Delimitación de áreas afectadas por incendios forestales mediante aprendizaje profundo en imágenes satelitales
Descripción del Articulo
El mapeo de las áreas afectadas por incendios forestales (cicatriz) es una tarea importante en nuestro territorio. Esta delimitación de superficies afectadas es crucial para conocer la magnitud real de los incendios con el objetivo de construir políticas adecuadas de prevención, reducción del riesgo...
Autor: | |
---|---|
Formato: | tesis de maestría |
Fecha de Publicación: | 2024 |
Institución: | Universidad Nacional Federico Villarreal |
Repositorio: | UNFV-Institucional |
Lenguaje: | español |
OAI Identifier: | oai:repositorio.unfv.edu.pe:20.500.13084/9326 |
Enlace del recurso: | https://hdl.handle.net/20.500.13084/9326 |
Nivel de acceso: | acceso abierto |
Materia: | Ingeniería de software, simulación y desarrollo de TICs Segmentación semántica Aprendizaje profundo Redes neuronales convolucionales Incendios forestales https://purl.org/pe-repo/ocde/ford#2.02.04 |
id |
RUNF_72c1df63fe2916614284930ca96732d2 |
---|---|
oai_identifier_str |
oai:repositorio.unfv.edu.pe:20.500.13084/9326 |
network_acronym_str |
RUNF |
network_name_str |
UNFV-Institucional |
repository_id_str |
4837 |
dc.title.es_PE.fl_str_mv |
Delimitación de áreas afectadas por incendios forestales mediante aprendizaje profundo en imágenes satelitales |
title |
Delimitación de áreas afectadas por incendios forestales mediante aprendizaje profundo en imágenes satelitales |
spellingShingle |
Delimitación de áreas afectadas por incendios forestales mediante aprendizaje profundo en imágenes satelitales Quispe Varillas, Javier José Ingeniería de software, simulación y desarrollo de TICs Segmentación semántica Aprendizaje profundo Redes neuronales convolucionales Incendios forestales https://purl.org/pe-repo/ocde/ford#2.02.04 |
title_short |
Delimitación de áreas afectadas por incendios forestales mediante aprendizaje profundo en imágenes satelitales |
title_full |
Delimitación de áreas afectadas por incendios forestales mediante aprendizaje profundo en imágenes satelitales |
title_fullStr |
Delimitación de áreas afectadas por incendios forestales mediante aprendizaje profundo en imágenes satelitales |
title_full_unstemmed |
Delimitación de áreas afectadas por incendios forestales mediante aprendizaje profundo en imágenes satelitales |
title_sort |
Delimitación de áreas afectadas por incendios forestales mediante aprendizaje profundo en imágenes satelitales |
author |
Quispe Varillas, Javier José |
author_facet |
Quispe Varillas, Javier José |
author_role |
author |
dc.contributor.advisor.fl_str_mv |
Zamora Talaverano, Noe Sabino |
dc.contributor.author.fl_str_mv |
Quispe Varillas, Javier José |
dc.subject.es_PE.fl_str_mv |
Ingeniería de software, simulación y desarrollo de TICs Segmentación semántica Aprendizaje profundo Redes neuronales convolucionales Incendios forestales |
topic |
Ingeniería de software, simulación y desarrollo de TICs Segmentación semántica Aprendizaje profundo Redes neuronales convolucionales Incendios forestales https://purl.org/pe-repo/ocde/ford#2.02.04 |
dc.subject.ocde.es_PE.fl_str_mv |
https://purl.org/pe-repo/ocde/ford#2.02.04 |
description |
El mapeo de las áreas afectadas por incendios forestales (cicatriz) es una tarea importante en nuestro territorio. Esta delimitación de superficies afectadas es crucial para conocer la magnitud real de los incendios con el objetivo de construir políticas adecuadas de prevención, reducción del riesgo, y restauración. El avance en la clasificación de imágenes satelitales mediante algoritmos de aprendizaje profundo basado en redes neuronales convolucionales junto con la gran cantidad de datos de sensores de acceso libre nos permite ámbitos de investigación. Este estudio plantea un modelo de segmentación semántica para delimitar las áreas afectadas producto de los incendios forestales en el departamento de Cusco. Se generó una base de datos de 2898 imágenes (444 con áreas afectadas) del sensor Sentinel-2 de los años 2017 a 2021, lo cual nos brinda una variación anual de los ecosistemas afectados. Se formaron 18 conjuntos de datos donde se distribuyeron un 64 % para entrenamiento, 16 % para validación y 20 % para prueba, tanto para imágenes con o sin áreas afectadas. Los resultados obtenidos para el modelo nos brindan valores promedio: Accuracy de 99 %, Precision de 92 %, Recall de 91 %, IoU de 0.84, F1-Score de 0.91, y Kappa de 0.87 para los datos de prueba. Con lo cual se valida que el modelo propuesto es una herramienta efectiva para la delimitación de áreas afectadas producto de los incendios forestales. |
publishDate |
2024 |
dc.date.accessioned.none.fl_str_mv |
2024-10-21T15:54:42Z |
dc.date.available.none.fl_str_mv |
2024-10-21T15:54:42Z |
dc.date.issued.fl_str_mv |
2024 |
dc.type.es_PE.fl_str_mv |
info:eu-repo/semantics/masterThesis |
dc.type.version.es_PE.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/20.500.13084/9326 |
url |
https://hdl.handle.net/20.500.13084/9326 |
dc.language.iso.es_PE.fl_str_mv |
spa |
language |
spa |
dc.relation.ispartof.fl_str_mv |
SUNEDU |
dc.rights.es_PE.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.uri.es_PE.fl_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0/ |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0/ |
dc.format.es_PE.fl_str_mv |
application/pdf |
dc.publisher.es_PE.fl_str_mv |
Universidad Nacional Federico Villarreal |
dc.publisher.country.es_PE.fl_str_mv |
PE |
dc.source.es_PE.fl_str_mv |
Universidad Nacional Federico Villarreal Repositorio Institucional - UNFV |
dc.source.none.fl_str_mv |
reponame:UNFV-Institucional instname:Universidad Nacional Federico Villarreal instacron:UNFV |
instname_str |
Universidad Nacional Federico Villarreal |
instacron_str |
UNFV |
institution |
UNFV |
reponame_str |
UNFV-Institucional |
collection |
UNFV-Institucional |
bitstream.url.fl_str_mv |
https://repositorio.unfv.edu.pe/bitstream/20.500.13084/9326/1/UNFV_EUPG_Quispe_Varillas_Javier_Maestria_2024.pdf https://repositorio.unfv.edu.pe/bitstream/20.500.13084/9326/2/REPORTE_SIMILITUD.pdf https://repositorio.unfv.edu.pe/bitstream/20.500.13084/9326/3/FORMULARIO_AUTORIZACION.pdf https://repositorio.unfv.edu.pe/bitstream/20.500.13084/9326/4/license.txt |
bitstream.checksum.fl_str_mv |
1f0af41170b70b7891b9a473700453ce 60405cbd45aa128a62b6ec639aa44293 e10b7a70015d3b5aae85295e6785e110 8a4605be74aa9ea9d79846c1fba20a33 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio Institucional UNFV |
repository.mail.fl_str_mv |
repositorio.vrin@unfv.edu.pe |
_version_ |
1830853436470460416 |
spelling |
Zamora Talaverano, Noe SabinoQuispe Varillas, Javier José2024-10-21T15:54:42Z2024-10-21T15:54:42Z2024https://hdl.handle.net/20.500.13084/9326El mapeo de las áreas afectadas por incendios forestales (cicatriz) es una tarea importante en nuestro territorio. Esta delimitación de superficies afectadas es crucial para conocer la magnitud real de los incendios con el objetivo de construir políticas adecuadas de prevención, reducción del riesgo, y restauración. El avance en la clasificación de imágenes satelitales mediante algoritmos de aprendizaje profundo basado en redes neuronales convolucionales junto con la gran cantidad de datos de sensores de acceso libre nos permite ámbitos de investigación. Este estudio plantea un modelo de segmentación semántica para delimitar las áreas afectadas producto de los incendios forestales en el departamento de Cusco. Se generó una base de datos de 2898 imágenes (444 con áreas afectadas) del sensor Sentinel-2 de los años 2017 a 2021, lo cual nos brinda una variación anual de los ecosistemas afectados. Se formaron 18 conjuntos de datos donde se distribuyeron un 64 % para entrenamiento, 16 % para validación y 20 % para prueba, tanto para imágenes con o sin áreas afectadas. Los resultados obtenidos para el modelo nos brindan valores promedio: Accuracy de 99 %, Precision de 92 %, Recall de 91 %, IoU de 0.84, F1-Score de 0.91, y Kappa de 0.87 para los datos de prueba. Con lo cual se valida que el modelo propuesto es una herramienta efectiva para la delimitación de áreas afectadas producto de los incendios forestales.application/pdfspaUniversidad Nacional Federico VillarrealPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-nd/4.0/Universidad Nacional Federico VillarrealRepositorio Institucional - UNFVreponame:UNFV-Institucionalinstname:Universidad Nacional Federico Villarrealinstacron:UNFVIngeniería de software, simulación y desarrollo de TICsSegmentación semánticaAprendizaje profundoRedes neuronales convolucionalesIncendios forestaleshttps://purl.org/pe-repo/ocde/ford#2.02.04Delimitación de áreas afectadas por incendios forestales mediante aprendizaje profundo en imágenes satelitalesinfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/publishedVersionSUNEDUMaestro en Ingeniería de SistemasIngeniería de SistemasUniversidad Nacional Federico Villarreal. Escuela Universitaria de Posgrado09722863https://orcid.org/0000-0002-4368-895509500314https://purl.org/pe-repo/renati/type#tesis612087https://purl.org/pe-repo/renati/level#maestroCoveñas Lalupu, JoséPetrlik Azabache, Ivan CarloPeña Carrillo, César SerapioORIGINALUNFV_EUPG_Quispe_Varillas_Javier_Maestria_2024.pdfUNFV_EUPG_Quispe_Varillas_Javier_Maestria_2024.pdfQuispe Varillas, Javier José (EUPG - Maestría)application/pdf4248850https://repositorio.unfv.edu.pe/bitstream/20.500.13084/9326/1/UNFV_EUPG_Quispe_Varillas_Javier_Maestria_2024.pdf1f0af41170b70b7891b9a473700453ceMD51open accessREPORTE_SIMILITUD.pdfREPORTE_SIMILITUD.pdfReporte de similitudapplication/pdf9882775https://repositorio.unfv.edu.pe/bitstream/20.500.13084/9326/2/REPORTE_SIMILITUD.pdf60405cbd45aa128a62b6ec639aa44293MD52metadata only accessFORMULARIO_AUTORIZACION.pdfFORMULARIO_AUTORIZACION.pdfFormulario de autorizaciónapplication/pdf1448805https://repositorio.unfv.edu.pe/bitstream/20.500.13084/9326/3/FORMULARIO_AUTORIZACION.pdfe10b7a70015d3b5aae85295e6785e110MD53metadata only accessLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.unfv.edu.pe/bitstream/20.500.13084/9326/4/license.txt8a4605be74aa9ea9d79846c1fba20a33MD54open access20.500.13084/9326oai:repositorio.unfv.edu.pe:20.500.13084/93262025-04-28 19:56:04.8open accessRepositorio Institucional UNFVrepositorio.vrin@unfv.edu.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 |
score |
13.914502 |
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).