Minería de datos espacial en la agricultura en Latinoamérica - Una aproximación conceptual

Contenido principal del artículo

Autores

Andrés Felipe Gil-Torres
Aura Liliana Monroy-García
Juan Sebastián González-Sanabria, M.Sc. https://orcid.org/0000-0002-1024-6077

Resumen

Debido al aumento en el uso de SIG, es necesario conocer técnicas complementarias como la minería de datos espaciales. Este documento es una revisión de algunas de las técnicas existentes y cuáles proporcionan mayores beneficios, revelando tendencias en su aplicación en el área de la agricultura. Además, con base en el hecho de que dentro de esta área se manipulan variables, se presentan las herramientas que facilitan el proceso de toma de decisiones en el área en mención, proporcionando el resultado de la evaluación de los datos disponibles.

Palabras clave:

Detalles del artículo

Licencia

Creative Commons License
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.

Referencias

Aguirre Valencia, J., Daza Santacoloma, G., Acosta, C. D., & Castellanos Domínguez, G. (2010). Comparación de métodos de reducción de dimensión basados en análisis por localidades. Revista TecnoLógicas, (25), 131-150. https://doi.org/10.22430/22565337.127

Alfaro, E. (2015a). Algoritmos genéticos. Disponible en http://eddyalfaro.galeon.com/geneticos.html

Alfaro, E. (2015b). El proceso de KDD-Técnicas de minería de datos y principales algoritmos. Disponible en http://exa.unne.edu.ar/depar/areas/informatica/dad/DAD/Presentaciones/Mineria_de_Datos.pdf

Aljure, D. C., & Agudelo J. G. (2011). Minería de datos espaciales. Revista de Avances en Sistemas e Informática, 8 (3), 71-77

Aluja, T. (2001). La minería de datos entre la estadística y la inteligencia artificial. QÜESTIIÓ, 25 (3), 479-498

Cao, L., San, X., Zhao, Y., & Chen, G. (2013). The Application of the Spatio-temporal Data Mining Algorithm in Maize Yield Prediction. Math. Comput. Model, 58 (3-4), 507-513. https://doi.org/10.1016/j.mcm.2011.10.073

Dueñas-Reyes, M. X. (2009). Searching for True Information with Spatial Data Mining. Ingeniería y Universidad, 13 (1), 137-156

González Polanco, L., & Pérez Betancourt, Y. G. (2013). La minería de datos espaciales y su aplicación en los estudios de salud y epidemiología. Revista Cubana de Información en Ciencias de la Salud, 24(4),482-489

Herrera-Parra, C. A. (2006). Minería de datos espacial. Disponible en http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.130.5194&rep=rep1&type=pdf

Mennis, J., & Guo, D. (2009). Spatial Data Mining and Geographic Knowledge Discovery-An Introduction. Comput. Environ. Urban Syst., 33 (6), 403-408. https://doi.org/10.1016/j.compenvurbsys.2009.11.001

Osorio Zuluaga, G. A. (2009). Análisis de características del ambiente creativo en empresas de Manizales con técnicas KDD. Maestría thesis, Universidad Nacional de Colombia - Sede Manizales, Manizales, Colombia.

Peeters, A., Zude, M., Käthner, J., Ünlü, M., Kanber, R., Hetzroni, A., Gebbers, R., & Ben-Gal, A. (2015). Getis-Ord’s hot- and cold-spot statistics as a basis for multivariate spatial clustering of orchard tree data. Comput. Electron. Agric., 111, 140-150. https://doi.org/10.1016/j.compag.2014.12.011

Rojas-Montes, M., Pino-Correa, F., & Martínez, J. (2015). Proceso de pruebas para pequeñas organizaciones desarrolladoras de software. Revista Facultad de Ingeniería, 24(39), 55-70. https://doi.org/10.19053/01211129.3551

Shekhar, S., & Chawla, S. (2003). Introduction to spatial data mining. En: Spatial Databases: A Tour, Prentice Hall

Shekhar, S., Zhang, P., Huang, Y., & Vatsavai, R. R. (2008) Trends in Spatial Data Mining. En Kargupta, H. y Joshi, A. (Eds.). Data mining: next generation challenges and future directions. AAAI/MIT Press, 357-380

Sivakumar, K., & Prakaash, A. S. (2019). An Empirical Research on Spatial Data Mining. International Journal of Innovative Technology and Exploring Engineering, 8 (12S2), 797-800. https://doi.org/10.35940/ijitee.l1136.10812s219

Sumathi, N., & Geetha, R. (2008). Spatial Data Mining-Techniques Trends and Its Applications. J. Comput. Appl., 1 (4), 28-30

Sundaram, V. M. Thnagavelu, A., & Paneer, P. (2012). Discovering Co-location Patterns from Spatial Domain using a Delaunay Approach. Procedia Eng., 38, 2832-2845. https://doi.org/10.1016/j.proeng.2012.06.332

Tripathy, A. K., Adinarayana, J., & Sudharsan, D. (2009). Geospatial data mining for Agriculture Pest Management – A Framework. En: 17th International Conference on Geoinformatics, Virginia, United States of America. https://doi.org/10.1109/geoinformatics.2009.5293296

Wang, L., Zhou, L., Lu, J., & Yip, J. (2009). An order-clique-based approach for mining maximal co-locations. Inf. Sci., 179 (19), 3370-3382. https://doi.org/10.1016/j.ins.2009.05.023

Descargas

La descarga de datos todavía no está disponible.

Artículos más leídos del mismo autor/a