*Espinosa, Palacios, Tijerina, Flores y Quevedo (2017), en su artículo: “Sistema de monitoreo

satelital para el seguimiento y desarrollo de cultivos del Distrito del Riego 038”, indica que el
propósito de este trabajo es que los productores del Distrito de Riego 038 Río Mayo tengan
disponible desde Internet un sistema de monitoreo satelital que contiene el seguimiento y
desarrollo de los cultivos por medio del NDVI (Índice de Vegetación de Diferencias Normalizadas)
por parcela; esto permitirá al productor comparar los rendimientos de ciclos pasados y permitirá
que puedan tener una evaluación del desarrollo de sus cultivos para tomar decisiones necesarias y
oportunas para obtener un mejor rendimiento en el actual ciclo.

*Ponvert y Lau (2013), en su artículo: “Uso de las imágenes de satélites y los SIG en el campo de la
Ingeniería Agrícola” afirman que en la actualidad se aplican con éxito tecnologías de Teledetección
y, los SIG para identificar la huella espacial de estos impactos y apoyar las decisiones que ayuden a
los directivos a tomar medidas correctivas y prospectivas. El objetivo de este trabajo es identificar
las tareas más susceptibles de aplicar las tecnologías de Teledetección y los SIG en la evaluación de
impactos provocados por el empleo de equipamiento y tecnologías del campo de la Ingeniería
Agrícola. Para cumplimentarlo, se caracterizan los impactos asociados con el laboreo del suelo,
con reade las imágenes de satélites y los SIG y se demuestra su uso en el caso concreto del mal
manejo de métodos y sistemas de riegos. Se explica la obtención de un cartograma de salinidad de
un bloque cultivando con caña de azúcar usando técnicas de teledetección y redes neuronales
artificiales. Como conclusión se reafirma la necesidad e importancia de la capacitación en el
empleo de estas tecnologías para alcanzar mayor eficiencia en la sostenibilidad medioambiental.

*Buendía, Vargas, Leyva y Terrazas (2002) en su artículo: “Aplicación de redes neuronales

artificiales y técnicas sig para la predicción de coberturas forestales” nos explica que un método
para la obtención de este tipo de información es a través de modelos de predicción de tipos de
coberturas forestales. El presente estudio tiene como objetivo evaluar la habilidad de las redes
neuronales artificiales (RNA) en la predicción de tipos de coberturas forestales. Las RNA
desarrolladas en este trabajo se basaron en información geográfica (altitud, exposición, pendiente,
distancia a los escurrimientos, geología y edafología) e imágenes de satélite haciendo uso del
análisis de componentes principales (acp1, acp2 y acp3), para definir la variable dependiente
(vegetación). Esta información fue procesada con una RNA de retropropagación (Backpropagation)
con dos capas ocultas, con sus respectivas funciones de activación (tangencia hiperbólica y
gausiana). Obteniendo una 𝑟 2 = 0.8617 para la fase de entrenamiento y una 𝑟 2 = 0.8514 en la
fase de prueba, alcanzado un 83% de sitios predichos correctamente, sobrepasando lo alcanzado
por otros autores con métodos tradicionales.

*Cárdenas (2006) en su artículo: “Estimación de la deforestación por cultivos ilícitos en la zona de

reserva forestal del Río Magdalena” la propuesta para desarrollar su trabajo de investigación que
permitiera valorar las superficies deforestadas por cultivos ilícitos. Con el fin de integrar datos de
deforestación en el área de estudio, fue necesario contar con información espacial reciente que
facilitó la determinación de unidades en el terreno. Para dicho propósito se trabajo con los
insumos suministrados por el Proyecto SIMCI (Sistema Integrado de Monitoreo de Cultivos Ilícitos)
a escala 1:100.000. Este procedimiento se realizó con el uso de imágenes Landsat y Aster con
fechas de captura entre diciembre de 2004 y enero de 2005. Para el procedimiento digital de
imágenes se empleó el programa ERDAS Imagine 8.5 y se realizó una clasificación supervisada de
coberturas Se extrajeron coberturas de coca obtenidas de los censos 2001 al 2004 y se realizó un
mosaico con dichas capas. Se diseñó un modelo condicional para analizar la información generada
por el mosaico de coca en relación a la capa de coberturas del 200 (el análisis se realizó
únicamente sobre las coberturas de Bosque Primario y Bosque Secundario según leyenda SIMCI), y
determinar de esta manera las superficies deforestadas por cultivos ilícitos. Finalmente se realizó
un análisis departamental y municipal de afectación por cultivos ilícitos en la Reserva.

*Solarte (2018) en su tesis titulada: “Análisis de Datos Aplicando a Imágenes Satelitales Para
Calcular La Deforestación” nos indica para el desarrollo del trabajo se recurre en primera instancia
a la selección y descarga de las imágenes, acto seguido se realiza el preprocesamiento de las
mismas, esta etapa tiene dos pasos fundamentales que son el apilamiento de bandas y la
corrección geométrica, este último paso se realiza con la ayuda de software especializado como
envi y erdas, este software también permite recortar las imágenes de tal manera que queden con
el mismo tamaño, así mismo permite realizar la corrección en las imágenes Landsat 7 utilizado
para esto la herramienta de GAPFILL.

Esta investigación buscaba medir las bondades de la minería de datos frente a los métodos y
herramientas convencionales (argis. envi, erdas, idrisi). El resultado fue diferente al esperado
puesto que los datos al no incorporar la componente geográfica (como lo hacen las herramientas
convencionales) se vio afectado.

Ortiz y Pérez (2009), en su artículo: “IMÁGENES ASTER EN LA DISCRIMINACIÓN DE ÁREAS DE USO

AGRÍCOLA EN COLOMBIA” nos indica que el propósito del presente estudio es analizar las
posibilidades de las imágenes multiespectrales ASTER en la discriminación de cultivos agrícolas,
especialmente arroz, maíz y sorgo basándose en las características espectrales para la generación
de cartografía, teniendo en cuenta la complejidad de la realidad física de las áreas de uso agrícola
y utilizando el sistema de clasificación CORINE Land Cover Colombia (CLC – Colombia) mediante la
diferenciación de patrones espaciales y espectrales presentes en la imagen ASTER en una zona
netamente agrícola localizada en el departamento del Tolima, Colombia. En conclusión, con la
utilización de la imagen ASTER se obtuvo un mapa de 10 categorías mediante el algoritmo de
clasificación de máxima probabilidad obteniendo, para la imagen de bandas originales VNIR-
SWIR1-SWIR2, una fiabilidad global del 75% con respecto a la verdad terreno

Buendía Rodríguez, E., Vargas Perez, E., Leyva Ovalle, Á., & Terrazas Domínguez, S. (Junio de 2002).
Aplicación de redes neuronales artificiales y técnicas sig para la predicción de coberturas
forestales. Chapingo, VIII(1), 31-37. Obtenido de
https://www.redalyc.org/comocitar.oa?id=62980104

Cárdenas Torres, M. A. (Noviembre de 2006). Estimación de la deforestación por cultivos ilícitos en

la zona de reserva forestal del Río Magdalena. Colombia Forestal, IX(19), 136-154.
Obtenido de https://www.redalyc.org/comocitar.oa?id=423941362008
Espinosa Espinosa, J. L., Palacios Veléz, E., Tijerina Chávez, L., Flores Magdaleno, H., & Quevedo
Nolasco, A. (Febrero de 2017). Sistema de monitoreo satelital para el seguimiento y
desarrollo de cultivos del Distrito de Riego 038. Tecnología y Ciencias del Agua, VIII(1), 95-
104. doi:10.24850

Ortiz Lozano, N. E., & Pérez Gomez, U. (Mayo de 2009). IMÁGENES ASTER EN LA DISCRIMINACIÓN
DE ÁREAS DE USO AGRÍCOLA EN COLOMBIA. Revista Facultad Nacional de Agronomía,
4923-4935. Obtenido de https://www.redalyc.org/comocitar.oa?id=179915377018

Ponvert Delisles , D., & Lau Quan , A. (Diciembre de 2013). Uso de las imágenes de satélites y los
SIG en el campo de la Ingeniería Agrícola. Ciencias Técnicas Agropecuarias, XXII(4), 75-80.
Obtenido de https://www.redalyc.org/articulo.oa?id=93231386013

Solarte Fajardo, H. J. (2018). Análisis De Datos Aplicando Imágenes Satelitales Para Calcular La
Deforestación. Bogotá. Obtenido de http://repository.poligran.edu.co/handle/10823/1177