Aplicacións no ámbito agroforestal e ambiental

Proporcionar ao estudante os coñecementos relacionados con:
Dominio dos principios e aplicacións das UAS na xestión dos recursos naturais
Capacidade para o deseño de operacións e xestión de datos na realización de inventarios.
Coñecer as principais aplicacións de UAS no campo da agricultura e da silvicultura.
Capacidade para deseñar operacións e xestión de datos na agricultura de precisión

A memoria do título contempla os seguintes contidos:
Aplicacións de UAS á caracterización, avaliación e seguimento 2D e 3D da cuberta vexetal. Extracción de variables cuantitativas, clasificación e análise de cambios a partir de datos multi e hiperespectrais, nubes de puntos LiDAR e SfM.
Aplicacións UAS ao seguimento de especies. Métodos de mostraxe e cálculo da poboacións.
Aplicacións UAS no sector agroforestal. Agricultura de precisión. Determinación do grao de cobertura dos cultivos, biomasa, rendemento, auga e estado de erosión dos cultivos.
Control de pragas e enfermidades mediante o uso de UAS.
Análise de estrutura microscópica e patrón espacial a partir de datos UAS de ultra alta resolución.

Estes contidos desenvolveranse nas seguintes sesións teóricas e prácticas:
Sesións teóricas (12 horas presenciais + 20 horas de traballo autónomo do alumno):
Tema 1. Introdución. Recursos naturais, servizos ecosistémicos e biodiversidade: avaliación e seguimento a través de RPAS. Plataformas e sensores específicos. Integración con outras fontes de datos. 1 hora presencial + 1 hora de traballo autónomo
Tema 2. Proxectos para a avaliación e seguimento da cuberta vexetal. Procesamento de imaxes e xeración de produtos 2D e 3D. 1 h presencial + 2 h traballo autónomo
Tema 3. Aplicacións dos UAV á caracterización, avaliación e seguimento da cuberta vexetal: Paisaxe e hábitats. (radiometría, resposta espectral, sistemas de clasificación. Clasificacións multiespectrais. Verificación de resultados). 1 h presencial + 2 h traballo autónomo
Tema 4. Aplicacións dos UAV á caracterización, avaliación e seguimento da cuberta vexetal: Paisaxe e hábitats. (Clasificación 3D, LiDAR,). 1 h presencial + 2 h traballo autónomo
Tema 5. Aplicacións dos UAV á caracterización, avaliación e seguimento da cuberta vexetal: Paisaxe e hábitats. (análise de cambios). 1 h presencial + 2 h traballo autónomo
Tema 6. Aplicacións dos UAV ao seguimento de especies. Métodos de mostraxe e cálculo da poboación. 1 h presencial + 2 h traballo autónomo
Tema 8. Análise de patróns espaciais. 2 horas presenciais + 2 horas de traballo autónomo
Tema 9. Agricultura de precisión (determinación do grao de cobertura dos cultivos, biomasa e predición do rendemento, rega e fertilización). 2 h presenciais + 3 h traballo autónomo
Tema 10. Viticultura. 1 h presencial + 2 h traballo autónomo
Tema 11. Control e loita contra as pragas. 1 h presencial + 2 h traballo autónomo

Contido práctico (30 horas presenciais + 82 horas de traballo autónomo do alumno):
Práctica 1. Preparación dun proxecto para a avaliación e seguimento da cuberta vexetal. Procesamento de imaxes e xeración de produtos 2D e 3D. Extracción de información 3D, multiespectral e hiperspectral. 2 horas presenciais + 4 horas de traballo autónomo
Práctica 2. Clasificación e seguimento da cuberta vexetal mediante imaxes de moi alta resolución. (clasificación múltiple). 2 h presencial + 6 h traballo autónomo
Práctica 3. Clasificación e seguimento da cuberta vexetal mediante imaxes de moi alta resolución. (Clasificación 3d). 3 horas presenciais + 10 horas de traballo autónomo
Práctica 4. Clasificación e seguimento da cuberta vexetal mediante imaxes de moi alta resolución. (análise de cambios). 3 horas presenciais + 10 horas de traballo autónomo
Práctica 5. Clasificación e seguimento da cuberta vexetal mediante imaxes de moi alta resolución. (Verificación 2d e 3d). 2 horas presenciais + 10 horas de traballo autónomo
Práctica 6. Análise de patróns espaciais. 2 h presencial + 6 h traballo autónomo
Práctica 7. Toma de datos e imaxes de campo para a avaliación e seguimento da cuberta vexetal. 6 h. Saída de campo presencial + 4 h traballo autónomo
Práctica 8. Agricultura de precisión (determinación do grao de cobertura dos cultivos, biomasa e predición do rendemento, rega e fertilización). 4 horas presenciais + 12 horas de traballo autónomo
Práctica 9. Viticultura. 4 horas presenciais. 3 horas presenciais + 10 horas de traballo autónomo
Práctica 10. Control e loita contra as pragas. 3 horas presenciais + 10 horas de traballo autónomo

Bibliografía básica
Bibliografía básica (en castelán)
Cancela, JJ y González, XP (2018) Uso de drones y satélites en agricultura: actas de horticultura de III Symposium Nacional de Ingeniería Hortícola y I Symposium Ibérico de Ingeniería Hortícola: celebrado del 21 al 23 de febrero de 2018, en Lugo 978-84-697-9314-5
Díaz, J., & Cervigón, J. (2015). Estudio de Índices de vegetación a partir de imágenes aéreas tomadas desde UAS/RPAS y aplicaciones de estos a la agricultura de precisión. Universidad Complutense de Madrid.
Bibliografía básica (en inglés)
Adão, T., Hruška, J., Pádua, L., Bessa, J., Peres, E., Morais, R., & Sousa, J. J. (2017). Hyperspectral imaging: A review on UAV-based sensors, data processing and applications for agriculture and forestry. Remote Sensing, 9(11), 1110.
Colomina, I., Molina, P., 2014. Unmanned aerial systems for photogrammetry and remote sensing: A review. ISPRS J. Photogramm. Remote Sens. 92, 79–97.
Díaz-Varela, R.A., Calvo Iglesias, S., Cillero Castro, C., Díaz Varela, E.R., 2018. Sub-metric analisis of vegetation structure in bog-heathland mosaics using very high resolution rpas imagery. Ecol. Indic. 89, 861–873.
Dörnhöfer, K., Oppelt, N., 2016. Remote sensing for lake research and monitoring – Recent advances. Ecol. Indic. 64, 105–122.
Gonzalez, L., Montes, G., Puig, E., Johnson, S., Mengersen, K., Gaston, K., 2016. Unmanned Aerial Vehicles (UAVs) and Artificial Intelligence Revolutionizing Wildlife Monitoring and Conservation. Sensors 16, 97.
Malveaux, C., Hall, S. G., Price, R. (2014). Using drones in agriculture: unmanned aerial systems for agricultural remote sensing applications. In 2014 Montreal, Quebec Canada July 13–July 16, 2014 (p. 1). American Society of Agricultural and Biological Engineers.
Pádua, L., Vanko, J., Hruška, J., Adão, T., Sousa, J. J., Peres, E., & Morais, R. (2017). UAS, sensors, and data processing in agroforestry: a review towards practical applications. International Journal of Remote Sensing, 38(8-10), 2349-2391.
Tang, L., Shao, G. (2015). Drone remote sensing for forestry research and practices. Journal of Forestry Research, 26(4), 791-797.
Terms, F., 2017. Unmanned aerial vehicles for environmental applications. Int. J. Remote Sens. 38, 2029–2036.

Bibliografía complementaria (en castelán)
Garcia Carazo, J., Alvarez Alvarez, P., Garrote Haigermoser, J., 2016. Aplicaciones de QGIS en la ordenacion de montes Manual practico. Editorial Académica Española.

Bibliografía complementaria (en inglés)
Anderson, K., Gaston, K.J., 2013. Lightweight unmanned aerial vehicles will revolutionize spatial ecology. Front. Ecol. Environ.
Berni, J., Zarco-Tejada, P.J., Suarez, L., Fereres, E., 2009. Thermal and Narrowband Multispectral Remote Sensing for Vegetation Monitoring from an Unmanned Aerial Vehicle. IEEE Trans. Geosci. Remote Sens. 47, 722–738.
d’Oleire-Oltmanns, S., Marzolff, I., Peter, K., Ries, J., 2012. Unmanned Aerial Vehicle (UAV) for Monitoring Soil Erosion in Morocco. Remote Sens. 4, 3390–3416.
Díaz-Varela, R.A., Ramil-Rego, P., Calvo-Iglesias, M.S., Diaz-Varela, R.A., Ramil-Rego, P., Calvo-Iglesias, A.S., 2007. Strategies of remote sensing monitoring of changes in NATURA 2000 sites: a practical assessment in coastal mountains of NW Iberian Peninsula, in: Ehlers, M., Michel, U. (Eds.), Remote Sensing for Environmental Monitoring, Gis Applications, and Geology Vii. p. 74932.
Diaz-Varela, R.A., Zarco-Tejada, P.J., Angileri, V., Loudjani, P., 2014. Automatic identification of agricultural terraces through object-oriented analysis of very high resolution DSMs and multispectral imagery obtained from an unmanned aerial vehicle. J. Environ. Manage. 134, 117–126.
dOleire-Oltmanns, S., Eisank, C., Dragut, L., Blaschke, T., 2013. An Object-Based Workflow to Extract Landforms at Multiple Scales from Two Distinct Data Types. Geosci. Remote Sens. Lett. IEEE 10, 947–951.
Gonçalves, J., Henriques, R., Alves, P., Sousa-Silva, R., Monteiro, A.T., Lomba, Â., Marcos, B., Honrado, J., 2016. Evaluating an unmanned aerial vehicle-based approach for assessing habitat extent and condition in fine-scale early successional mountain mosaics. Appl. Veg. Sci. 19, 132–146.
Jones, G.P., Pearlstine, L.G., Percival, H.F., 2006. An Assessment of Small Unmanned Aerial Vehicles for Wildlife Research. Wildl. Soc. Bull. 34, 750–758.
Kachamba, D., Ørka, H., Gobakken, T., Eid, T., Mwase, W., 2016. Biomass Estimation Using 3D Data from Unmanned Aerial Vehicle Imagery in a Tropical Woodland. Remote Sens. 8, 968.
Laliberte, A.S., Goforth, M.A., Steele, C.M., Rango, A., 2011. Multispectral remote sensing from unmanned aircraft: Image processing workflows and applications for rangeland environments. Remote Sens. 3, 2529–2551.
Michez, A., Piégay, H., Lisein, J., Claessens, H., Lejeune, P., 2016. Classification of riparian forest species and health condition using multi-temporal and hyperspatial imagery from unmanned aerial system. Environ. Monit. Assess. 188, 146.
Mulero-Pázmány, M., Stolper, R., Van Essen, L.D., Negro, J.J., Sassen, T., 2014. Remotely piloted aircraft systems as a rhinoceros anti-poaching tool in Africa. PLoS One 9.
Reichardt, T.A., Collins, A.M., McBride, R.C., Behnke, C.A., Timlin, J.A., 2014. Spectroradiometric monitoring for open outdoor culturing of algae and cyanobacteria. Appl. Opt. 53, F31-45.
Shahbazi, M., Sohn, G., Théau, J., Menard, P., 2015. Development and Evaluation of a UAV-Photogrammetry System for Precise 3D Environmental Modeling. Sensors (Basel). 15, 27493–524.
Turner, D., Lucieer, A., Malenovský, Z., King, D., Robinson, S., 2014. Spatial Co-Registration of Ultra-High Resolution Visible, Multispectral and Thermal Images Acquired with a Micro-UAV over Antarctic Moss Beds. Remote Sens. 6, 4003–4024.
Zahawi, R.A., Dandois, J.P., Holl, K.D., Nadwodny, D., Reid, J.L., Ellis, E.C., 2015. Using lightweight unmanned aerial vehicles to monitor tropical forest recovery. Biol. Conserv. 186.
Recursos na Web:
Earth Lab 2020. Document Your Science Using R Markdown and R. https://www.earthdatascience.org/courses/earth-analytics/document-your-…. Acceso 05/05/2022.
Humboldt State University, 2014. GSP 216 Introduction to Remote Sensing. Accuracy Metrics. https://gsp.humboldt.edu/olm_2019/courses/GSP_216_Online/lesson6-2/metr…. Acceso 05/05/2022.
Prado Ortega, E. 2020. Empleo de los Modelos de Simulación de Reflectividad para la docencia de la Teledetección. Universidad de Alcalá. Departamento de Geografía. http://geogra.uah.es/rtm/. Acceso 05/05/2022.
Robert J. Hijmans, 2016-2020. Spatial Data Science with R. https://rspatial.org/raster/#. Acceso 05/05/2022.
The IDB Project, 2011-2020. Index DataBase. A database for remote sensing indices. https://www.indexdatabase.de/. Acceso 05/05/2022.
VV.AA. 2016. UAS 4 ENVIRO. Small Unmanned Aerial Systems for Environmental Research – 5th Edition. 28 – 30 June 2017. UTAD. Vila Real. PO, http://uas4enviro2017.utad.pt/index.html%3Fp=1.html. Acceso 05/05/2022.

Ao finalizar este curso, os estudantes deben ser competentes en varios aspectos:
BÁSICAS E XERAIS
CG5 - Que os estudantes sexan capaces de aplicar, no campo dos sistemas aéreos non tripulados, os principios e metodoloxías de investigación como as buscas bibliográficas, a recollida e análise de datos e a interpretación destes, así como a presentación de conclusións de forma clara e concisa. e xeito rigoroso.
CB6 - Posuír e comprender coñecementos que proporcionan unha base ou oportunidade para ser orixinais no desenvolvemento e / ou aplicación de ideas, a miúdo nun contexto de investigación
CB7 - Que os estudantes saiban aplicar os coñecementos adquiridos e a súa capacidade para resolver problemas en contornos novos ou descoñecidos dentro de contextos máis amplos (ou multidisciplinares) relacionados coa súa área de estudo.
CB8 - Que os estudantes sexan capaces de integrar coñecementos e afrontar a complexidade de formular xuízos baseados en información que, por ser incompleta ou limitada, inclúe reflexións sobre responsabilidades éticas e sociais vinculadas á aplicación dos seus coñecementos e xuízos
CB9 - Que os estudantes saiban comunicar as súas conclusións e o coñecemento e as últimas razóns que as sustentan a públicos especializados e non especializados dun xeito claro e inequívoco.
CB10 - Que os estudantes posúan as habilidades de aprendizaxe que lles permitan seguir estudando dun xeito autodirixido ou autónomo.
TRANSVERSAIS
CT3 - Sostibilidade e compromiso ambiental. Uso equitativo, responsable e eficiente dos recursos
CT4 - Desenvolvemento do espírito innovador e emprendedor.
CT6 - Capacidade para traballar en equipo.
CT7 - Capacidade de organización e planificación
CT8 - Capacidade de análise e síntese.
CT9 - Capacidade de razoamento crítico e creatividade.
CT10 - Orientación á calidade e mellora continua.
ESPECÍFICO
CE2 - Coñecemento de principios xeomáticos, fotogramétricos e cartográficos, navegación, triangulación aérea, interpretación e tratamento dixital das imaxes necesarias na operación de sistemas aéreos non tripulados e saber aplicar a normativa vixente.
CE5 - Capacidade para aplicar datos de sistemas aéreos non tripulados para obter información clave para a xestión de recursos naturais e agroforestais.

Ao tratarse dunha materia cun forte compoñente práctico e procedemental, nas clases exporase ao alumno a introdución -bases teóricas- que debe saber aplicar nas aplicacións prácticas. A través destas metodoloxías abordaranse as seguintes competencias: CG5, CB6, CB7, CB9, CB10, CE2, CE5, CT4, CT7, CT8, CT9, CT10
As actividades prácticas inclúen unha excursión obrigatoria (práctica de campo) para recoller datos no lugar. En caso de imposibilidade de realizar esta actividade, consideraranse outras actividades alternativas. A través destas metodoloxías abordaranse as seguintes competencias: CB6, CB8, CE2, CE5, CT3, CT4, CT6, CT7, CT8, CT9, CT10
O traballo autónomo afondará na xestión de fontes de datos, técnicas e procedementos de análise a través da aplicación das TIC a estudos de casos e traballos supervisados. A través destas metodoloxías abordaranse as seguintes competencias: CG5, CB6, CB7, CB8, CB10, CE2, CE5, CT3, CT4, CT7, CT8, CT9, CT10
Todas as actividades previas (expositivas, sesións interactivas e titorías) estarán apoiadas polo contorno virtual (aula virtual da materia) que facilitará e permitirá a continuidade ao longo do proceso de aprendizaxe (guía, materiais, comunicacións, entrega de traballos, foros de debate, espazos de colaboración, etc.)
A asistencia ás sesiones presenciais poderase realizar físicamente (EPSE) ou mediante conexión síncrona á plataforma Microsoft Teams da materia.

A consecución destas competencias avaliarase continuamente durante todo o período escolar. A nota final terá en conta:
- Proba escrita (20% da nota final): CG5, CB6, CB7, CB9, CB10, CE2, CE5, CT4, CT7, CT8, CT9, CT10
- Entregas de traballos/tarefas encargadas e/ou dos resultados de prácticas (70% da nota final): CG5, CB6, CB7, CB9, CB10, CE2, CE5, CT4, CT7, CT8, CT9, CT10
- Asistencia e participación en actividades programadas incluíndo a viaxe práctica (10% da nota final): CB6, CB8, CE2, CE5, CT3, CT4, CT6, CT7, CT8, CT9, CT10
Superarase a materia si se alcanza unha calificación mínima de 5 sobre un máximo de 10 no cómputo global. O sistema de avaliación descrito será o empregado tanto na primeira como na segunda oportunidade.
No caso de estudantes repetidos, seguirase o sistema de avaliación descrito para estudantes ordinarios, no seu caso poderá validarse a asistencia á viaxe de prácticas despois do ano anterior.
Para os casos de realización fraudulenta de exercicios ou probas aplicarase o establecido no Regulamento para a avaliación do rendemento académico dos estudantes e para a revisión de cualificacións.
Os estudantes aos que se lles concedeu unha renuncia á asistencia a algunha das actividades docentes programadas de acordo co establecido na Instrución 1/2017 da Secretaría Xeral, deberán ter en conta que para superar esta materia é obrigatorio asistir a actividades prácticas, tanto de laboratorio e campo, indicado no horario de clase e programado na guía docente, así como a proba escrita.

A materia consta de 6 créditos ECTS (42 horas presenciais), cunha carga total de traballo autónomo do alumno de 108 horas. A distribución das horas para cada actividade móstrase a continuación.
Traballo presencial
Clases teórico-prácticas: 12 horas
Clases interactivas (prácticas, estudos de casos, resolución de problemas, tarefas, titorías, avaliación): 30 horas
TRABALLO PRESENCIAL TOTAL: 42 horas
TRABALLO PERSOAL
Lectura e preparación de temas, estudo de casos: 20 horas
Preparación e preparación de prácticas e traballos do curso: 82 horas
Avaliación: 3 h
Titorías individuais 3 h
TRABALLO PERSOAL TOTAL: 108 horas
NÚMERO TOTAL DE HORAS PARA SUPERAR A MATERIA: 150 HORAS

- Asistir participativamente ás aulas teóricas e prácticas
- Analizar a bibliografía facilitada