Thesis: Crop and forest phenotyping using remote sensing and data based approaches
| datacite.subject.fos | Engineering and technology::Electrical engineering, Electronic engineering, Information engineering::Electrical and electronic engineering | |
| dc.contributor.department | Departamento de Electrónica | |
| dc.contributor.guia | Auat Cheein, Fernando Alfredo | |
| dc.contributor.guia | Zañartu Salas, Matías | |
| dc.coverage.spatial | Campus Casa Central Valparaíso | |
| dc.creator | Estrada Cruz, Juan Sebastian | |
| dc.date.accessioned | 2026-08-14T15:12:53Z | |
| dc.date.available | 2026-08-14T15:12:53Z | |
| dc.date.issued | 2026-05 | |
| dc.description.abstract | Agriculture is one of the most important economic activities in Chile, contributing nearly 4.7 % of the country's GDP and employing nearly 350 thousand people. Worldwide, agriculture faces several challenges. The growing population demands an increase in food production, which requires producers to find new ways to increase crop productivity and improve resource management. Other issues arise due to climate change. Areas such as the central region of Chile are affected by a long-lasting drought, and crops such as avocados are water-intensive and are depleting the country's water resources. In this context, this work focuses on the use of remote sensing techniques, mainly the use of multispectral and hyperspectral imagery for the assessment of vegetation, focusing on aspects such as water content. Since hyperspectral imagery is costly and involves high-dimensional data, we also aim to find specific regions of the electromagnetic spectrum that carry the most useful information for the assessment of leaf water content. For this purpose, we constructed our own dataset, which is composed of leaves of avocado, olive and vineyard. The leaves were dehydrated in an oven to produce 5 different dehydration stages. At each stage, multispectral images in five bands (blue, green, red, red-edge, near infrared), spectral band reflectance in the range from 350 to 2500 nm, leaf weight, leaf water content, leaf chlorophyll content and leaf nitrogen content were recorded. Using this dataset, several options were explored to assess the status of vegetation. First, convolutional neural networks and classic machine learning algorithms were explored to classify each leaf according to its dehydration stage. Using this approach, it was verified that(...). | en_US |
| dc.description.abstract | La agricultura es una de las actividades económicas más importantes en Chile, contribuyendo con cerca del 4,7 % del PIB del país y empleando a cerca de 350 mil personas. Mundialmente la agricultura enfrenta varios desafíos. El crecimiento de la población demanda un incremento en la producción de alimentos, lo que exige a los productores encontrar nuevas formas de aumentar la productividad de los cultivos y un mejor manejo de los recursos. Otros problemas surgen debido al cambio climático. Áreas como la región central de Chile se ven afectadas por una sequía prolongada, y cultivos como el aguacate son intensivos en agua y están agotando los recursos hídricos del país. En este contexto, este trabajo se centra en el uso de técnicas de teledetección, principalmente el uso de imágenes multiespectrales e hiperespectrales para la evaluación de la vegetación, enfocándose en aspectos como el contenido de agua. Dado que las imágenes hiperespectrales son datos costosos y de alta dimensión, también buscamos encontrar regiones específicas del espectro electromagnético que contengan la información más útil para la evaluación del contenido de agua en las hojas. Para este propósito, construimos nuestro propio conjunto de datos que está compuesto por hojas de aguacate, oliva y viñedo. Las hojas fueron deshidratadas en un horno para producir 5 etapas diferentes de deshidratación. En cada etapa, se registraron imágenes multiespectrales en cinco bandas (azul, verde, rojo, borde rojo, infrarrojo cercano), reflectancia espectral en el rango de 350 a 2500 nm, peso de la hoja, contenido de agua en la hoja, contenido de clorofila en la hoja y contenido de nitrógeno en la hoja. Utilizando este conjunto de datos, se exploraron varias opciones para evaluar el estado de la vegetación. Primero, se utilizaron redes neuronales convolucionales y algoritmos clásicos de aprendizaje automático para clasificar cada hoja según su etapa de deshidratación. Con este enfoque se verificó que(...). | es |
| dc.description.degree | Doctorado en Ingeniería Electrónica | |
| dc.description.sponsorship | ANID-Beca Doctorado Nacional-21231129 | |
| dc.driver | info:eu-repo/semantics/doctoralThesis | |
| dc.format.extent | 125 páginas | |
| dc.identifier.barcode | DR_JE_2026 | |
| dc.identifier.doi | 10.71959/cggj-jj25 | |
| dc.identifier.uri | https://cris.usm.cl/handle/123456789/4486 | |
| dc.identifier.uri | https://doi.org/10.71959/cggj-jj25 | |
| dc.language.iso | en | |
| dc.publisher | Universidad Técnica Federico Santa María | |
| dc.rights | Attribution-NoDerivatives 4.0 International | en |
| dc.rights.uri | http://creativecommons.org/licenses/by-nd/4.0/ | |
| dc.subject | Crop status | |
| dc.subject | Machine learning | |
| dc.subject | Remote sensing | |
| dc.subject | Multispectral imagery | |
| dc.subject | Estado del cultivo | |
| dc.subject | Aprendizaje automático | |
| dc.subject | Teledetección | |
| dc.subject | Imágenes multiespectrales | |
| dc.title | Crop and forest phenotyping using remote sensing and data based approaches | |
| dc.type.driver | info:eu-repo/semantics/doctoralThesis | |
| dspace.entity.type | Tesis |
Política de Privacidad 
