Guía para la identificación de las áreas sembradas en palma de aceite, a partir del uso de la plataforma de Google Earth Engine (Estudio de caso: municipio de Maní – Casanare)

This document provides a comprehensive overview of the JavaScript code used within the Google Earth Engine (GEE) platform and serves as a Methodological Guide for the Identification of Oil Palm cultivation areas using supervised classification methods with Random Forest. The guide outlines detailed...

Full description

Saved in:

Bibliographic Details
Main Author:	Mera Garzón, Diana Patricia
Other Authors:	Carvajal Vanegas, Andrés Felipe
Format:	Trabajo de grado (Pregrado y/o Especialización)
Language:	spa
Published:	Universidad Antonio Nariño 2024
Subjects:	JavaScript Random Forest Sentinel Planet Scope Inteligencia Artificial (IA) Artificial Intelligence (AI)
Online Access:	http://repositorio.uan.edu.co/handle/123456789/9095
Tags:	Add Tag No Tags, Be the first to tag this record!

_version_	1813940139406131200
author	Mera Garzón, Diana Patricia
author2	Carvajal Vanegas, Andrés Felipe
author_facet	Carvajal Vanegas, Andrés Felipe Mera Garzón, Diana Patricia
author_sort	Mera Garzón, Diana Patricia
collection	DSpace
description	This document provides a comprehensive overview of the JavaScript code used within the Google Earth Engine (GEE) platform and serves as a Methodological Guide for the Identification of Oil Palm cultivation areas using supervised classification methods with Random Forest. The guide outlines detailed step-by-step procedures and recommends specific functions. Furthermore, the source code is made available to the public, simplifying access and enabling reproduction by other users of Geographic Information Systems (GIS).
format	Trabajo de grado (Pregrado y/o Especialización)
id	repositorio.uan.edu.co-123456789-9095
institution	Repositorio Digital UAN
language	spa
publishDate	2024
publisher	Universidad Antonio Nariño
record_format	dspace
spelling	repositorio.uan.edu.co-123456789-90952024-10-21T12:41:13Z Guía para la identificación de las áreas sembradas en palma de aceite, a partir del uso de la plataforma de Google Earth Engine (Estudio de caso: municipio de Maní – Casanare) Mera Garzón, Diana Patricia Carvajal Vanegas, Andrés Felipe JavaScript Random Forest Sentinel Planet Scope Inteligencia Artificial (IA) JavaScript Random Forest Sentinel Planet Scope Artificial Intelligence (AI) This document provides a comprehensive overview of the JavaScript code used within the Google Earth Engine (GEE) platform and serves as a Methodological Guide for the Identification of Oil Palm cultivation areas using supervised classification methods with Random Forest. The guide outlines detailed step-by-step procedures and recommends specific functions. Furthermore, the source code is made available to the public, simplifying access and enabling reproduction by other users of Geographic Information Systems (GIS). Este documento ofrece una visión general del código JavaScript utilizado en la plataforma Google Earth Engine (GEE) y funciona como una Guía Metodológica para la Identificación de áreas de cultivo de Palma Aceitera mediante métodos de clasificación supervisada con Random Forest. La guía detalla los procedimientos paso a paso y recomienda funciones específicas. Además, el código fuente se encuentra disponible al público, facilitando así su acceso y la posibilidad de reproducción por parte de otros usuarios de Sistemas de Información Geográfica (SIG). Especialista en Sistemas de Información Geográfica Especialización Presencial Monografía 2024-01-30T14:33:05Z 2024-01-30T14:33:05Z 2023-11-25 Trabajo de grado (Pregrado y/o Especialización) info:eu-repo/semantics/acceptedVersion http://purl.org/coar/resource_type/c_7a1f http://purl.org/coar/version/c_970fb48d4fbd8a85 http://repositorio.uan.edu.co/handle/123456789/9095 Adepoju, K. A., & Adelabu, S. A. (2020). Improving accuracy evaluation of Landsat-8 OLI using image composite and multisource data with Google Earth Engine. Remote Sensing Letters, 11(2), 107–116. https://doi.org/10.1080/2150704X.2019.1690792 Amani, M., Ghorbanian, A., Ahmadi, S. A., Kakooei, M., Moghimi, A., Mirmazloumi, S. M., Moghaddam, S. H. A., Mahdavi, S., Ghahremanloo, M., Parsian, S., Wu, Q., & Brisco, B. (2020). Google Earth Engine Cloud Computing Platform for Remote Sensing Big Data Applications: A Comprehensive Review. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 13, 5326–5350. https://doi.org/10.1109/JSTARS.2020.3021052 Amani, M., Mahdavi, S., Afshar, M., Brisco, B., Huang, W., Mirzadeh, S. M. J., White, L., Banks, S., Montgomery, J., & Hopkinson, C. (2019). Canadian wetland inventory using Google Earth Engine: The first map and preliminary results. Remote Sensing, 11(7). https://doi.org/10.3390/RS11070842 Ang, Y., Shafri, H. Z. M., Lee, Y. P., Bakar, S. A., Abidin, H., Mohd Junaidi, M. U. U., Hashim, S. J., Che’Ya, N. N., Hassan, M. R., Lim, H. S., Abdullah, R., Yusup, Y., Muhammad, S. A., Teh, S. Y., & Samad, M. N. (2022). Oil palm yield prediction across blocks from multisource data using machine learning and deep learning. Earth Science Informatics, 15(4), 2349–2367. https://doi.org/10.1007/S12145-022-00882-9/METRICS Arias, A., Darghan, N. A. ;, Rivera, A. E. ; Beltran, C. ; Typology, J. A., Martínez-Arteaga, D., Atanasio, N., Darghan, A. E., Rivera, C., & Beltran, J. A. (2023). Typology of Irrigation Technology Adopters in Oil Palm Production: A Categorical Principal Components and Fuzzy Logic Approach. Sustainability 2023, Vol. 15, Page 9944, 15(13), 9944. https://doi.org/10.3390/SU15139944 Asming, M. A. A., Ibrahim, A. M., & Abir, I. M. (2022). Processing and classification of landsat and sentinel images for oil palm plantation detection. Remote Sensing Applications: Society and Environment, 26, 100747. https://doi.org/10.1016/J.RSASE.2022.100747 Azhar, B., Saadun, N., Prideaux, M., & Lindenmayer, D. B. (2017). The global palm oil sector must change to save biodiversity and improve food security in the tropics. In Journal of Environmental Management (Vol. 203, pp. 457–466). Academic Press. https://doi.org/10.1016/j.jenvman.2017.08.021 Basiron, Y. (2007). Palm oil production through sustainable plantations. European Journal of Lipid Science and Technology, 109(4), 289–295. https://doi.org/10.1002/ejlt.200600223 Belgiu, M., & Drăgu, L. (2016). Random forest in remote sensing: A review of applications and future directions. In ISPRS Journal of Photogrammetry and Remote Sensing (Vol. 114, pp. 24–31). Elsevier B.V. https://doi.org/10.1016/j.isprsjprs.2016.01.011 Breiman, L. (2001). Random Forests (Vol. 45) Carlson, K. M., Curran, L. M., Asner, G. P., Pittman, A. M. D., Trigg, S. N., & Marion Adeney, J. (2013). Carbon emissions from forest conversion by Kalimantan oil palm plantations. Nature Climate Change, 3(3), 283–287. https://doi.org/10.1038/nclimate1702 instname:Universidad Antonio Nariño reponame:Repositorio Institucional UAN repourl:https://repositorio.uan.edu.co/ spa Acceso abierto Attribution 4.0 International (CC BY 4.0) https://creativecommons.org/licenses/by/4.0/ info:eu-repo/semantics/openAccess http://purl.org/coar/access_right/c_abf2 application/pdf application/pdf application/pdf application/pdf Universidad Antonio Nariño Especialización en Sistemas de Información Geográfica Facultad de Ingeniería Ambiental Bogotá - Federmán
spellingShingle	JavaScript Random Forest Sentinel Planet Scope Inteligencia Artificial (IA) JavaScript Random Forest Sentinel Planet Scope Artificial Intelligence (AI) Mera Garzón, Diana Patricia Guía para la identificación de las áreas sembradas en palma de aceite, a partir del uso de la plataforma de Google Earth Engine (Estudio de caso: municipio de Maní – Casanare)
title	Guía para la identificación de las áreas sembradas en palma de aceite, a partir del uso de la plataforma de Google Earth Engine (Estudio de caso: municipio de Maní – Casanare)
title_full	Guía para la identificación de las áreas sembradas en palma de aceite, a partir del uso de la plataforma de Google Earth Engine (Estudio de caso: municipio de Maní – Casanare)
title_fullStr	Guía para la identificación de las áreas sembradas en palma de aceite, a partir del uso de la plataforma de Google Earth Engine (Estudio de caso: municipio de Maní – Casanare)
title_full_unstemmed	Guía para la identificación de las áreas sembradas en palma de aceite, a partir del uso de la plataforma de Google Earth Engine (Estudio de caso: municipio de Maní – Casanare)
title_short	Guía para la identificación de las áreas sembradas en palma de aceite, a partir del uso de la plataforma de Google Earth Engine (Estudio de caso: municipio de Maní – Casanare)
title_sort	guia para la identificacion de las areas sembradas en palma de aceite a partir del uso de la plataforma de google earth engine estudio de caso municipio de mani casanare
topic	JavaScript Random Forest Sentinel Planet Scope Inteligencia Artificial (IA) JavaScript Random Forest Sentinel Planet Scope Artificial Intelligence (AI)
url	http://repositorio.uan.edu.co/handle/123456789/9095
work_keys_str_mv	AT meragarzondianapatricia guiaparalaidentificaciondelasareassembradasenpalmadeaceiteapartirdelusodelaplataformadegoogleearthengineestudiodecasomunicipiodemanicasanare