About the autors:
Gabriel Alejandro Perilla Rural and Environmental Studies Faculty (FEAR) at the Pontifical Xavierian University in Bogota, Colombia (PUJ-Bogota)
Dr Jean Francois Mas the Environmental Geography Research Centre (CIGA) at the National Autonomous University of Mexico (UNAM)
this codes of Google Earth Engine, were created and used, to map greenhouses in all mexican territory
As far as we know, it has never been attempted to effectively map and delimitate protected agriculture, in a large scale (National level) at high resolution. Thus, this work uses novelty cloud geoprocessing techniques, to overcome Big-Data challenges and result in an innovative, fast and reliable way to map and monitor protected agriculture.
Protected agriculture has down effects, that need to be managed and addressed, in order to have a proper rural development. But Mexico lacks a protected agriculture monitoring system, and the updating of data is far too slow to take effective action or rapid response. We believe that this work can be a foundation towards a solution of the slow updating problem.
Therefore, our study deals with specific topics: image processing and analysis, classifications, support to land management and land use/land cover.
the public paper is currently under submitton for a scientific journal
the result data is available for free public consultation. at: http://lae.ciga.unam.mx/recursos/Agricultura_Protegida_2018.rar
//////////////////////////////////////////////// español /////////////////////////////////////////////////////////////////////
Acerca de los autores:
Gabriel Alejandro Perilla Facultad de Estudios Ambientales y Rurales (FEAR), Pontificia Universidad Javeriana (PUJ-Bogota), Bogotá, Colombia
Dr Jean Francois Mas Centro de Investigaciones en Geografía Ambiental (CIGA), Universidad Nacional Autónoma de México (UNAM), Morelia, México
estos códigos de Google Earth Engine, fueron creados y usados, para mapear los invernaderos de todo México
hasta donde sabemos, nunca se ha intentado para mapear y delimitar efectivamente la agricultura protegida, a gran escala (nivel nacional) y a alta resolución. Así que, este trabajo usa novedosas técnicas de geoprocesamiento en la nube, para superar los problemas de manejo de la Big-Data (datos masivos), y resultaron en una forma innovadora, rápida y efectiva de mapear y monitorear la agricultura protegida.
la agricultura protegida tiene efectos negativos, que necesitan una correcta gestión, para poder tener un adecuado desarrollo rural. Sin embargo, México no posee un sistema de monitoreo para la agricultura protegida, y la actualización de la información es demasiado lento para tomar decisiones asertivas y tener respuestas rápidas. Nosotros creemos que este trabajo puede servir de fundamento para lograr a futuro una solución, sobre el problema de la actualización lenta de información.
por lo tanto, nuestro estudio trata con temas específicos como son: procesamiento y análisis de imágenes, clasificaciones, apoyo al manejo rural y uso de tierras/coberturas.
el articulo correspondiente se encuentra actualmente bajo sometimiento para ser próximamente publicado en una revista científica
los datos que dieron como resultado, se encuentran disponibles y libres (bajo adecuado reconocimiento de autoría, (Perilla, Mas 2018)) en: http://lae.ciga.unam.mx/recursos/Agricultura_Protegida_2018.rar