EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-SA 4.0

Evaluación de la combinación de variables dasométricas y de teledetección en la predicción de la vecería en Pinus pinea L. mediante Machine Learning

Alejandro Morales-Martín, Jorge Torres Sánchez, Javier Vázquez Piqué, Francisco Javier Mesas Carrascosa, Pedro Antonio Gutiérrez, Miguel Montoro Girona, Marta Pardos, Rafael Calama

Congresos UEx, actas de Congresos · 03.06.2026 · (2)

DOI: 10.17398/3101-7177.2.136 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Congresos UEx, actas de Congresos, online erschienen am 03.06.2026. Verfasst von Alejandro Morales-Martín und 7 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Uno de los principales desafíos en la estimación cuantitativa de la producción de fruto es la elevada variabilidad interanual que presentan numerosas especies leñosas, como el pino piñonero (Pinus pinea L.). Discriminar entre parcelas en producción y sin producción de piña a lo largo de los años resulta complejo, ya que los factores que intervienen no están completamente esclarecidos. Este estudio analiza la influencia de incorporar variables obtenidas mediante teledetección a las variables dasométricas tradicionalmente empleadas en la modelización de la producción de piña. Para ello, se evaluaron tres combinaciones de variables: dasométricas (SD), índices de vegetación (SIV) y su combinación (ST). Con dichos conjuntos de datos se desarrollaron modelos de clasificación binaria usando Random Forest (RF) y XGBoost (XGB). Los resultados muestran que ST con XGB ofrece el mejor rendimiento, alcanzando un F1 (media armónica de Precision y Recall) del 67,6%. En futuros estudios es conveniente incorporar los índices de vegetación como predictores relevantes en la clasificación de parcelas en producción de piña.

Zitieren

APA

Morales-Martín, A., Sánchez, J. T., Piqué, J. V., Carrascosa, F. J. M., Gutiérrez, P. A., Girona, M. M., Pardos, M., & Calama, R. (2026). Evaluación de la combinación de variables dasométricas y de teledetección en la predicción de la vecería en Pinus pinea L. mediante Machine Learning. Congresos UEx, actas de Congresos. https://doi.org/10.17398/3101-7177.2.136

Vancouver

Morales-Martín A, Sánchez JT, Piqué JV, Carrascosa FJM, Gutiérrez PA, Girona MM, et al. Evaluación de la combinación de variables dasométricas y de teledetección en la predicción de la vecería en Pinus pinea L. mediante Machine Learning. Congresos UEx, actas de Congresos. 2026. doi:10.17398/3101-7177.2.136

BibTeX
@article{MoralesMartn2026,
  author = {Morales-Martín, Alejandro and Sánchez, Jorge Torres and Piqué, Javier Vázquez and Carrascosa, Francisco Javier Mesas and Gutiérrez, Pedro Antonio and Girona, Miguel Montoro and Pardos, Marta and Calama, Rafael},
  title = {Evaluación de la combinación de variables dasométricas y de teledetección en la predicción de la vecería en Pinus pinea L. mediante Machine Learning},
  journal = {Congresos UEx, actas de Congresos},
  year = {2026},
  number = {2},
  doi = {10.17398/3101-7177.2.136}
}
Kostenlos starten →