| |
|
|
|
Registro completo
|
|
Biblioteca (s) : |
INIA La Estanzuela. |
|
Fecha : |
21/02/2014 |
|
Actualizado : |
03/02/2021 |
|
Tipo de producción científica : |
Trabajos en Congresos/Conferencias |
|
Autor : |
CARRASCO-LETELIER, L.; EGUREN IRIARTE, G.; SUÁREZ-PÍREZ, C. |
|
Afiliación : |
LEONIDAS CARRASCO LETELIER, Instituto Nacional de Investigación Agropecuaria (INIA), Uruguay; GABRIELA EGUREN IRIARTE; CECILIA SUÁREZ PÍREZ. |
|
Título : |
Indicadores para la gestión ambiental de cuencas de uso agropecuario. |
|
Fecha de publicación : |
2010 |
|
Fuente / Imprenta : |
ln: Jornadas Interdisciplinarias, 1., 2010, Buenos Aires, AR. El ciclo del agua en agroecosistemas. Buenos Aires, AR: UBA. FVET. Centro de Estudios Transdisciplinarios del Agua, 2010. |
|
Páginas : |
p. 14. |
|
ISBN : |
987-950-29-1233-2 |
|
Idioma : |
Español |
|
Notas : |
Donación L. Carrasco Letelier, 2010 Universidad de Buenos Aires (UBA). Facultad de Ciencias Veterinarias. Centro de Estudios Transdisciplinarios del Agua |
|
Palabras claves : |
CALIDAD DEL AGUA; ECOTOXICOLOGÍA; FORESTACIÓN; QUÍMICA AMBIENTAL; SOSTENIBILIDAD AMBIENTAL. |
|
Thesagro : |
CONTAMINACIÓN; ECOSISTEMAS AGRÍCOLAS; SISTEMAS AGROPECUARIOS. |
|
Asunto categoría : |
P01 Conservación de la naturaleza y recursos de La tierra |
|
URL : |
http://www.ainfo.inia.uy/digital/bitstream/item/11015/1/Indicadores...Carrasco-Leteler-et-al.pdf
|
|
Marc : |
LEADER 01023nam a2200253 a 4500
001 1048415
005 2021-02-03
008 2010 bl uuuu u00u1 u #d
020 $a987-950-29-1233-2
100 1 $aCARRASCO-LETELIER, L.
245 $aIndicadores para la gestión ambiental de cuencas de uso agropecuario.
260 $aln: Jornadas Interdisciplinarias, 1., 2010, Buenos Aires, AR. El ciclo del agua en agroecosistemas. Buenos Aires, AR: UBA. FVET. Centro de Estudios Transdisciplinarios del Agua$c2010
300 $ap. 14.
500 $aDonación L. Carrasco Letelier, 2010 Universidad de Buenos Aires (UBA). Facultad de Ciencias Veterinarias. Centro de Estudios Transdisciplinarios del Agua
650 $aCONTAMINACIÓN
650 $aECOSISTEMAS AGRÍCOLAS
650 $aSISTEMAS AGROPECUARIOS
653 $aCALIDAD DEL AGUA
653 $aECOTOXICOLOGÍA
653 $aFORESTACIÓN
653 $aQUÍMICA AMBIENTAL
653 $aSOSTENIBILIDAD AMBIENTAL
700 1 $aEGUREN IRIARTE, G.
700 1 $aSUÁREZ-PÍREZ, C.
Descargar
Esconder MarcPresentar Marc Completo |
|
Registro original : |
INIA La Estanzuela (LE) |
|
|
Biblioteca
|
Identificación
|
Origen
|
Tipo / Formato
|
Clasificación
|
Cutter
|
Registro
|
Volumen
|
Estado
|
Volver
|
|
|
 | Acceso al texto completo restringido a Biblioteca INIA Las Brujas. Por información adicional contacte bibliolb@inia.org.uy. |
|
Registro completo
|
|
Biblioteca (s) : |
INIA Las Brujas. |
|
Fecha actual : |
23/10/2020 |
|
Actualizado : |
09/04/2021 |
|
Tipo de producción científica : |
Capítulo en Libro Técnico-Científico |
|
Autor : |
HASTINGS, F.; FUENTES, I.; PÉREZ-BIDEGAIN, M.; NAVAS, R.; GORGOGLIONE, A. |
|
Afiliación : |
FLORENCIA HASTINGS, School of Agronomy Universidad de la República, Montevideo, Uruguay; Directorate of Natural Resources, Ministry of Agriculture, Livestock and Fisheries, Montevideo, Uruguay; IGNACIO FUENTES, School of Life and Environmental Sciences, University of Sydney, Sydney, Australia; MARIO PÉREZ-BIDEGAIN, School of Agronomy, Universidad de la República, Montevideo, Uruguay; RAFAEL NAVAS NÚÑEZ, INIA (Instituto Nacional de Investigación Agropecuaria), Uruguay; ÁNGELA GORGOGLIONE, School of Engineering, Universidad de la República, Montevideo, Uruguay. |
|
Título : |
Land-cover mapping of agricultural areas using machine learning in Google Earth engine. (Conference paper) |
|
Fecha de publicación : |
2020 |
|
Fuente / Imprenta : |
In: Gervasi O. et al. (eds) Computational Science and Its Applications - ICCSA 2020. ICCSA 2020. Lecture Notes in Computer Science, vol 12252. International Conference on Computational Science and Its Applications. Springer, Cham. https://doi.org/10.1007/978-3-030-58811-3_52 |
|
ISBN : |
e-ISBN: 978-3-030-58811-3 |
|
DOI : |
10.1007/978-3-030-58811-3_52 |
|
Idioma : |
Inglés |
|
Notas : |
Article history: First Online 29 September 2020. Volume Editors: Gervasi O.,Murgante B.,Misra S. .,Garau C.,Blecic I.,Taniar D.,Apduhan B.O.,Rocha A.M.A.C.,Tarantino E.,Torre C.M.,Karaca Y. Publisher: Springer Science and Business Media Deutschland GmbH.
20th International Conference on Computational Science and Its Applications, ICCSA 2020; Cagliari; Italy; 1 July 2020 through 4 July 2020; Code 249529.
Corresponding author: Hastings, F.; School of Agronomy, Universidad de la República, Av. Gral. Eugenio Garzón 780, Montevideo, Uruguay; email:fhastings@mgap.gub.uy |
|
Contenido : |
Land-cover mapping is critically needed in land-use planning and policy making. Compared to other techniques, Google Earth Engine (GEE) offers a free cloud of satellite information and high computation capabilities. In this context, this article examines machine learning with GEE for land-cover mapping. For this purpose, a five-phase procedure is applied: (1) imagery selection and pre-processing, (2) selection of the classes and training samples, (3) classification process, (4) post-classification, and (5) validation. The study region is located in the San Salvador basin (Uruguay), which is under agricultural intensification. As a result, the 1990 land-cover map of the San Salvador basin is produced. The new map shows good agreements with past agriculture census and reveals the transformation of grassland to cropland in the period 1990?2018. © 2020, Springer Nature Switzerland AG. |
|
Palabras claves : |
Agricultural region; Google earth engine; Land-cover map; Supervised classification. |
|
Asunto categoría : |
A50 Investigación agraria |
|
Marc : |
LEADER 02413nam a2200229 a 4500
001 1061424
005 2021-04-09
008 2020 bl uuuu u0uu1 u #d
024 7 $a10.1007/978-3-030-58811-3_52$2DOI
100 1 $aHASTINGS, F.
245 $aLand-cover mapping of agricultural areas using machine learning in Google Earth engine. (Conference paper)$h[electronic resource]
260 $aIn: Gervasi O. et al. (eds) Computational Science and Its Applications - ICCSA 2020. ICCSA 2020. Lecture Notes in Computer Science, vol 12252. International Conference on Computational Science and Its Applications. Springer, Cham. https://doi.org/10.1007/978-3-030-58811-3_52$c1007
500 $aArticle history: First Online 29 September 2020. Volume Editors: Gervasi O.,Murgante B.,Misra S. .,Garau C.,Blecic I.,Taniar D.,Apduhan B.O.,Rocha A.M.A.C.,Tarantino E.,Torre C.M.,Karaca Y. Publisher: Springer Science and Business Media Deutschland GmbH. 20th International Conference on Computational Science and Its Applications, ICCSA 2020; Cagliari; Italy; 1 July 2020 through 4 July 2020; Code 249529. Corresponding author: Hastings, F.; School of Agronomy, Universidad de la República, Av. Gral. Eugenio Garzón 780, Montevideo, Uruguay; email:fhastings@mgap.gub.uy
520 $aLand-cover mapping is critically needed in land-use planning and policy making. Compared to other techniques, Google Earth Engine (GEE) offers a free cloud of satellite information and high computation capabilities. In this context, this article examines machine learning with GEE for land-cover mapping. For this purpose, a five-phase procedure is applied: (1) imagery selection and pre-processing, (2) selection of the classes and training samples, (3) classification process, (4) post-classification, and (5) validation. The study region is located in the San Salvador basin (Uruguay), which is under agricultural intensification. As a result, the 1990 land-cover map of the San Salvador basin is produced. The new map shows good agreements with past agriculture census and reveals the transformation of grassland to cropland in the period 1990?2018. © 2020, Springer Nature Switzerland AG.
653 $aAgricultural region
653 $aGoogle earth engine
653 $aLand-cover map
653 $aSupervised classification
700 1 $aFUENTES, I.
700 1 $aPÉREZ-BIDEGAIN, M.
700 1 $aNAVAS, R.
700 1 $aGORGOGLIONE, A.
Descargar
Esconder MarcPresentar Marc Completo |
|
Registro original : |
INIA Las Brujas (LB) |
|
|
Biblioteca
|
Identificación
|
Origen
|
Tipo / Formato
|
Clasificación
|
Cutter
|
Registro
|
Volumen
|
Estado
|
Volver
|
| Expresión de búsqueda válido. Check! |
|
|
