Uso de sistemas de aeronaves remotamente pilotadas (RPAS) en el monitoreo de plantaciones forestales
Palabras clave:
RPAs, YOLO, Cobertura vegetal, Ortofoto, Plan de vueloSinopsis
La presente Investigación se desarrolló en las instalaciones de la finca experimental La María de la Universidad Técnica Estatal de Quevedo, con el objetivo de identificar la viabilidad del uso de RPAs en el monitoreo de plantaciones forestales diagnosticando el estado actual del manejo de RPAs en la actividad forestal y definir las características de la cobertura vegetal arbórea de la finca antes mencionada. El área vegetal objeto de estudio corresponde a un aproximado de 17 Has, localizadas en las coordenadas: 666781.916E - 9879909.569N 17M que mantiene una laguna separada en tres secciones, con un total de 1,918 has, dos ciénagas separadas entre sí por caminos rurales que constituyen 1,156 has. Se realizó los sobrevuelos con los RPAs: Mavic Pro, Mavic 2 Pro y Mavic Air 2 y el procesamiento de las imágenes se realizó con la aplicación móvil DroneDeploy, el mismo que se utilizó para diseñar el plan de vuelo, debido a que esa aplicación aparte de crear el plan de vuelo, también permite crear la ortofoto (unión de todas las fotos registradas por el dron). Se utilizó el detector de objetos YOLO considerado rápido y preciso, lo que lo hace ideal para aplicaciones de visión artificial lo que permitió crear sistemas de reconocimiento de objetos en tiempo real.
Citas
ACRE. ACRE Surveying Solutions. Obtenido de Software de procesamiento der. [Online].; s/f [cited 2022 junio 13. Available from: https://grupoacre.es/catalogo-productos/pix4dmapper/.
Aguilar L. Evaluación de bosques tropicales mediante el uso de tecnología VANT. Revista Germinar. 2016;(19): p. 14-15.
Aldalur B, Santamaría M. Realce de imágenes: filtado espacial. Revista de Teledetección. 2002; 17: p. 31-42.
Armenteras D, Vargas O. Patrones del paisaje y escenarios de restauración: acercando escalas. 2016.
Arriola, Villagra, Mémdez-Morales, Gómez, Milton SQ, Rímolo-Donadío. Desarrollo y validación de una metodología para la cuantificación de la erosión hídrica a través de fotogrametría UAS. 2019.
Arriola-Valverde, Ferenz-Appel, Rimolo-Donadio. Fotogrametría terrestre con sistemas aéreos autónomos no tripulados. 2018.
Austin. Unmmaned aircraft systems: UAVS design, development and deployment. 2010.
Baena S, Soyd D, Moat. UAV´s pursuit of plant conservation-real world experiences. 2018.
Bagnato. aprendemachinelearning.com. [Online].; 2020 [cited 2022 10 28. Available from: https://www.aprendemachinelearning.com/deteccion-de-objetos-con-python-yolo-keras-tutorial/#.
Ballou RH. Logística. En R. H. Ballou, Administración de la cadena de suministro Mexico: Pearson Educación; 2004.
Balsley, Lawrence, Woodman, Fritts. Fine-scale characteristics of temperature, wind, and turbulence in the lower atmosphere (0-1300 m) over the south Peruvian coast. 2013.
Bandini, Jakobsen, Olesen, Reyna-Gutierrez JA, Bauer-Gottwein. Measuring water level in rivers and lakes from lightweight Unmmaned Aerial Vehicles. 2017.
Bandini, López-Tamayo, Merediz-Alonso, Olesen, Jakobsen, Wang, et al. Unmmaned aerial vehicle observations of water surfaces elevation and bathymetry in the cenotes and lagoons of the Yucatán Peninsula, Mexico. 2018.
Banu, Borlea, Banu. The use of drones in Forestry. 2016. investigador senior de la Universidad Nacional Autónoma de México (UNAM). 2015 agosto 19.
Barba Guaman R. Uso de técnicas deep learning para reconocimiento de objetos en ´areas rurales. 2021.
Barba-Guaman, Naranjo, Ortiz. Deep Learning Framework for Vehicle and Pedestrian Detection in Rural Roads on an Embedded GPU. Electronics. 2020 marzo 31; 9(589).
Beloev IH. A Review on Current and Emerging Application Possibilities for Unmanned Aerial Vehicles. Acta Technologica Agriculturae. 2016; 19(3): p. 70-76.
Benitez E. ¿Cuáles son las partes de un dron? [Online].; 2018 [cited 2022 marzo 5. Available from: https://dronprofesional.com/blog/cuales-son-las-partes-de-un-dron/.
Berrío V, Mosquera J, Alzate D. ResearchGate. [Online].; 2015 [cited 2022 abril. Available from: https://revistas.unipamplona.edu.co/ojs_viceinves/index.php/ALIMEN/article/view/1647.
Betancour J, Mora J, Viera J. Detección de bordes utilizando la matriz de co-ocurrencia: aplicación a la segmentación de imágenes de frutos de café. Dyna. 2010; 77(164): p. 240-250.
Blender. Consola Python. [Online].; 2022 [cited 2022 octubre 11. Available from: https://docs.blender.org/manual/es/latest/editors/python_console.html#:~:text=La%20consola%20de%20Python%20es,es%20t%C3%ADpico%20de%20Python%203.
Bois-Fayos C, Martínez-Mena M, Arnau-Rosalén E, Calvo-Cases A, Castillo V, Albaladejo J. Causes y underying processes of measurement variability in field erosion plots in Mediterranean conditions. Earth Surface Processes y Landformsss; 32: p. 85-101.
Burchfield Dr. Mapping Eastern Redcedar (Juniperus Virginiana L.) and Quantifying its Biomass in Riley County, Kansas. 2014.
Cabrera Rosero AF. Evaluación del uso de los drones como herramienta de apoyo para un efectivo control y. 2021.
Cantos O. Drones y su aplicación en seguridad y salud en el trabajo. Tesis; 2015.
Cárdenas, Rivera, Gómez, Valencia, Acosta HA, Correa. Short communication: Pollution-andgreenhouse gases measurement system. 2018.
Cárdenas-Pérez RE, Godoy-Uribe GM, Figueroa Gutierrez EE. Aerial Image as a Pictorial Representation of the Topographic Photointerpretation of the Province of Bíobío. Pensamiento, palabra y obra. 2020;(21): p. 124-141.
Carrera D. Caracterización de especies forestales de la granja "San Pablo" de la Facultad de Ciencias Agropecuarias. Trabajo experimental. Babahoyo; 2016.
Centro Europeo de Postgrado. ¿Qué es la fotogrametría analítica y digital? [Online].; s/f [cited 2022 marzo 21. Available from: https://www.ceupe.com/blog/fotogrametria-analitica-y-digital.html.
Challenger I, Díaz Y, Becerra R. El lenguaje de programación Python/The programming language Python. Ciencias Holguin. 2014; 10(2): p. 1-13.
Checa X, Grijalva J. El estado de los recursos genéticos forestales en el mundo. Informe nacional. Quito; 2012.
Chianucci F, Disperati L, Guzzi D, Bianchini D:NV, Lastri C, Rindinella A, et al. Estimation of canopy attributes in beech forests using true colour digital images from a small fixed-wing UAV. International Journal of Applied Earth Observation and Geoinformation. 2016; 47: p. 60-68.
Cisnero P. Recursos arbóreos y arbustivos tropicales. Complicadores. 2018; 1: p. 106-111.
Clark. Small unmmaned aerial systems comparative analysis for the application to coastal erosion monitoring. 2017.
Departamento de Comunicación. Aplicaciones y Operación con Drones /RPAS Universidad de Valencia. [Online].; 2015 [cited 2022 marzo 17. Available from: https://www.uv.es/uvweb/grado-ingenieria-multimedia/es/actualidad/presentacion-diploma-aplicaciones-operacion-drones/rpas-1285923362077/Novetat.html?id=1285947685982.
Departamento de Montes. Inventario Forestal Nacional. Manual de Campo. Guatemala; 2004.
Díaz J. Dirección General del Sistema Estatal de Informática. [Online].; 2022 [cited 2022 junio 13. Available from: https://dgsei.edomex.gob.mx/tecnotips/los_drones_y_sus_aplicaciones#:~:text=Inicialmente%20fueron%20desarrollados%20para%20ser,exactitud%20que%20un%20avi%C3%B3n%20normal.
Díaz JA, Pieri, Wright, Sorensen, Kline-Shoder, Arkin, et al. Unmanned aerial mass spectometer system for in-situ volcanic plume analysis. 2015.
Diaz S, Barragán A. Interpretación de imágenes de satélite con técnicas de Machine Learning para el monitoreo de cultivos. 2020.
Dron Planet. El papel de los drones en la ingeniería civil. [Online].; 2016 [cited 2022 junio 1. Available from: http://www.dronplanet.com/el-papel-de-los-drones-en-la-ingenieria-civil/.
Durán-Zuazo VH, Rodríguez-Ptequezuelo CR. Soil-erosión y runoff prevention by plant covers. Agrnomy for Sustainable Development. 2008; 28: p. 65-86.
Ecuador Forestal. Planificación estratégica plantaciones forestales en el Ecuador. Planeación estratégica. Quito; 2012.
Escamilla R. Diseño, construcción, instrumentación y control de un vehículo aéreo no tripulado. 2010.
Falk D, Campos A. Algoritmo semiautomático para el conteo de árboles en plantaciones forestales mediante el uso de imágenes aéreas. 2014.
FAO. El estado de los bosques del mundo Buenos Aires: ONU; 2020.
Fernández A. Periodismo y drones. 2018.
Fernández-Lozano, Gutiérrez-Alonso. Aplicaciones geológicas de los drones. 2016.
Flores OM. Minería en línea. [Online].; 2018 [cited 2022 marzo 21. Available from: https://mineriaenlinea.com/2018/04/los-drones-continuan-cambiando-a-la-mineria/.
FORLIANCE. Evaluación del crecimiento de las plantaciones forestales mediante el uso de drones, Colombia. [Online].; 2022. Available from: https://forliance.com/about-us/projects/evaluacion-del-crecimiento-de-las-plantaciones-forestales-mediante-el-uso-de-drones-colombia?lang=es.
Fuenmayor Canal JM. Componentes de un SIG. 2021.
G. Solano S. Hoy en el TEC. [Online].; 2022. Available from: https://www.tec.ac.cr/hoyeneltec/2022/04/21/ingenieros-potencian-uso-drones-plantaciones-forestales.
Gallardo-Salazar JL, Pompa-García M, Aguirre-Serrano PM, Meléndez-Soto A. Drones: tecnología con futuro promisorio en la gestión forestal. Revista Mexicana de ciencias forestales. 2021; 11(61): p. 27-50.
Gallardo-Salazar JL, Pompa-García M, Aguirrre-Salado CA, López-Serrano PM, Meléndez-Soto A. Drones: tecnología con futuro promisorio en la gestión forestal. Revista Mexicana de ciencias forestales. 2020; 11(61): p. 27-50.
Garzón-López CX, Lasso E. Clasificación de especies en un ecosistema alpino tropical utilizando imágenes RGB e hiperespectrales transmitidas por UAV. Drones. 2020.
Gatziolis , Lienard , Vogs , Strigul. 3D Tree Dimensionality Assessment Using Photogrammetry and Small Unmanned Aerial Vehicles. 2015.
George, Reyes, Rondón, Huechacona, Moctezuma, Proust. Mapeando el desastre: Uso de drones para la ubicación y evaluación de daño después de un sismo de alta magnitud en el sureste de México. 2017.
Getzin S, Wiegand T, Hubbell S. Stochastically driven adult–recruitassociations of tree species on BarroColorado Island. 2014.
Gis&Beers. Agisoft PhotoScan, ortomosaicos para drones. [Online].; 2016 [cited 2022 junio 3. Available from: http://www.gisandbeers.com/agisoft-photoscan-ortomosaicos-para-drones/.
Giusti F. DispatchTrack. [Online].; 2022 [cited 2022 junio 3. Available from: https://www.beetrack.com/es/blog/drones-en-procesos-logisticos.
González E. México Exportador de Drones a República de Chile. 2017.
González Herrera R, Ucán Navarrete JP, Sánchez y Pinto I, Medina Esquivel R, Ärcega Cabrera F, Zetina Moguel C, et al. Drones y aplicaciones en la ingeniería. Interciencia. 2019; 44(6): p. 326-331.
Granillo Macías R, Gonzáles Hernández IJ, Simón-Marmolejo I, Santana Robles F. Aplicaciones de vehículos aéreos no tripulados en la logística. Ingenio y Conciencia. 2019; 6.
Greenwood. Drones en el horizonte: la nueva frontera de la innovación agrícola. 2016.
Guevara-Bonilla M, Meza-Leandro AS, Esquivel-Segura EA, Arias-Aguilar D, Tapia-Arenas A, Masis-Meléndez F. Use of unmanned aerial vehicles (UAVs) for the monitoring and management on natural resources: a synthesis. Revista Tecnología en Marcha. 2020 octubre-diciembre; 33(4): p. 77-88.
Guirado E, Martínez J. Potencial de la inteligencia artificial para avanzar en el estudio de la desertificación. Ecosistemas. 2021; 30(3): p. 1-10.
Guzmán Alarcón WY. Estado del Arte de la Implementación del Dron en las Actividades Logísticas. 2020.
Han YG, Yoo SH, Kwon. Possibility of applying unmmaned aerial vehicle (UAV) and mapping software for the monitoring of waterbirds and thir habitats. 2017.
Hemmelder, Marra, Markies, De Jong. Monitoring river morphology and bank erosion using UAV imagery- A case study of the river Buech, Hautes-Alpes, France. 2018.
Hinestroza D. El machine learning a través de los tiempos, y los aportes a la humanidad. Pereira: Universidad Libre Seccional Pereira, Facultad de ingeniería en sistemas; 2018.
Holopainen M, Vastaranta M, Hyyppä J. Outlook for the Next Generation’s Precision Forestry in Finland. Forests. 2014; 5(7): p. 1682-1694.
INIAP. Condiciones agrometeorológicas. Quevedo; 2014. aerial insights. Cómo planificar capturas de drone. [Online].; 2019 [cited 2022 junio 23. Available from: https://www.aerial-insights.co/blog/como-planificar-capturas-de-dron/.
ITTO. Reseña bienal y evaluación de la situación mundial de las maderas. Buenos Aires; 2018.
Ivosevic, Han YG, Yoo SH, Kwon. Monitoring butterflies with an unmmaned aerial vehicle: current possibilities and future potentials. 2017.
Jocher, Stoken, Borovec, NanoCode012, Chaurasia , TaoXie , et al. ultralytics/yolov5: v5.0 - YOLOv5-P6 1280 models, AWS, Supervise.ly and YouTube integrations. 2021.
Klein-Hentz, Dalla Corte, Péllico, Strager, Schoeninger. Tree detection: automatic tree detection using UAV-based data. 2018.
Koh L, Wich. Dawn of drone ecology: low-cost autonomous aerial vehicles for conservation. Tropical Conservation Science. 2012; II (5): p. 121-132.
La República. Uso de drones reduciría tiempo y costo de evaluaciones en plantaciones forestales. [Online].; 2022 [cited 2022 julio 1. Available from: https://www.larepublica.net/noticia/uso-de-drones-reduciria-tiempo-y-costo-de-evaluaciones-en-plantaciones-forestales.
Langhammer, Vacková. Detection and mapping of teh geomorphic effects of flooding using UAV photogrammetry. 2018.
Lehmann JR, Nieberding, Prinz, Knoth. Analysis of Unmanned Aerial System-Based CIR Images in Forestry—A New Perspective to Monitor Pest Infestation Levels. 2015.
León Erazo DE. desarrollo de una herramienta mediante un sistema de información geográfica para el conteo de especies automatizado. 2019 febrero.
Lipyon G. uso de drones para la investigación forestal. 2018 octubre 6.
Liu L, Ouyang W, Wang X, Fieguth P, Chen J, Liu X, et al. Deep Learning for Generic Object Detection: A Survey. 2020.
LLaguno Sánchez I. Movimiento autónomo de un dron. 2018.
Magazine U. Los Drones: Características, Aplicaciones y Tendencias. [Online].; 2017 [cited 2022 junio 20. Available from: http://universitariosmagazine.com/site/index.php/eventos/universitariostravel/los-drones-caracteristicas-aplicaciones-y-tendencias.
Máquinas y Herramientas… Drones. Una introducción, características y cómo su inclusión cambia la forma de trabajo. [Online].; 2022. Available from: https://www.demaquinasyherramientas.com/novedades/drones-introduccion.
Marcaccio, Markle, Chow-Fraser. Unmanned Aerial Vehicles Produce High-Resolution, Seasonally-Relevant Imagery For Classifying Wetland Vegetation. 2015.
Martínez J. árboles en la ciudad, fundamentos de una política ambiental basada en el arbolado urbano. MOPT ed. Madrid, España; 1992.
Maza Chamba CV. Clasificación y análisis de la cobertura vegetal sobre la subcuenca Zamora Huayco-cantón Loja. 2009.
McCall M. investigador senior de la Universidad Nacional Autónoma de México (UNAM). 2015 agosto 19.
McHugh M, Clarke M, Duzant J, Morgan R, Rickson J. Jhon Willey & Sons Inc. 2005; p. 563-570.
Méndez A, Vélez, Scaramuzza, Villaroel. Los drones como herramienta para el monitoreo de cultivos. Revista de la bolsa de comercio de Rosario. 2015;(1524): p. 6-10.
Michez A, Piégay H, Lisein, Claessens H, Lejeune P. Classification of riparian forest species and health condition using multi-temporal and hyperspatial imagery from unmanned aerial system. 2016.
Miranda Pérez, Solano Arias, Méndez Porras. Introducción al Aprendizaje Automático con YOLO. Revista de la Facultad de Ingenierías y Tecnologías de la Información y Comunicación. 2019 diciembre; 2(6).
Montano Oliván L. Navegación de un quadcopter basada en información de un sensor de rango láser. 2016 febrero 5.
Montilla-Pacheco AdJ, Antonio Pacheco H, Pastrán-Calles FRRPIR. Pollination with drones: ¿A successful response to the decline of entomophiles pollinators? Scientia Agropecuaria. 2021; 12(4): p. 509-516.
Mostacedo B, Fredericksen T. Manual de Métodos Básicos de Muestreo y Análisis en Ecología Vegetal Santa Cruz de la Sierra: BOLFOR; 2000.
Obanawa, Hayakawa. Variations in volumetric erosion rates of bedrocks cliffs on a small inaccesible coastal island determined using measurements by an unmanned aerial vehicle with structure-from-motion and terrestrial laser scanning. 2018.
Pádua, Vanko, Hruska, Adao, JJ, Peres, et al. UAS, sensors and data processing in agroforestry: a review towards practical applications. 2017.
Paneque-Gálvez, McCall, Napoletano, Wich, Koh. Small Drones for Community-Based Forest Monitoring: An Assessment of Their Feasibility and Potential in Tropical Areas. 2014.
Páramo J. Revisión sobre la detección del color rojo en imágenes digitales independiente de su luminosidad y tonalidad. Revista Científica. 2016; p. 139-148.
Peng , Mi K, Qing F, Xue D. Identification of the main factors determining landscape metrics in semi-arid agro-pastoral ecotone. 2016.
Pineux, Lisein, Swerts, Bielders, Lejeune, Colinet, et al. Can DEM time series produced by UAV be used to quantify diffuse erosion in an agricultural watershed? 2017.
Rojas KR. Redes neuronales y series de tiempo: Una aplicación en valores. Tesis de Grado. Quito: Universidad San Francisco de Quito USFQ; 2018.
Ruiz L. Universidad Politécnica de Valéncia. [Online].; 2018 [cited 2022 octubre 11. Available from: https://riunet.upv.es/bitstream/handle/10251/103650/Ruiz%20-%20Realce%20de%20im%C3%A1genes%20en%20teledetecci%C3%B3n%3A%20%28II%29%20Operadores%20espaciales.pdf?sequence=1.
Salgado R. Tecnologia dron. 2019.
Serrano. Valoración escénica de paisaje periurbano con utilidad en planeamiento territorial. Estudio de caso en la Región Metropolitana de Barcelona. 2015.
Tang, Shao. Drone remote sensing for forestry research. 2015 December.
Torres-Gómez M, Delgado L, Martín V, Bustamante O. Estructura del paisaje a lo largo de gradientes urbano-rurales en la cuenca del río Aisén (Región de Aisén, Chile). 2009.
Tushev N, Bewick, Ellis. Documentando la ocupación ilegal de tierras desde el aire. 2016.
UMILES. [Online].; 2020. Available from: https://umilesgroup.com/drones-para-uso-forestal-todo-lo-que-debes-saber/.
Universidad de Murcia. SIG y teledetección. 2017.
Urrego LE, Bernal G, Polanía DH, Ramírez LF. Pollen distribution on surface sediments of a Colombian Caribbean mangrove. Rev Palaeobot Palynol. 2009; 156: p. 358-371.
Valdés L, Baquero J. Deep Learning aplicado a imagenes satelitales como herramienta de detecci´on de Viviendas Sin Servicio de energía en el caserío Media Luna-Uribia-Guajira. 2019.
Vásquez-García I, Cetina-Alcalá VM, Campos-Bolaños R, Casal-Ángeles LF. Evaluación de plantaciones forestales en tres comunidades de la mixteca alta oaxaqueña. Agro productividad. 2016; 9(2).
Vergara G, Galloso J. Efecto de factores físico-sociales sobre la degradación del bosque nativo. 2004.
Vidal J, Marrugo J, Jaramillo B, Perez L. Remediación de suelos contaminados con mercurio utilizando guarumo (cecropiampeltata). Ingenieria y Desarrollo. 2010 enero-junio;(27): p. 113-129.
Viles HA. The agency of organic beings: A selective review of recent work in biogeomorphology. In Sons JW&, editor. Inglaterra; 1990. p. 518.
Vivaldini, Martinelli, Guizilini, Souza, Oliveira, Ramos. UAV route planning for active disease classification. 2019.
Yuan, Liu, Zhang. Aerial images-based forest fire detection for firefighting using optical remote sensing techniques and unmmaned aerial vehicle. 2017.
Zahawi RA, Duran G, Kormann U. Sixty-seven years of land-use change in southern Costa Rica. 2015.
Zapata A, Perez S, Mora J. Método basado en clasificadores k-NN parametrizados con algoritmos genéticos y la estimación de la. Revista Facultad de Ingeniería Universidad de Antioquia. 2014;(70): p. 220-232.
Zavala-Cruz J,CAO,OCAI,PLDJ,JLJF,SGSea. Capacidad de uso del suelo urbano en Tabasco con base en suelo, uso actual y vegetación. 2009.
Zhao, Zhang, Yang, Liu, Xiang, Sun, et al. Calculating e-flow using UAV and ground monitoring. 2017.
Descargas
Próximamente
24 July 2024
Categorías
Derechos de autor 2024 Editorial Grupo AEA
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
