Examinando por Materia "Random forest (RF)"

Mostrando 1 - 2 de 2

Integrating remote sensing and in-situ data to determine climate diversity and variability in cocoa systems in the provinces of Jaén and San Ignacio, Cajamarca (NW Perú)
(Elsevier, 2024-12-08) Atalaya Marin, Nilton; Goña Goñas, Malluri; Tineo Flores, Daniel; Chuquibala Checan, Beimer; Arce Inga, Marielita; Tarrillo Julca, Ever; Alvarez Robledo, Yeltsin Abel; Tafur Culqui, Josué; Cabrera Hoyos, Héctor Antonio; Gómez Fernández, Darwin
La falta de información sobre la distribución geográfica de los sistemas de cacao, junto con la diversidad de especies y la influencia de los factores climáticos en los rendimientos, representa desafíos para la gestión agronómica de estas plantaciones y la implementación de políticas agrícolas más efectivas. Este estudio tuvo como objetivo mapear el área de cacao, la diversidad de especies y su respuesta a la variabilidad climática histórica en las provincias de Jaén y San Ignacio, Cajamarca, Perú. Se procesaron datos de PlanetScope y Sentinel-1 en Google Earth Engine utilizando el algoritmo de clasificación Random Forest. Se identificaron 4,338.6 ha de sistemas de monocultivo y agroforestería de cacao, logrando una precisión temática del 85% y un índice kappa de 0.81. Se determinó que Musa sp. predomina en altitudes bajas, mientras que Inga edulis mostró mayor dominio en altitudes más elevadas. La aplicación de datos climáticos y de rendimiento del cacao permitió calcular el índice de anomalía estandarizada, evidenciando el impacto notable de la precipitación en la producción de cacao, especialmente en 2021 y 2022. Este enfoque integrado proporciona una comprensión más profunda de los sistemas agroforestales de cacao, estableciendo una base sólida para la toma de decisiones destinadas a optimizar el rendimiento mediante prácticas agrícolas adaptadas a condiciones climáticas específicas y fomentando la biodiversidad mediante la incorporación de especies nativas.
Spatiotemporal Dynamics of Grasslands Using Landsat Data in Livestock Micro-Watersheds in Amazonas (NW Peru)
(MDPI, 2022-05-01) Atalaya Marin, Nilton; Barboza Castillo, Elgar; Salas López, Rolando; Vásquez Pérez, Héctor Vladimir; Gómez Fernández, Darwin; Terrones Murga, Renzo E.; Rojas Briceño, Nilton B.; Oliva Cruz, Manuel; Gamarra Torres, Oscar Ándres; Silva López, Jhonsy Omar; Turpo Cayo, Efrain
In Peru, grasslands monitoring is essential to support public policies related to the identification, recovery and management of livestock systems. In this study, therefore, we evaluated the spatial dynamics of grasslands in Pomacochas and Ventilla micro-watersheds (Amazonas, NW Peru). To do this, we used Landsat 5, 7 and 8 images and vegetation indices (normalized difference vegetation index (NDVI), enhanced vegetation index (EVI) and soil adjusted vegetation index (SAVI). The data were processed in Google Earth Engine (GEE) platform for 1990, 2000, 2010 and 2020 through random forest (RF) classification reaching accuracies above 85%. The application of RF in GEE allowed surface mapping of grasslands with pressures higher than 85%. Interestingly, our results reported the increase of grasslands in both Pomacochas (from 2457.03 ha to 3659.37 ha) and Ventilla (from 1932.38 ha to 4056.26 ha) micro-watersheds during 1990–2020. Effectively, this study aims to provide useful information for territorial planning with potential replicability for other cattle-raising regions of the country. It could further be used to improve grassland management and promote semi-extensive livestock farming.