Validación de modelos de predicción trimestrales del stock de pasturas consociadas utilizando imágenes satelitales

on el objetivo de culminar mi formación profesional realicé una Práctica Profesional Supervisada (PPS), la cual me brindó la oportunidad de aplicar los conocimientos adquiridos a lo largo de mi carrera universitaria y, al mismo tiempo, de adquirir nuevas herramientas y experiencias. Esta práctica t...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autor principal:	Malcolm, Juan Ignacio
Otros Autores:	Ithurrart, Leticia Soledad
Lenguaje:	Español
Publicado:	Departamento de Agronomía. Universidad Nacional del Sur. 2025
Materias:	Establecimiento "La Carola" ( partido de General Lamadrid, provincia de Buenos Aires) Establecimiento “Administración de Campos La Colina” (partido de General Lamadrid, provincia de Buenos Aires) Stock de pasto Inteligencia artificial General Belgrano (provincia de Buenos Aires)
Acceso en línea:	https://repositoriodigital.uns.edu.ar/handle/123456789/7315
Aporte de:	Repositorio Institucional Universidad Nacional del Sur (UNS) de Universidad Nacional del Sur

id	I20-R126-123456789-7315
record_format	dspace
spelling	I20-R126-123456789-73152025-09-22T14:21:17Z Validación de modelos de predicción trimestrales del stock de pasturas consociadas utilizando imágenes satelitales Malcolm, Juan Ignacio Ithurrart, Leticia Soledad Andrioli, Romina J. Chantre, Guillermo R. Establecimiento "La Carola" ( partido de General Lamadrid, provincia de Buenos Aires) Establecimiento “Administración de Campos La Colina” (partido de General Lamadrid, provincia de Buenos Aires) Stock de pasto Inteligencia artificial General Belgrano (provincia de Buenos Aires) on el objetivo de culminar mi formación profesional realicé una Práctica Profesional Supervisada (PPS), la cual me brindó la oportunidad de aplicar los conocimientos adquiridos a lo largo de mi carrera universitaria y, al mismo tiempo, de adquirir nuevas herramientas y experiencias. Esta práctica tuvo lugar en el establecimiento "La Carola", situado en las cercanías del partido de General Lamadrid, en la provincia de Buenos Aires, Argentina. Dicho establecimiento pertenece a “Administración de Campos La Colina”. El trabajo se organizó en trimestres, los cuales fueron agrupados conforme a las estaciones del año: septiembre-octubre-noviembre (SON), diciembre-enero-febrero (DEF), marzo-abril-mayo (MAM) y junio-julio-agosto (JJA). De estos trimestres, los dos últimos fueron realizados por mí. La práctica se desarrolló entre el 28 de marzo y el 24 de agosto de 2024. El trabajo consistió en asistir al establecimiento una vez al mes, portando un mapa que indicaba el stock de pasto, obtenido a partir de imágenes satelitales. En primer lugar, se tomaron los datos de los modelos de predicción del stock de pasto desarrollados y validados para la zona de General Belgrano. Posteriormente, se midió el stock de pasto disponible en las pasturas en ese momento, utilizando un pasturómetro de disco. Esto nos permitió contrastar las predicciones teóricas con las mediciones reales obtenidas en el campo. Luego, con el apoyo de inteligencia artificial, se corrigieron los modelos de predicción del stock de pasto desarrollados para la zona de General Belgrano, utilizando los datos obtenidos del sudoeste de la provincia de Buenos Aires. Este proceso garantizó la fiabilidad y la efectividad de los modelos en condiciones reales, lo que resulta esencial para ajustar y mejorar su precisión, incrementando así su capacidad predictiva a través de un enfoque basado en datos concretos y análisis continuos. A través de esta Práctica Profesional Supervisada (PPS), logré avances significativos tanto en el ámbito técnico como en la aplicación práctica de modelos predictivos para la gestión de recursos naturales. A lo largo de esta experiencia, adquirí valiosas competencias que previamente no había tenido la oportunidad de desarrollar. Comprendí la importancia de integrar tecnologías emergentes, como imágenes satelitales e inteligencia artificial, en la gestión de recursos naturales. Estas herramientas no solo optimizan la precisión de las predicciones, sino que también mejoran y facilitan los procesos de recolección y análisis de datos. Además, la práctica me permitió enfrentar los desafíos y las dificultades asociadas con el ajuste de modelos predictivos, tomando en cuenta las características del terreno y las variaciones climáticas de la zona. Este proceso resaltó la necesidad de basar las decisiones en datos reales y ajustados a las particularidades del entorno, reforzando así la importancia de una gestión precisa y adaptada a las condiciones locales. 2025-09-22T14:21:17Z 2025-09-22T14:21:17Z 2025-09-19 https://repositoriodigital.uns.edu.ar/handle/123456789/7315 spa application/pdf 35 h. ; il. col. application/pdf Argentina Departamento de Agronomía. Universidad Nacional del Sur.
institution	Universidad Nacional del Sur
institution_str	I-20
repository_str	R-126
collection	Repositorio Institucional Universidad Nacional del Sur (UNS)
language	Español
topic	Establecimiento "La Carola" ( partido de General Lamadrid, provincia de Buenos Aires) Establecimiento “Administración de Campos La Colina” (partido de General Lamadrid, provincia de Buenos Aires) Stock de pasto Inteligencia artificial General Belgrano (provincia de Buenos Aires)
spellingShingle	Establecimiento "La Carola" ( partido de General Lamadrid, provincia de Buenos Aires) Establecimiento “Administración de Campos La Colina” (partido de General Lamadrid, provincia de Buenos Aires) Stock de pasto Inteligencia artificial General Belgrano (provincia de Buenos Aires) Malcolm, Juan Ignacio Validación de modelos de predicción trimestrales del stock de pasturas consociadas utilizando imágenes satelitales
topic_facet	Establecimiento "La Carola" ( partido de General Lamadrid, provincia de Buenos Aires) Establecimiento “Administración de Campos La Colina” (partido de General Lamadrid, provincia de Buenos Aires) Stock de pasto Inteligencia artificial General Belgrano (provincia de Buenos Aires)
description	on el objetivo de culminar mi formación profesional realicé una Práctica Profesional Supervisada (PPS), la cual me brindó la oportunidad de aplicar los conocimientos adquiridos a lo largo de mi carrera universitaria y, al mismo tiempo, de adquirir nuevas herramientas y experiencias. Esta práctica tuvo lugar en el establecimiento "La Carola", situado en las cercanías del partido de General Lamadrid, en la provincia de Buenos Aires, Argentina. Dicho establecimiento pertenece a “Administración de Campos La Colina”. El trabajo se organizó en trimestres, los cuales fueron agrupados conforme a las estaciones del año: septiembre-octubre-noviembre (SON), diciembre-enero-febrero (DEF), marzo-abril-mayo (MAM) y junio-julio-agosto (JJA). De estos trimestres, los dos últimos fueron realizados por mí. La práctica se desarrolló entre el 28 de marzo y el 24 de agosto de 2024. El trabajo consistió en asistir al establecimiento una vez al mes, portando un mapa que indicaba el stock de pasto, obtenido a partir de imágenes satelitales. En primer lugar, se tomaron los datos de los modelos de predicción del stock de pasto desarrollados y validados para la zona de General Belgrano. Posteriormente, se midió el stock de pasto disponible en las pasturas en ese momento, utilizando un pasturómetro de disco. Esto nos permitió contrastar las predicciones teóricas con las mediciones reales obtenidas en el campo. Luego, con el apoyo de inteligencia artificial, se corrigieron los modelos de predicción del stock de pasto desarrollados para la zona de General Belgrano, utilizando los datos obtenidos del sudoeste de la provincia de Buenos Aires. Este proceso garantizó la fiabilidad y la efectividad de los modelos en condiciones reales, lo que resulta esencial para ajustar y mejorar su precisión, incrementando así su capacidad predictiva a través de un enfoque basado en datos concretos y análisis continuos. A través de esta Práctica Profesional Supervisada (PPS), logré avances significativos tanto en el ámbito técnico como en la aplicación práctica de modelos predictivos para la gestión de recursos naturales. A lo largo de esta experiencia, adquirí valiosas competencias que previamente no había tenido la oportunidad de desarrollar. Comprendí la importancia de integrar tecnologías emergentes, como imágenes satelitales e inteligencia artificial, en la gestión de recursos naturales. Estas herramientas no solo optimizan la precisión de las predicciones, sino que también mejoran y facilitan los procesos de recolección y análisis de datos. Además, la práctica me permitió enfrentar los desafíos y las dificultades asociadas con el ajuste de modelos predictivos, tomando en cuenta las características del terreno y las variaciones climáticas de la zona. Este proceso resaltó la necesidad de basar las decisiones en datos reales y ajustados a las particularidades del entorno, reforzando así la importancia de una gestión precisa y adaptada a las condiciones locales.
author2	Ithurrart, Leticia Soledad
author_facet	Ithurrart, Leticia Soledad Malcolm, Juan Ignacio
author	Malcolm, Juan Ignacio
author_sort	Malcolm, Juan Ignacio
title	Validación de modelos de predicción trimestrales del stock de pasturas consociadas utilizando imágenes satelitales
title_short	Validación de modelos de predicción trimestrales del stock de pasturas consociadas utilizando imágenes satelitales
title_full	Validación de modelos de predicción trimestrales del stock de pasturas consociadas utilizando imágenes satelitales
title_fullStr	Validación de modelos de predicción trimestrales del stock de pasturas consociadas utilizando imágenes satelitales
title_full_unstemmed	Validación de modelos de predicción trimestrales del stock de pasturas consociadas utilizando imágenes satelitales
title_sort	validación de modelos de predicción trimestrales del stock de pasturas consociadas utilizando imágenes satelitales
publisher	Departamento de Agronomía. Universidad Nacional del Sur.
publishDate	2025
url	https://repositoriodigital.uns.edu.ar/handle/123456789/7315
work_keys_str_mv	AT malcolmjuanignacio validaciondemodelosdepredicciontrimestralesdelstockdepasturasconsociadasutilizandoimagenessatelitales
_version_	1851911504235855872

Validación de modelos de predicción trimestrales del stock de pasturas consociadas utilizando imágenes satelitales

Ejemplares similares