| |
|
|
|
Registro completo
|
|
Biblioteca (s) : |
INIA Las Brujas. |
|
Fecha : |
18/06/2015 |
|
Actualizado : |
18/06/2015 |
|
Tipo de producción científica : |
Informes Agroclimáticos |
|
Autor : |
GIMENEZ, A.; CASTAÑO, J.; FUREST, J.; AUNCHAYNA, R. |
|
Afiliación : |
AGUSTIN EDUARDO GIMENEZ FUREST, INIA (Instituto Nacional de Investigación Agropecuaria), Uruguay; JOSE PEDRO CASTAÑO SANCHEZ, INIA (Instituto Nacional de Investigación Agropecuaria), Uruguay; JOSE MARIA FUREST CROCCO, INIA (Instituto Nacional de Investigación Agropecuaria), Uruguay; ROSSINA MARIANA AUNCHAYNA REILLY, INIA (Instituto Nacional de Investigación Agropecuaria), Uruguay. |
|
Título : |
Informe Agroclimático 2010 - Situación a Noviembre. |
|
Fecha de publicación : |
2010 |
|
Fuente / Imprenta : |
Montevideo (Uruguay): INIA, 2010. |
|
Páginas : |
4 p. |
|
Idioma : |
Español |
|
Palabras claves : |
AGROCLIMA; AGROCLIMATOLOGÍA; BOLETIN AGROCLIMÁTICO; CARACTERIZACIÓN AGROCLIMÁTICA; DIRECCION VIENTO; ESTACIONES AGROMETEOROLOGICAS; ESTACIONES AUTOMATICAS; ESTACIONES INIA; ESTADO DEL TIEMPO; ESTRÉS HÍDRICO; GRAFICAS AGROCLIMATICOS; GRAS; HELIOFANOGRAFO; INFORMACION SATELITAL; INUNDACIONES; LLUVIAS DIARIAS; MAXIMA; MEDIA; MINIMA; PANEL SOLAR; PERSPECTIVAS CLIMATICAS; PLUVIOMETRO; PRECIPITACION NACIONAL; PREVENCION HELADAS; PRONOSTICO; SENSOR; SIMETRICO; TANQUE A; TERMOCUPLAS; TERMOHIDROGRAFO; VARIABLES AGROCLIMATICAS; VELETA. |
|
Thesagro : |
AGROCLIMATOLOGIA; CAMBIO CLIMATICO; CLIMA; CLIMATOLOGIA; ESTACIONES METEOROLOGICAS; ESTRES HIDRICO; EVAPORACION; EVAPOTRANSPIRACION; HUMEDAD; HUMEDAD RELATIVA; LLUVIA; METEOROLOGIA; PERSPECTIVAS; PLUVIOMETROS; PRONOSTICO DEL TIEMPO; SENSORES; SISTEMAS; SISTEMAS DE INFORMACION; SUELO; TEMPERATURA; TERMOMETROS. |
|
Asunto categoría : |
P40 Meteorología y climatología |
|
URL : |
http://www.ainfo.inia.uy/digital/bitstream/item/4685/1/Inf.Agr.-noviembre-2010.pdf
http://www.inia.uy/Publicaciones/Paginas/publicacion-2200.aspx
|
|
Marc : |
LEADER 02043nam a2200781 a 4500
001 1052837
005 2015-06-18
008 2010 bl uuuu u0uu1 u #d
100 1 $aGIMENEZ, A.
245 $aInforme Agroclimático 2010 - Situación a Noviembre.$h[electronic resource]
260 $aMontevideo (Uruguay): INIA$c2010
300 $a4 p.
650 $aAGROCLIMATOLOGIA
650 $aCAMBIO CLIMATICO
650 $aCLIMA
650 $aCLIMATOLOGIA
650 $aESTACIONES METEOROLOGICAS
650 $aESTRES HIDRICO
650 $aEVAPORACION
650 $aEVAPOTRANSPIRACION
650 $aHUMEDAD
650 $aHUMEDAD RELATIVA
650 $aLLUVIA
650 $aMETEOROLOGIA
650 $aPERSPECTIVAS
650 $aPLUVIOMETROS
650 $aPRONOSTICO DEL TIEMPO
650 $aSENSORES
650 $aSISTEMAS
650 $aSISTEMAS DE INFORMACION
650 $aSUELO
650 $aTEMPERATURA
650 $aTERMOMETROS
653 $aAGROCLIMA
653 $aAGROCLIMATOLOGÍA
653 $aBOLETIN AGROCLIMÁTICO
653 $aCARACTERIZACIÓN AGROCLIMÁTICA
653 $aDIRECCION VIENTO
653 $aESTACIONES AGROMETEOROLOGICAS
653 $aESTACIONES AUTOMATICAS
653 $aESTACIONES INIA
653 $aESTADO DEL TIEMPO
653 $aESTRÉS HÍDRICO
653 $aGRAFICAS AGROCLIMATICOS
653 $aGRAS
653 $aHELIOFANOGRAFO
653 $aINFORMACION SATELITAL
653 $aINUNDACIONES
653 $aLLUVIAS DIARIAS
653 $aMAXIMA
653 $aMEDIA
653 $aMINIMA
653 $aPANEL SOLAR
653 $aPERSPECTIVAS CLIMATICAS
653 $aPLUVIOMETRO
653 $aPRECIPITACION NACIONAL
653 $aPREVENCION HELADAS
653 $aPRONOSTICO
653 $aSENSOR
653 $aSIMETRICO
653 $aTANQUE A
653 $aTERMOCUPLAS
653 $aTERMOHIDROGRAFO
653 $aVARIABLES AGROCLIMATICAS
653 $aVELETA
700 1 $aCASTAÑO, J.
700 1 $aFUREST, J.
700 1 $aAUNCHAYNA, R.
Descargar
Esconder MarcPresentar Marc Completo |
|
Registro original : |
INIA Las Brujas (LB) |
|
|
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! |
|
|
