Pasar al contenido principal

Este curso te introducirá al uso de Python en el campo de la agricultura de precisión, que combina la tecnología con los sistemas agrícolas para mejorar la eficiencia y la productividad.

Este curso te proporcionará las habilidades necesarias para implementar soluciones avanzadas en el sector agrícola utilizando el lenguaje de programación Python.

La agricultura de precisión es una disciplina que combina la tecnología de la información, la electrónica y la agronomía para mejorar la productividad agrícola. Se basa en la recolección y análisis de datos agrícolas precisos y en tiempo real, lo que permite tomar decisiones informadas y optimizar los procesos de producción.

Temario del Curso

  • 1.1. Introducción Python
  • 1.2. Instalar python
  • 1.3. Instalar Jupyter Notebook y Jupyterlab
  • 1.4. Instalar los paquetes
  • 1.5. Interfaz de la plataforma Jupyter-Lab
  • 2.1. Introducción Teledetección
  • 2.2. Sensores y plataformas
  • 2.3. Tipos de resoluciones imágenes
  • 2.4. Longitud de onda
  • 2.5. Firma espectral
  • 2.6. Aplicación de la teledetección
  • 3.1. Concepto de RPAS
  • 3.2. Componente RPAS
  • 3.3. Tipo de plataforma
  • 3.4. Plataforma beneficio y limitaciones
  • 3.5. Clasificación plataformas
  • 4.1. Tipo de sensores
  • 4.2. Sensor Parrot Sequoia
  • 4.3. Phantom 4 Multiespectral
  • 4.4. Mavic 3 Multiespectral
  • 4.5. Micasense RedEdge MX
  • 4.6. Micasense RedEdge-P
  • 4.7. Micasense RedEdge-P Blue
  • 4.8. Cámara multiespectral DUAL MICASENSE RedEdge-P Blue
  • 4.9. Micasense Altum-PT
  • 5.1. Concepto fotogrametría
  • 5.2. Traslape imágenes RPAS
  • 5.3. Área efectiva área estudio
  • 5.4. GSD - Ground Sample Distance
  • 5.5. Determinar altura de vuelo según GSD
  • 5.6. Resultados (Bandas reflectancia, MDT y MDS)
  • 6.1. Versión de Python
  • 6.2. Variables
  • 6.3. Tipos de variables (numérico, string, boleano)
  • 6.4. Comentario
  • 6.5. La función import paquetes
  • 6.6. Directorio de trabajo
  • 7.1. Números en Python
  • 7.2. String en Python
  • 7.3. Bool en Python
  • 7.4. Operadores decisión
  • 7.5. Operadores de interacción
  • 8.1. Listas
  • 8.2. Diccionario
  • 8.3. Tuplas
  • 8.4. Array
  • 9.1. Introducción Numpy
  • 9.2. Crear array
  • 9.3. Dimensiones Array
  • 9.4. Elementos de un array
  • 9.5. Filtrado array
  • 10.1. Generar mapa de cobertura Sentinel2 área estudio
  • 10.2. Generar mapa topográfico área estudio
  • 10.3. Determinar número de vuelos y punto aterrizaje
  • 10.4. Método RTK utilizando DJI D-RTK2
  • 10.5. Modo 5 – Matrice 300 RTK conexión
  • 10.6. Subir el plan de vuelo kml al control Pilot2
  • 11.1. Introducción plataforma Matrice 300 RTK
  • 11.2. Armado Matrice 300 RTK
  • 11.3. Instalación D-RTK2
  • 11.4. Armado sensor multiespectral – Matrice 300
  • 11.5. Configuración Multiespectral
  • 11.6. Generación vuelo multiespectral
  • 11.7. Termino vuelo multiespectral
  • 11.8. Desarmado multiespectral Matrice 300
  • 11.9. Desarmado DJI D-RTK2
  • 12.1. Introducción Pix4D
  • 12.2. Eliminar imágenes según área estudio.
  • 12.3. Ordenar las imágenes multiespectrales y pancromática Python
  • 12.4. Generar el proyecto
  • 12.5. Agregar las imágenes multiespectrales
  • 12.6. Verificar la proyección UTM
  • 12.7. Procesamiento multiespectral
  • 12.8. Configuración adicional para generar resultados eficientes
  • 13.1. Seleccionar las bandas
  • 13.2. Generar el polígono recorte UTM
  • 13.3. Utilizar librería rioxarray y geopandas
  • 13.4. Recortar según extensión polígono
  • 13.5. Recortar según forma del polígono
  • 13.6. Exportar recorte
  • 14.1. Import gdal
  • 14.2. Cargar bandas espectrales
  • 14.3. Visualizar proyección
  • 14.4. Características de cada banda
  • 14.5. Determinar extensión
  • 14.6. Convertir de raster a array
  • 14.7. Estadística de array
  • 14.8. Visualización raster Matplotlib
  • 14.9. Combinación de bandas
  • 15.1. Importar rasterio
  • 15.2. Cargar imágenes
  • 15.3. Característica imagen
  • 15.4. Convertir array Numpy
  • 15.5. Características de array
  • 15.6. Generar bandas compuestas
  • 15.7. Exportar banda
  • 16.1. Generar los puntos de cobertura
  • 16.2. Extraer datos de reflectancia de superficie según cobertura
  • 16.3. Generar las longitudes onda de cada banda
  • 16.4. Graficar firma espectral
  • 17.1. Determinación de índices NDVI
  • 17.2. Clasificación de NDVI
  • 17.3. Selección de objeto según NDVI
  • 17.4. Enmascaramiento de NDVI
  • 17.5. Exportar resultados NDVI
  • 18.1. Determinar índice NGRDI = (G - R)/(G + R)
  • 18.2. Determinar índice ExG = (2* G) - R – B
  • 18.3. Determinar índice ExR = (1.4*R) – G
  • 18.4. Determinar índice ExB = (1.4*B) – G
  • 18.5. Determinar índice IKAW = (R - B)/(R + B)
  • 18.6. Determinar índice GRRI = G/R
  • 18.7. Determinar índice ExGR = ExG – ExR
  • 18.8. Determinar índice GBDI = G-B
  • 18.9. Determinar índice MGRVI = (G * G - R * R)/(G * G * R * R)
  • 18.10. Determinar índice RGBVI = (G * G - B * R)/(G * G + B * R)
  • 18.11. Determinar índice VDVI = (2 * G - R - B)/(2 * G + R +B)
  • 18.12. Determinar índice VARI = (G - R)/(G + R - B)
  • 18.13. Determinar índice RGRI = R/G
  • 18.14. Determinar índice NGBDI = (G - B)/(G + B)
  • 18.15. Determinar índice CIVE = (0.441 * R - 0.8818 * G + 0.385 * B + 18.787)
  • 19.1. Determinar índice NDVI = (NIR - R)/(NIR + R)
  • 19.2. Determinar índice GNDVI = (NIR - G)/(NIR + G)
  • 19.3. Determinar índice SAVI = (NIR - R)/(NIR + R + 0.5)*(1 + 0.5)
  • 19.4. Determinar índice NDREI = (NIR - Re)/(NIR + Re)
  • 19.5. Determinar índice EVI = 2.5*(NIR - R)/(NIR + 6*R - 7.5*B + 1)
  • 19.6. Determinar índice EVI2 = 2.4*(NIR - R)/(NIR + R + 1)
  • 19.7. Determinar índice NDWI = (G - NIR)/(G + NIR)
  • 19.8. Determinar índice MCARI = ((NIR - R) - 0.2*(NIR - G))*(NIR / R)
  • 19.9. Determinar índice ReCI = ((NIR / R) - 1)
  • 20.1. Generar el matriz de correlación
  • 20.2. Exportar en tabla CSV
  • 20.3. Gráfico de la matriz
  • 20.4. Generar entrenamiento modelo ACP
  • 20.5. Interpretación del modelo
  • 20.6. Gráfico del ACP
  • 20.7. Composición de bandas ACP
  • 20.8. Exportar banda ACP
  • 21.1. Ingresar el MDT
  • 21.2. Característica de MDT
  • 21.3. Convertir en array
  • 21.4. Característica en array
  • 21.5. Visualización MDT
  • 21.6. Clasificación MDT
  • 21.7. Determinar Relieve
  • 21.8. Determinar pendiente
  • 21.9. Determinar aspecto
  • 21.10. Exportar datos topográficos
  • 22.1. Importar ráster MDT y MDS
  • 22.2. Determinar altura
  • 22.3. Agregar el vector del cultivo
  • 22.4. Enmascarar según altura del vector
  • 22.5. Característica de altura del cultivo.
  • 23.1. Instalación librerías scikit-image y Scikit-learn
  • 23.2. Agregar shapefile puntos referencia individuo
  • 23.3. Agregar el raster multiespectral
  • 23.4. Verificar que tengas la misma proyección.
  • 23.5. Visualizar mapa raster y vector.
  • 23.6. Extraer valores de ubicación puntos.
  • 23.7. Generar radio de análisis.
  • 23.8. Coincidencias de la imagen con puntos.
  • 23.9. Visualizar resultados de todos los puntos encontrados.
  • 23.10. Exportar en formato shapefile.
  • 23.11. Análisis clúster
  • 23.12. Disminuir densidad de puntos utilizando threshold.
  • 23.13. Determinar las nuevas coordenadas este y norte.
  • 23.14. Generar shapefile de los nuevos puntos.
  • 23.15. Exportar shapefile para luego realizar el post-proceso.
  • 24.1. Ingresar los índices analizar
  • 24.2. Agregar los puntos a extraer ubicación cultivo
  • 24.3. Determinar el promedio índice
  • 24.4. Actualizar nombre de los campos
  • 24.5. Determinar las coordenadas este y norte
  • 24.6. Exportar en formato tabla xlsx
  • 24.7. Exportar en formato shapefile con la información.
  • 25.1. Agregar los puntos de la ubicación cultivo
  • 25.2. Crear lista de tamaño buffer
  • 25.3. Geoprocesamiento buffer según dimensión
  • 25.4. Exportación del shapefile buffer
  • 25.5. Visualización en Python
  • 26.1. Generar un enmascaramiento de índices según altura planta
  • 26.2. Exportar los índices espectrales enmascarado
  • 26.3. Generar un bucle for para proceso de zonal estadística
  • 26.4. Exportar en formato shapefile zonal estadística
  • 26.5. Exportar en formato Excel zonal estadística.
  • 27.1. Agregar los puntos ROI cobertura
  • 27.2. Extraer la reflectancia superficie de cada banda
  • 27.3. Separar las bandas predictoras
  • 27.4. Generar los puntos de entrenamiento y validación
  • 27.5. Iniciamos el modelo Random Forest
  • 27.6. Generar modelo de precisión global
  • 27.7. Matriz de confusión
  • 27.8. Ejecutar el modelo en RPAS
  • 27.9. Visualización de la clasificación
  • 27.10. Exportar banda clasificada
  • 28.1. Selección de las bandas multiespectrales RS
  • 28.2. Ingreso de la banda pancromática PAN
  • 28.3. Instalación de plugin QGIS
  • 28.4. Composición de bandas espectrales
  • 28.5. Proceso Pansharpening transformación Brovey
  • 28.6. Exportación de las bandas con mejor resolución espacial
Adquierelo antes de que llegue a CERO !!
June 15, 2024
Días
Hora
Min.
Seg.

Agricultura de Precisión con Python y Pix4D

Accede al contenido virtual de inmediato.

Agregar al carrito Descargue los pasos para una compra fácil.
50.00% - dcto$ 200
$ 100.00

Detalles del curso

  • Acceso de por vida
  • Asesoría personalizada
  • Certificado de especialización
  • Nivel completo
  • 100 horas lectivas
  • Aprende a tu ritmo

Acerca del docente

Nino Frank Bravo Morales

Ingeniero

Certifícate con los mejores

Agrega más conocimientos a tu curriculum.

Certifícate ahora