Desarrollo de una aplicación en Python para mapeo de variabilidad espacial en la agricultura digital
Objetivo: Desarrollar un sistema de información geográfica portable con el uso de módulos especializados para el análisis de datos en el ecosistema Python y comparar sus resultados con el motor geoestadístico SAGA GIS para validar el sistema. Métodos: Se desarrolló la aplicación GeoStatLiteUN v2021....
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | Spanish |
| Published: |
Universidad de Colima
2022-02-01
|
| Series: | AIA Avances en Investigación Agropecuaria |
| Subjects: | |
| Online Access: | http://ojs.ucol.mx/index.php/agropecuaria/article/view/230 |
| _version_ | 1797818726649692160 |
|---|---|
| author | Sebastián Saavedra-Rincón Óscar Chaparro-Anaya |
| author_facet | Sebastián Saavedra-Rincón Óscar Chaparro-Anaya |
| author_sort | Sebastián Saavedra-Rincón |
| collection | DOAJ |
| description | Objetivo: Desarrollar un sistema de información geográfica portable con el uso de módulos especializados para el análisis de datos en el ecosistema Python y comparar sus resultados con el motor geoestadístico SAGA GIS para validar el sistema. Métodos: Se desarrolló la aplicación GeoStatLiteUN v2021.6.1 implementando los módulos especializados: SciPy v1.20.3, NumPy v1.20.0, statsmodels v0.12.2, PyKrige v1.6.0, Matplotlib.pyplot v3.4.2, seaborn v0.11.1 y Tkinter de Python (Python 3.9.5) en un script que, bajo la lógica de la geoestadística, automatizó los procedimientos repetitivos para analizar la variabilidad espacial (dentro y fuera de los lotes) mediante interpolación Kriging ordinario, cuyo ejecutable posibilita a los usuarios procesar y analizar datos espaciales y construir mapas de variabilidad espacial de forma ágil. Resultados: GeoStatLiteUN al ser probado mostró que los resultados teóricos son válidos si se tiene en cuenta la similitud con los resultados de SAGA GIS (para los mismos datos) y que 99 de 100 (99% de confianza en el método) modelos espaciales construidos con GeoStatLiteUN a partir de las bases de datos de prueba basarán sus predicciones en las medias de las muestras. Conclusión: La contribución innovadora de GeoStatLiteUN v2021.6.1 es la integración de protocolos automáticos para
la depuración basada en la prueba de Tukey para atípicos leves y valida la estacionariedad de sentido amplio; además se comparte como un archivo portable que facilita el uso del sistema y el método geoestadístico Kriging ordinario a los profesionales del agro en el campo, sin requerir conocimientos previos en los algoritmos matemáticos a usar. |
| first_indexed | 2024-03-13T09:13:17Z |
| format | Article |
| id | doaj.art-962bba0724224a438f9186c42b8ca568 |
| institution | Directory Open Access Journal |
| issn | 0188-7890 2683-1716 |
| language | Spanish |
| last_indexed | 2024-03-13T09:13:17Z |
| publishDate | 2022-02-01 |
| publisher | Universidad de Colima |
| record_format | Article |
| series | AIA Avances en Investigación Agropecuaria |
| spelling | doaj.art-962bba0724224a438f9186c42b8ca5682023-05-26T19:48:28ZspaUniversidad de ColimaAIA Avances en Investigación Agropecuaria0188-78902683-17162022-02-0126172710.53897/RevAIA.22.26.01231Desarrollo de una aplicación en Python para mapeo de variabilidad espacial en la agricultura digitalSebastián Saavedra-RincónÓscar Chaparro-AnayaObjetivo: Desarrollar un sistema de información geográfica portable con el uso de módulos especializados para el análisis de datos en el ecosistema Python y comparar sus resultados con el motor geoestadístico SAGA GIS para validar el sistema. Métodos: Se desarrolló la aplicación GeoStatLiteUN v2021.6.1 implementando los módulos especializados: SciPy v1.20.3, NumPy v1.20.0, statsmodels v0.12.2, PyKrige v1.6.0, Matplotlib.pyplot v3.4.2, seaborn v0.11.1 y Tkinter de Python (Python 3.9.5) en un script que, bajo la lógica de la geoestadística, automatizó los procedimientos repetitivos para analizar la variabilidad espacial (dentro y fuera de los lotes) mediante interpolación Kriging ordinario, cuyo ejecutable posibilita a los usuarios procesar y analizar datos espaciales y construir mapas de variabilidad espacial de forma ágil. Resultados: GeoStatLiteUN al ser probado mostró que los resultados teóricos son válidos si se tiene en cuenta la similitud con los resultados de SAGA GIS (para los mismos datos) y que 99 de 100 (99% de confianza en el método) modelos espaciales construidos con GeoStatLiteUN a partir de las bases de datos de prueba basarán sus predicciones en las medias de las muestras. Conclusión: La contribución innovadora de GeoStatLiteUN v2021.6.1 es la integración de protocolos automáticos para la depuración basada en la prueba de Tukey para atípicos leves y valida la estacionariedad de sentido amplio; además se comparte como un archivo portable que facilita el uso del sistema y el método geoestadístico Kriging ordinario a los profesionales del agro en el campo, sin requerir conocimientos previos en los algoritmos matemáticos a usar.http://ojs.ucol.mx/index.php/agropecuaria/article/view/230agrícolageoestadísticainterpolaciónkrigingsig |
| spellingShingle | Sebastián Saavedra-Rincón Óscar Chaparro-Anaya Desarrollo de una aplicación en Python para mapeo de variabilidad espacial en la agricultura digital AIA Avances en Investigación Agropecuaria agrícola geoestadística interpolación kriging sig |
| title | Desarrollo de una aplicación en Python para mapeo de variabilidad espacial en la agricultura digital |
| title_full | Desarrollo de una aplicación en Python para mapeo de variabilidad espacial en la agricultura digital |
| title_fullStr | Desarrollo de una aplicación en Python para mapeo de variabilidad espacial en la agricultura digital |
| title_full_unstemmed | Desarrollo de una aplicación en Python para mapeo de variabilidad espacial en la agricultura digital |
| title_short | Desarrollo de una aplicación en Python para mapeo de variabilidad espacial en la agricultura digital |
| title_sort | desarrollo de una aplicacion en python para mapeo de variabilidad espacial en la agricultura digital |
| topic | agrícola geoestadística interpolación kriging sig |
| url | http://ojs.ucol.mx/index.php/agropecuaria/article/view/230 |
| work_keys_str_mv | AT sebastiansaavedrarincon desarrollodeunaaplicacionenpythonparamapeodevariabilidadespacialenlaagriculturadigital AT oscarchaparroanaya desarrollodeunaaplicacionenpythonparamapeodevariabilidadespacialenlaagriculturadigital |