar mayor valor, procedente tanto de personas físicas como empresas. La analítica prescriptiva va un paso más allá, proporcionando recomendaciones específicas sobre las acciones que deben tomarse para mejorar el rendimiento de las campañas. A partir del análisis de grandes volúmenes de datos, estas herramientas no solo indican qué está ocurriendo o qué podría pasar, sino que también sugieren los pasos más efectivos a seguir para optimizar los resultados. Esto permite ajustar las estrategias de manera ágil, respondiendo en tiempo real a los cambios en el comportamiento de los usuarios o las condiciones sociopolíticas o ambientales. / [CA] El màrqueting digital ha evolucionat cap a un enfocament orientat a les dades, la qual cosa implica que no és suficient atraure grans volums de trànsit, sinó que és essencial mesurar la qualitat del mateix i la seua contribució a la consecució dels objectius estratègics. A través d'eines com Google Analytics, les entitats poden analitzar indicadors clau que proporcionen informació valuosa per als diferents nivells de direcció de l'organització. Aquests quadres de comandament permeten avaluar l'efectivitat de les campanyes i ajustar les accions de màrqueting digital per a maximitzar la conversió. La correcta selecció d'aquestes mètriques és fonamental per a anticipar resultats, diagnosticar problemes i optimitzar la presa de decisions, assegurant que els recursos s'utilitzen de manera eficient i alineada amb els objectius de creixement de l'organització. En el tercer sector, l'ús d'analítica digital és encara més rellevant, ja que permet maximitzar l'impacte social amb recursos limitats. Les organitzacions sense fins de lucre han d'assegurar-se que els seus esforços de màrqueting digital es traduïsquen en resultats tangibles, com la captació de fons o la creació de consciència. Ací, les mètriques adquireixen un paper clau, des de l'anàlisi de la qualitat del trànsit orgànic o pagat, fins a l'avaluació de la interacció dels usuaris, cada dada recopilada ajuda a ajustar les campanyes en temps real i prendre decisions més precises. La tesi aprofundeix en com aquestes entitats socials poden utilitzar el màrqueting digital per a augmentar el seu impacte social. Amb una adequada implementació de la indexació en els motors en l'àmbit orgànic i pagat, és possible incrementar tant la visibilitat com la qualitat del trànsit que reben, la qual cosa maximitza la consecució d'objectius. A través de l'anàlisi contínua de mètriques clau, aquestes organitzacions poden adaptar les seues campanyes per a generar major valor, procedent tant de persones físiques com empreses. L'analítica prescriptiva va un pas més enllà, proporcionant recomanacions específiques sobre les accions que han de prendre's per a millorar el rendiment de les campanyes. A partir de l'anàlisi de grans volums de dades, aquestes eines no sols indiquen què està ocorrent o què podria passar, sinó que també suggereixen els passos més efectius a seguir per a optimitzar els resultats. Això permet ajustar les estratègies de manera àgil, responent en temps real als canvis en el comportament dels usuaris o les condicions sociopolítiques o ambientals. / [EN] Digital marketing has evolved towards a data-driven approach, which means that it is not enough to attract large volumes of traffic, but it is essential to measure the quality of traffic and its contribution to achieving strategic objectives. Through tools such as Google Analytics, organizations can analyze key indicators that provide valuable information for different levels of management in the entity. These dashboards make it possible to evaluate the effectiveness of campaigns and adjust digital marketing actions to maximize conversion. The correct selection of these metrics is fundamental to anticipate results, diagnose problems and optimize decision-making, ensuring that resources are used efficiently and aligned with the organization's growth objectives. In the third sector, the use of digital analytics is even more relevant, as it allows maximizing social impact with limited resources. Nonprofits must ensure that their digital marketing efforts translate into tangible results, such as fundraising or awareness raising. Here, metrics take on a key role, from analyzing the quality of organic or paid traffic, to assessing user interaction, each piece of data collected helps to adjust campaigns in real time and make decisions. The thesis delves into how these social entities can use digital marketing to increase their social impact. With proper implementation of organic and paid search engine indexing, it is possible to increase both the visibility and quality of the traffic they receive, which maximizes the achievement of objectives. Through continuous analysis of key metrics, these organizations can tailor their campaigns to generate greater value from both individuals and businesses. Prescriptive analytics goes a step further, providing specific recommendations on actions to be taken to improve campaign performance. Based on the analysis of large volumes of data, these tools not only indicate what is happening or what could happen, but also suggest the most effective steps to take to optimize results. This makes it possible to adjust strategies in an agile manner, responding in real time to changes in user behavior or socio-political or environmental conditions. / Cárcel Mas, MC. (2025). Aproximación a un modelo de medición de presencia digital en entidades del tercer sector de acción social [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/214425