MÉTODOS ÓPTICOS PARA LA DETECCIÓN DEL FENÓMENO FOTOACÚSTICO Y SU APLICACIÓN EN LA RECONSTRUCCIÓN DE IMÁGENES

Yanier Ojeda (2023, [Tesis de doctorado])

"El efecto fotoacústico es un fenómeno físico aplicado en la imagenología biomédica. Desarrollar métodos innovadores para la detección de señales ultrasónicas inducidas mediante la absorción de pulsos láser es determinante para ampliar el rango de operación de las pruebas fotoacústicas. En este trabajo, motivados por su sensibilidad y ancho de banda, se exploraron un conjunto de métodos ópticos para la detección de ultrasonido. Se evaluó un método de campo completo basado en un sistema Schlieren que permitió capturar una instantánea del campo de presiones que se propagó desde la muestra hacia el medio circundante."

Fotoacústica Schlieren Ultrasonido Tomografía Imágenes Óptica CIENCIAS FÍSICO MATEMÁTICAS Y CIENCIAS DE LA TIERRA FÍSICA ÓPTICA OPTICA FÍSICA OPTICA FÍSICA

Multi-trait, multi-environment deep learning modeling for genomic-enabled prediction of plant traits

Osval Antonio Montesinos-Lopez Jose Crossa Francisco Javier Martin Vallejo (2018, [Artículo])

Deep Learning Genomic Prediction Bayesian Modeling Shared Data Resources CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA BAYESIAN THEORY RESOURCES DATA BREEDING PROGRAMMES

Modeling spatiotemporal patterns of land use/land cover change in Central Malawi using a neural network model

Leah Mungai Joseph Messina Leo Zulu Jiaguo Qi Sieglinde Snapp (2022, [Artículo])

Multilayer Perceptrons CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA AGRICULTURE LAND USE POPULATION SATELLITE IMAGERY TEXTURE LAND COVER NEURAL NETWORKS REMOTE SENSING

Phenotyping with satellites

Urs Schulthess Gerald Blasch Francisco Pinto Mainassara Zaman-Allah (2023, [Objeto de congreso])

CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA SATELLITE OBSERVATION PHENOTYPING SATELLITE IMAGERY MONITORING

High-throughput plot-level quantitative phenotyping using convolutional neural networks on very high-resolution satellite images

Francisco Pinto Matthew Paul Reynolds Robert Furbank (2024, [Artículo])

Deep Learning Object-Based Image Analysis Optical Imagery CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA AGRICULTURE IMAGE ANALYSIS PLANT BREEDING REMOTE SENSING MACHINE LEARNING

APLICACIÓN DE METAHEURÍSTICAS EN EL PROBLEMA DE ACOMODO DE PATRONES DE CORTE EN MATERIALES FINITOS

Anabel Rodríguez Rodríguez (2023, [Tesis de doctorado])

"En la presente investigación se resuelve el problema de optimización de acomodo de patrones de corte en materiales finitos mediante el uso de estrategias metaheurísticas con la finalidad de aprovechar el material de acomodo y minimizar el desperdicio. Específicamente se implementó un algoritmo genético que al inicio genera soluciones aleatorias que forman la población inicial. La misma está compuesta por individuos o soluciones que son una combinación de patrones que se acomodan dentro del material de manera que se obtenga el menor desperdicio. Durante el proceso evolutivo estas soluciones aleatorias se someten a los operadores genéticos: selección, cruce y mutación, para encontrar nuevas soluciones que hereden la información genética de sus antecesores y evolucionen o mejoren en cada generación para obtener el menor desperdicio posible."

Acomodo de patrones Algoritmos genéticos Algoritmos golosos Muéganos Metaheurísticas Procesamiento digital de imágenes INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS OTRAS ESPECIALIDADES TECNOLÓGICAS OTRAS OTRAS

The potential of UAV and very high-resolution satellite imagery for yellow and stem rust detection and phenotyping in Ethiopia

Gerald Blasch David Hodson Francelino Rodrigues (2023, [Artículo])

Very high (spatial and temporal) resolution satellite (VHRS) and high-resolution unmanned aerial vehicle (UAV) imagery provides the opportunity to develop new crop disease detection methods at early growth stages with utility for early warning systems. The capability of multispectral UAV, SkySat and Pleiades imagery as a high throughput phenotyping (HTP) and rapid disease detection tool for wheat rusts is assessed. In a randomized trial with and without fungicide control, six bread wheat varieties with differing rust resistance were monitored using UAV and VHRS. In total, 18 spectral features served as predictors for stem and yellow rust disease progression and associated yield loss. Several spectral features demonstrated strong predictive power for the detection of combined wheat rust diseases and the estimation of varieties’ response to disease stress and grain yield. Visible spectral (VIS) bands (Green, Red) were more useful at booting, shifting to VIS–NIR (near-infrared) vegetation indices (e.g., NDVI, RVI) at heading. The top-performing spectral features for disease progression and grain yield were the Red band and UAV-derived RVI and NDVI. Our findings provide valuable insight into the upscaling capability of multispectral sensors for disease detection, demonstrating the possibility of upscaling disease detection from plot to regional scales at early growth stages.

Very High Resolution Imagery Disease Detection Methods Early Growth Stages CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA UNMANNED AERIAL VEHICLES STEM RUST PHENOTYPING HIGH-THROUGHPUT PHENOTYPING WHEAT

Chapter 11. Genomic insights on global journeys of adaptive wheat genes that brought us to modern wheat

deepmala sehgal Laura Dixon Diego Pequeno Jose Crossa Alison Bentley Susanne Dreisigacker (2024, [Capítulo de libro])

Hexaploid Wheat Adaptive Genes Novel Genomic Regions Gene-Based Modeling Process-Based Modeling Global Food Security CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA HEXAPLOIDY WHEAT QUANTITATIVE TRAIT LOCI MODELLING FOOD SECURITY

Maize crop coefficient estimation based on spectral vegetation indices and vegetation cover fraction derived from UAV-based multispectral images

MARIANA DE JESUS MARCIAL PABLO RONALD ERNESTO ONTIVEROS CAPURATA WALDO OJEDA BUSTAMANTE (2021, [Artículo])

DOI: https://doi.org/10.3390/agronomy11040668

Remote sensing-based crop monitoring has evolved unprecedentedly to supply multispectral imagery with high spatial-temporal resolution for the assessment of crop evapotranspiration (ETc). Several methodologies have shown a high correlation between the Vegetation Indices (VIs) and the crop coefficient (Kc). This work analyzes the estimation of the crop coefficient (Kc) as a spectral function of the product of two variables: VIs and green vegetation cover fraction (fv). Multispectral images from experimental maize plots were classified to separate pixels into three classes (vegetation, shade, and soil) using the OBIA (Object Based Image Analysis) approach. Only vegetation pixels were used to estimate the VIs and fv variables. The spectral Kcfv:VI models were compared with Kc based on Cumulative Growing Degree Days (CGDD) (Kc-cGDD). The maximum average values of Normalized Difference Vegetation Index (NDVI), WDRVI, and EVI2 indices during the growing season were 0.77, 0.21, and 1.63, respectively. The results showed that the spectral Kcfv:VI model showed a strong linear correlation with Kc-cGDD (R2 > 0.80). The model precision increases with plant densities, and the Kcfv:NDVI with 80,000 plants/ha had the best fitting performance (R2 = 0.94 and RMSE = 0.055). The results indicate that the use of spectral models to estimate Kc based on high spatial and temporal resolution UAV-images, using only green pixels to compute VI and fv crop variables, offers a powerful and simple tool for ETc assessment to support irrigation scheduling in agricultural areas.

Grado de crecimiento diario Gestión del riego Percepción remota Análisis de imágenes basado en objetos CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA

Procesos oceanográficos asociados al desarrollo y dispersión de florecimientos de Gymnodinium catenatum en el norte del Golfo de California

Oceanographic processes associated with harmful algal blooms of Gymnodinium catenatum development and dispersal in the northern Gulf of California

GABRIELA RESENDIZ COLORADO (2023, [Tesis de doctorado])

Durante los últimos años, durante la temporada de invierno y primavera, se ha detectado la presencia de florecimientos algales nocivos (FAN) causados por el dinoflagelado Gymnodinium catenatum en el norte del golfo de California (NGC). Estos eventos tienen impactos ecológicos, económicos y sociales negativos porque G. catenatum es una especie productora de saxitoxina, la cual, está asociada al envenenamiento paralítico por consumo de mariscos, lo que origina que la autoridad sanitaria se vea en la necesidad de implementar vedas en áreas de extracción de almeja generosa en el NGC al detectar producto contaminado. Por lo tanto, es necesario conocer los procesos físicos que provocan la ocurrencia y recurrencia de estos eventos, así como contar con un sistema de monitoreo y alerta temprana que permita tomar decisiones y acciones oportunas de mitigación contra los efectos perjudiciales de estos fenómenos. En este trabajo se abordaron estas necesidades de investigación por medio de la implementación de un método de detección remota de estos FAN, utilizando la clasificación de máxima verosimilitud basada en los datos de dos eventos sucedidos en 2015 y 2017. Los resultados de este enfoque fueron satisfactorios al reproducir la temporalidad de la presencia de la especie documentada por medio de muestreos semanales en la bahía de San Felipe, así como de la detección geográfica en las áreas que se conocen que son afectadas recurrentemente. Para estudiar los procesos físicos asociados a estos FAN, se implementó un modelo hidrodinámico usando el Sistema de Modelación Oceánica Regional (ROMS) para el norte del golfo de California. A partir de este modelo se obtuvieron datos de variables como energía cinética turbulenta, temperatura, corrientes y se complementaron con datos de esfuerzo de fondo producido por oleaje estimados a partir de datos de la quinta generación del reanálisis atmosférico del clima global del ECMWF (ERA-5), los análisis de estas variables y la abundancia semanal de G. catenatum permitieron identificar que los principales procesos asociados a la formación de estos florecimientos es el incremento del esfuerzo de fondo asociado al oleaje y la turbulencia. Estos, a su vez, tienen una relación con el cambio en el patrón del viento que se caracteriza por ser del noroeste durante las temporadas de invierno y primavera. Respecto a la dispersión de los florecimientos algales, con base en los datos obtenidos del modelo hidrodinámico, se realizaron experimentos

During the recent winter and spring seasons, harmful algal blooms (HABs) caused by the dinoflagellate Gymnodinium catenatum have been detected in the northern Gulf of California (NGC). These events have negative ecological, economic, and social impacts because G. catenatum is a species producer of saxitoxin, which is associated with paralytic shellfish poisoning, which causes the need to implement bans by the health authority in extraction areas of generous clam in the NGC when detecting contaminated products. Therefore, it is necessary to identify the physical processes that cause the occurrence and recurrence of these events and have a monitoring and early warning system that allows timely decisions and mitigation actions to be taken against the harmful effects of these henomena. In this work, these research gaps are approached by implementing a remote detection method for these HABs, using maximum likelihood classification based on data from two events in 2015 and 2017. The results of this approach were satisfactory by reproducing the temporality presence of Gymnodinium catenatum documented through weekly sampling in San Felipe Bay, as well as geographic detection in areas known to be recurrently affected. To study the physical processes associated with these HABs, a hydrodynamic model was implemented using the Regional Ocean Modeling System (ROMS) for the northern Gulf of California. From this model, variables such as turbulent kinetic energy, temperature, and currents were obtained and were complemented with data on bottom stress produced by waves estimated from the fifth generation ECMWF atmospheric reanalysis of the global climate (ERA-5) data. Analyzing these variables and the weekly abundance of G. catenatum, it was possible that the processes associated with forming these blooms are the increase in bottom stress related to waves and turbulence. These processes are related to the change in the wind pattern characterized by northwest winds during the winter and spring seasons. Regarding the dispersion of algal blooms, based on the data obtained from the hydrodynamic model, lagrangian experiments were carried out to estimate the transport of the HAB. The results showed that the modeled dispersion corresponds with the detection carried out with the remote sensing method mplemented in this work for the 2017 event. The results obtained from this work are essential knowledge for the operational implementation of monitoring and early warning systems ..

Gymnodinium catenatum, florecimientos algales nocivos, percepción remota, modelación hidrodinámica, norte del golfo de California : Gymnodinium catenatum, harmful algal bloom, remote sensing, hydrodynamic modeling, northern Gulf of California BIOLOGÍA Y QUÍMICA CIENCIAS DE LA VIDA OTRAS ESPECIALIDADES DE LA BIOLOGÍA OTRAS OTRAS