Cr茅ditos ECTS
Cr茅ditos ECTS: 6
Horas ECTS Criterios/Memorias
Horas de Tutor铆as: 3
Clase Expositiva: 12
Clase Interactiva: 30
Total: 45
Lenguas de uso
Castellano, Gallego
Tipo:
Materia Ordinaria 惭谩蝉迟别谤 RD 1393/2007 - 822/2021
Departamentos:
叠辞迟谩苍颈肠补,
Producci贸n Vegetal y Proyectos de Ingenier铆a
脕谤别补蝉:
叠辞迟谩苍颈肠补, Proyectos de Ingenier铆a
Centro
Escuela Polit茅cnica Superior de Ingenier铆a
Convocatoria:
Segundo semestre
Docencia:
Con docencia
惭补迟谤铆肠耻濒补:
Matriculable
| 1ro curso (Si)
Proporcionarle al alumno los conocimientos relativos a:
Dominio de los principios y aplicaciones de los UAS en la gesti贸n de los recursos naturales
Capacidad para el dise帽o de operaciones y manejo de datos en la realizaci贸n de inventarios.
Conocer las aplicaciones principales de los UAS en el 谩mbito de la agricultura y selvicultura.
Capacidad para el dise帽o de operaciones y manejo de datos en la agricultura de precisi贸n.
En la memoria de t铆tulo figuran los siguientes contenidos:
Aplicaciones de los UAS a la caracterizaci贸n, evaluaci贸n y seguimiento 2D y 3D de la cobertura vegetal. Extracci贸n de variables cuantitativas, clasificaci贸n y an谩lisis de cambios a partir de datos multi e hiperespectrales, LiDAR y nubes de puntos SfM.
Aplicaciones de los UAS al seguimiento de especies. M茅todos de muestreo y c谩lculo de poblaciones
Aplicaciones de los UAS en el sector agroforestal. Agricultura de precisi贸n. Determinaci贸n del grado de cobertura del cultivo, biomasa, rendimiento, estado h铆drico y erosivo de cultivos.
Control de plagas y enfermedades mediante el empleo de UAS.
An谩lisis de patrones espaciales y estructura a microescala a partir de datos UAS de ultra alta resoluci贸n.
Estos contenidos se desarrollar谩n en las siguientes sesiones te贸ricas y pr谩cticas:
Sesiones te贸ricas (12 h presenciales + 20 h trabajo aut贸nomo del alumno):
Tema 1. Introducci贸n. Recursos naturales, servicios ecosist茅micos y biodiversidad: Evaluaci贸n y seguimiento mediante RPAS. Plataformas y sensores espec铆ficos. Integraci贸n con otras fuentes de datos. 1 h presencial + 1 h trabajo aut贸nomo
Tema 2. Proyectos de evaluaci贸n y seguimiento de la cobertura vegetal. Procesado de im谩genes y generaci贸n de productos 2D y 3D. 1 h presencial + 2 h trabajo aut贸nomo
Tema 3. Aplicaciones de los UAV a la caracterizaci贸n, evaluaci贸n y seguimiento de la cobertura vegetal: Paisaje y h谩bitats. (radiometr铆a, respuesta espectral, sistemas de clasificaci贸n. Clasificaciones multiespectrales. Verificaci贸n de resultados). 1 h presencial+ 2 h trabajo aut贸nomo
Tema 4. Aplicaciones de los UAV a la caracterizaci贸n, evaluaci贸n y seguimiento de la cobertura vegetal: Paisaje y h谩bitats. (clasificaci贸n 3D, LiDAR,). 1 h presencial + 2 h trabajo aut贸nomo
Tema 5. Aplicaciones de los UAV a la caracterizaci贸n, evaluaci贸n y seguimiento de la cobertura vegetal: Paisaje y h谩bitats. (an谩lisis de cambios). 1 h presencial + 2 h trabajo aut贸nomo
Tema 6. Aplicaciones de los UAV al seguimiento de especies. M茅todos de muestreo y c谩lculo de poblaciones. 1 h presencial + 2 h trabajo aut贸nomo
Tema 8. An谩lisis de Patrones espaciales. 2 h presencial + 2 h trabajo aut贸nomo
Tema 9. Agricultura de precisi贸n (determinaci贸n del grado de cobertura del cultivo, biomasa y predicci贸n del rendimiento, riego y fertilizaci贸n). 2 h presencial + 3 h trabajo aut贸nomo
Tema 10. Viticultura. 1 h presencial + 2 h trabajo aut贸nomo
Tema 11. Control y lucha contra plagas. 1 h presencial + 2 h trabajo aut贸nomo
Contenidos pr谩cticos (30 horas presenciales + 82 h de trabajo aut贸nomo del alumno):
Pr谩ctica 1. Preparaci贸n de un proyecto de la evaluaci贸n y seguimiento de la cobertura vegetal. Procesado de im谩genes y generaci贸n de productos 2D y 3D. Extracci贸n de informaci贸n 3D, multiespectral e hiperespectral. 2 h presencial + 4 h trabajo aut贸nomo
Pr谩ctica 2. Clasificaci贸n y seguimiento de la cubierta vegetal mediante im谩genes de muy alta resoluci贸n. (clasificaci贸n multi). 2 h presencial + 6 h trabajo aut贸nomo
Pr谩ctica 3. Clasificaci贸n y seguimiento de la cubierta vegetal mediante im谩genes de muy alta resoluci贸n. (clasificaci贸n 3d). 3 h presencial + 10 h trabajo aut贸nomo
Pr谩ctica 4. Clasificaci贸n y seguimiento de la cubierta vegetal mediante im谩genes de muy alta resoluci贸n. (an谩lisis de cambios). 3 h presencial + 10 h trabajo aut贸nomo
Pr谩ctica 5. Clasificaci贸n y seguimiento de la cubierta vegetal mediante im谩genes de muy alta resoluci贸n. (verificaci贸n 2d y 3d). 2 h presencial + 10 h trabajo aut贸nomo
Pr谩ctica 6. An谩lisis de patrones espaciales. 2 h presencial + 6 h trabajo aut贸nomo
Pr谩ctica 7. Toma de datos de campo e im谩genes para la evaluaci贸n y seguimiento de la cobertura vegetal. 6 h. Viaje Campo presencial + 4 h trabajo aut贸nomo
Pr谩ctica 8. Agricultura de precisi贸n (determinaci贸n del grado de cobertura del cultivo, biomasa y predicci贸n del rendimiento, riego y fertilizaci贸n). 4 h presencial + 12 h trabajo aut贸nomo
Pr谩ctica 9. Viticultura. 4 horas presencial. 3 h presencial + 10 h trabajo aut贸nomo
Pr谩ctica 10. Control y lucha contra plagas. 3 h presencial + 10 h trabajo aut贸nomo
Bibliograf铆a b谩sica (en castellano)
Cancela, JJ y Gonz谩lez, XP (2018) Uso de drones y sat茅lites en agricultura: actas de horticultura de III Symposium Nacional de Ingenier铆a Hort铆cola y I Symposium Ib茅rico de Ingenier铆a Hort铆cola: celebrado del 21 al 23 de febrero de 2018, en Lugo 978-84-697-9314-5
D铆az, J., & Cervig贸n, J. (2015). Estudio de 脥ndices de vegetaci贸n a partir de im谩genes a茅reas tomadas desde UAS/RPAS y aplicaciones de estos a la agricultura de precisi贸n. Universidad Complutense de Madrid.
Bibliograf铆a b谩sica (en ingl茅s)
Ad茫o, T., Hru拧ka, J., P谩dua, L., Bessa, J., Peres, E., Morais, R., & Sousa, J. J. (2017). Hyperspectral imaging: A review on UAV-based sensors, data processing and applications for agriculture and forestry. Remote Sensing, 9(11), 1110.
Colomina, I., Molina, P., 2014. Unmanned aerial systems for photogrammetry and remote sensing: A review. ISPRS J. Photogramm. Remote Sens. 92, 79鈥�97.
D铆az-Varela, R.A., Calvo Iglesias, S., Cillero Castro, C., D铆az Varela, E.R., 2018. Sub-metric analisis of vegetation structure in bog-heathland mosaics using very high resolution rpas imagery. Ecol. Indic. 89, 861鈥�873.
D枚rnh枚fer, K., Oppelt, N., 2016. Remote sensing for lake research and monitoring 鈥� Recent advances. Ecol. Indic. 64, 105鈥�122.
Gonzalez, L., Montes, G., Puig, E., Johnson, S., Mengersen, K., Gaston, K., 2016. Unmanned Aerial Vehicles (UAVs) and Artificial Intelligence Revolutionizing Wildlife Monitoring and Conservation. Sensors 16, 97.
Malveaux, C., Hall, S. G., Price, R. (2014). Using drones in agriculture: unmanned aerial systems for agricultural remote sensing applications. In 2014 Montreal, Quebec Canada July 13鈥揓uly 16, 2014 (p. 1). American Society of Agricultural and Biological Engineers.
P谩dua, L., Vanko, J., Hru拧ka, J., Ad茫o, T., Sousa, J. J., Peres, E., & Morais, R. (2017). UAS, sensors, and data processing in agroforestry: a review towards practical applications. International Journal of Remote Sensing, 38(8-10), 2349-2391.
Tang, L., Shao, G. (2015). Drone remote sensing for forestry research and practices. Journal of Forestry Research, 26(4), 791-797.
Terms, F., 2017. Unmanned aerial vehicles for environmental applications. Int. J. Remote Sens. 38, 2029鈥�2036.
Bibliograf铆a complementaria (en castellano)
Garcia Carazo, J., Alvarez Alvarez, P., Garrote Haigermoser, J., 2016. Aplicaciones de QGIS en la ordenacion de montes Manual practico. Editorial Acad茅mica Espa帽ola.
Bibliograf铆a complementaria (en ingl茅s)
Anderson, K., Gaston, K.J., 2013. Lightweight unmanned aerial vehicles will revolutionize spatial ecology. Front. Ecol. Environ.
Berni, J., Zarco-Tejada, P.J., Suarez, L., Fereres, E., 2009. Thermal and Narrowband Multispectral Remote Sensing for Vegetation Monitoring from an Unmanned Aerial Vehicle. IEEE Trans. Geosci. Remote Sens. 47, 722鈥�738.
d鈥橭leire-Oltmanns, S., Marzolff, I., Peter, K., Ries, J., 2012. Unmanned Aerial Vehicle (UAV) for Monitoring Soil Erosion in Morocco. Remote Sens. 4, 3390鈥�3416.
D铆az-Varela, R.A., Ramil-Rego, P., Calvo-Iglesias, M.S., Diaz-Varela, R.A., Ramil-Rego, P., Calvo-Iglesias, A.S., 2007. Strategies of remote sensing monitoring of changes in NATURA 2000 sites: a practical assessment in coastal mountains of NW Iberian Peninsula, in: Ehlers, M., Michel, U. (Eds.), Remote Sensing for Environmental Monitoring, Gis Applications, and Geology Vii. p. 74932.
Diaz-Varela, R.A., Zarco-Tejada, P.J., Angileri, V., Loudjani, P., 2014. Automatic identification of agricultural terraces through object-oriented analysis of very high resolution DSMs and multispectral imagery obtained from an unmanned aerial vehicle. J. Environ. Manage. 134, 117鈥�126.
dOleire-Oltmanns, S., Eisank, C., Dragut, L., Blaschke, T., 2013. An Object-Based Workflow to Extract Landforms at Multiple Scales from Two Distinct Data Types. Geosci. Remote Sens. Lett. IEEE 10, 947鈥�951.
Gon莽alves, J., Henriques, R., Alves, P., Sousa-Silva, R., Monteiro, A.T., Lomba, 脗., Marcos, B., Honrado, J., 2016. Evaluating an unmanned aerial vehicle-based approach for assessing habitat extent and condition in fine-scale early successional mountain mosaics. Appl. Veg. Sci. 19, 132鈥�146.
Jones, G.P., Pearlstine, L.G., Percival, H.F., 2006. An Assessment of Small Unmanned Aerial Vehicles for Wildlife Research. Wildl. Soc. Bull. 34, 750鈥�758.
Kachamba, D., 脴rka, H., Gobakken, T., Eid, T., Mwase, W., 2016. Biomass Estimation Using 3D Data from Unmanned Aerial Vehicle Imagery in a Tropical Woodland. Remote Sens. 8, 968.
Laliberte, A.S., Goforth, M.A., Steele, C.M., Rango, A., 2011. Multispectral remote sensing from unmanned aircraft: Image processing workflows and applications for rangeland environments. Remote Sens. 3, 2529鈥�2551.
Michez, A., 笔颈茅gay, H., Lisein, J., Claessens, H., Lejeune, P., 2016. Classification of riparian forest species and health condition using multi-temporal and hyperspatial imagery from unmanned aerial system. Environ. Monit. Assess. 188, 146.
Mulero-P谩zm谩ny, M., Stolper, R., Van Essen, L.D., Negro, J.J., Sassen, T., 2014. Remotely piloted aircraft systems as a rhinoceros anti-poaching tool in Africa. PLoS One 9.
Reichardt, T.A., Collins, A.M., McBride, R.C., Behnke, C.A., Timlin, J.A., 2014. Spectroradiometric monitoring for open outdoor culturing of algae and cyanobacteria. Appl. Opt. 53, F31-45.
Shahbazi, M., Sohn, G., Th茅au, J., Menard, P., 2015. Development and Evaluation of a UAV-Photogrammetry System for Precise 3D Environmental Modeling. Sensors (Basel). 15, 27493鈥�524.
Turner, D., Lucieer, A., Malenovsk媒, Z., King, D., Robinson, S., 2014. Spatial Co-Registration of Ultra-High Resolution Visible, Multispectral and Thermal Images Acquired with a Micro-UAV over Antarctic Moss Beds. Remote Sens. 6, 4003鈥�4024.
Zahawi, R.A., Dandois, J.P., Holl, K.D., Nadwodny, D., Reid, J.L., Ellis, E.C., 2015. Using lightweight unmanned aerial vehicles to monitor tropical forest recovery. Biol. Conserv. 186.
Recursos en la Web:
Earth Lab 2020. Document Your Science Using R Markdown and R. . Acceso 05/05/2022.
Humboldt State University, 2014. GSP 216 Introduction to Remote Sensing. Accuracy Metrics. . Acceso 05/05/2022.
Prado Ortega, E. 2020. Empleo de los Modelos de Simulaci贸n de Reflectividad para la docencia de la Teledetecci贸n. Universidad de Alcal谩. Departamento de Geograf铆a. . Acceso 05/05/2022.
Robert J. Hijmans, 2016-2020. Spatial Data Science with R. . Acceso 05/05/2022.
The IDB Project, 2011-2020. Index DataBase. A database for remote sensing indices. . Acceso 05/05/2022.
VV.AA. 2016. UAS 4 ENVIRO. Small Unmanned Aerial Systems for Environmental Research 鈥� 5th Edition. 28 鈥� 30 June 2017. UTAD. Vila Real. PO, . Acceso 05/05/2022.
Al concluir esta materia, los alumnos deben ser competentes en varios aspectos:
B脕SICAS Y GENERALES
CG5 - Que los estudiantes sean capaces de aplicar, en el 谩mbito de los sistemas a茅reos no tripulados, los principios y metodolog铆as de la investigaci贸n como son las b煤squedas bibliogr谩ficas, la toma de datos y el an谩lisis e interpretaci贸n de estos, as铆 como la presentaci贸n de conclusiones, de forma clara, concisa y rigurosa.
CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicaci贸n de ideas, a menudo en un contexto de investigaci贸n
CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resoluci贸n de problemas en entornos nuevos o poco conocidos dentro de contextos m谩s amplios (o multidisciplinares) relacionados con su 谩rea de estudio
CB8 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una informaci贸n que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y 茅ticas vinculadas a la aplicaci贸n de sus conocimientos y juicios
CB9 - Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones 煤ltimas que las sustentan a p煤blicos especializados y no especializados de un modo claro y sin ambig眉edades
CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habr谩 de ser en gran medida autodirigido o aut贸nomo.
TRANSVERSALES
CT3 - Sostenibilidad y compromiso ambiental. Uso equitativo, responsable y eficiente de los recursos
CT4 - Desarrollo del esp铆ritu innovador y emprendedor.
CT6 - Capacidad de trabajo en equipo.
CT7 - Capacidad de organizaci贸n y planificaci贸n
CT8 - Capacidad de an谩lisis y s铆ntesis.
CT9 - Capacidad de razonamiento cr铆tico y creatividad.
CT10 - Orientaci贸n a la calidad y a la mejora continua.
贰厂笔贰颁脥贵滨颁础厂
CE2 - Conocimiento de los principios geom谩ticos, fotogram茅tricos y cartogr谩ficos, de navegaci贸n, aerotriangulaci贸n, interpretaci贸n y tratamiento digital de im谩genes necesarios en la operaci贸n de sistemas a茅reos no tripulados y sepan aplicar la normativa en vigor.
CE5 - Capacidad de aplicar datos de sistemas a茅reos no tripulados para la obtenci贸n de informaci贸n clave para la gesti贸n de recursos naturales y agroforestales.
Al ser una materia con un fuerte componente pr谩ctico y procedimental, en las clases magistrales se expondr谩n al alumno la introducci贸n -bases te贸ricas- que deba conocer para aplicar en las aplicaciones pr谩cticas. Mediante estas metodolog铆as se abordar谩n las siguientes competencias: CG5, CB6, CB7, CB9, CB10, CE2, CE5, CT4, CT7, CT8, CT9, CT10
Dentro de las actividades pr谩cticas se incluye un viaje de campo de asistencia obligatoria (pr谩ctica de campo) para la toma de datos in situ. En caso de imposibilidad de realizar esta actividad se plantear谩n otras actividades alternativas. Mediante estas metodolog铆as se abordar谩n las siguientes competencias: CB6, CB8, CE2, CE5, CT3, CT4, CT6, CT7, CT8, CT9, CT10
El trabajo aut贸nomo profundizar谩 en el manejo de las fuentes de datos, t茅cnicas y procedimientos de an谩lisis a trav茅s de la aplicaci贸n de TIC a casos de estudio y trabajos tutelados. Mediante estas metodolog铆as se abordar谩n las siguientes competencias: CG5, CB6, CB7, CB8, CB10, CE2, CE5, CT3, CT4, CT7, CT8, CT9, CT10
Todas las actividades anteriores (sesiones expositivas, interactivas y tutor铆as) estar谩n apoyadas por el entorno virtual (aula virtual de la asignatura) que facilitar谩 y permitir谩 la continuidad en todo el proceso de aprendizaje (gu铆a, materiales, comunicaciones, entrega de trabajos, foros de debate, espacios de colaboraci贸n, etc.).
La asistencia a las sesiones presenciales podr谩 realizarse f铆sicamente (EPSE) o mediante conexi贸n s铆ncrona a la plataforma Microsoft Teams de la asignatura.
La consecuci贸n de esas competencias se evaluar谩 de forma continua durante todo el per铆odo lectivo. En la nota final se tendr谩 en cuenta:
- Prueba escrita (20 % de la nota final): CG5, CB6, CB7, CB9, CB10, CE2, CE5, CT4, CT7, CT8, CT9, CT10
- Entregas de trabajos/tareas encargadas y/o de los resultados de pr谩cticas (70 % de la nota final): CG5, CB6, CB7, CB9, CB10, CE2, CE5, CT4, CT7, CT8, CT9, CT10
- Asistencia y participaci贸n en las actividades programadas incluyendo el viaje de pr谩cticas (10 % de la nota final): CB6, CB8, CE2, CE5, CT3, CT4, CT6, CT7, CT8, CT9, CT10
Se superar谩 la materia si se alcanza una calificaci贸n m铆nima de 5 sobre un m谩ximo de 10 en el c贸mputo global. El sistema descrito de evaluaci贸n ser谩 el empleado tanto en la primera y segunda oportunidad.
En el caso de alumnos repetidores se seguir谩 el sistema de evaluaci贸n descrito para alumnos comunes, pudiendo convalidarse en su caso la asistencia al viaje de pr谩cticas de haberse realizado el curso anterior.
Para los casos de realizaci贸n fraudulenta de ejercicios o pruebas ser谩 de aplicaci贸n el recogido en la Normativa de evaluaci贸n del rendimiento acad茅mico de los estudiantes y de revisi贸n de calificaciones.
Los estudiantes que tengan concedida dispensa de asistencia a alguna de las actividades docentes programadas seg煤n lo dispuesto en la Instrucci贸n 1/2017 de la Secretar铆a General, deben tener en cuenta que para aprobar esta materia es obligatoria la asistencia a las actividades pr谩cticas, tanto de laboratorio como de campo, se帽aladas en el horario de clases y programadas en la Gu铆a docente, as铆 como a la prueba escrita.
La materia consta de 6 cr茅ditos ECTS (42 horas presenciales), con una carga total de trabajo aut贸nomo del alumno de 108 horas. La distribuci贸n de horas para cada actividad se muestra a continuaci贸n.
Trabajo presencial
Clases expositivas te贸rico-pr谩cticas: 12 horas
Clases interactivas (pr谩cticas, estudio de casos, resoluci贸n de problemas, trabajos, tutor铆as, evaluaci贸n): 30 horas
TOTAL TRABAJO PRESENCIAL: 42 horas
TRABAJO PERSONAL
Lectura y preparaci贸n de temas, estudio de casos: 20 horas
Preparaci贸n y elaboraci贸n de pr谩cticas y trabajos de curso: 82 horas
Evaluaci贸n: 3 h
Tutor铆as individuales 3 h
TOTAL TRABAJO PERSONAL: 108 horas
NUMERO TOTAL DE HORAS PARA SUPERAR LA MATERIA: 150 HORAS
- Asistir participativamente a las clases te贸ricas y pr谩cticas
- Analizar la bibliograf铆a facilitada
Ramon Alberto Diaz Varela
Coordinador/a- Departamento
- 叠辞迟谩苍颈肠补
- 脕谤别补
- 叠辞迟谩苍颈肠补
- Correo electr贸nico
- ramon.diaz [at] usc.es
- 颁补迟别驳辞谤铆补
- Profesor/a: Titular de Universidad
Emilio Rafael Diaz Varela
- Departamento
- Producci贸n Vegetal y Proyectos de Ingenier铆a
- 脕谤别补
- Proyectos de Ingenier铆a
- Correo electr贸nico
- emilio.diaz [at] usc.es
- 颁补迟别驳辞谤铆补
- Profesor/a: Titular de Universidad
| Martes | |||
|---|---|---|---|
| 16:00-19:00 | Grupo /CLE_01 | Gallego, Castellano | Seminario I (Pab.III) |
| 惭颈茅谤肠辞濒别蝉 | |||
| 16:00-19:00 | Grupo /CLE_01 | Gallego, Castellano | Seminario I (Pab.III) |
| Jueves | |||
| 16:00-19:00 | Grupo /CLIL_01 | Castellano, Gallego | Aula de Inform谩tica 2 (Pab.III) |