Segmentación automatizada de lagunas en la cordillera del Vilcanota, región Cusco, un enfoque basado en imágenes satelitales y aprendizaje profundo

• Autor: Perez Torres, William Isaac
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Nacional de San Antonio Abad del Cusco
• Repositorio: UNSAAC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsaac.edu.pe:20.500.12918/10182
• Enlace del recurso: http://hdl.handle.net/20.500.12918/10182
• Nivel de acceso: acceso abierto
• Materia: Teledetección; Laguna; Vilcanota; Aprendizaje Profundo; FFT; UNet; http://purl.org/pe-repo/ocde/ford#2.02.01

El monitoreo de las lagunas en la cordillera del Vilcanota es fundamental para entender sus dinámicas y gestionar este recurso en riesgo. Las imágenes satelitales han facilitado el estudio remoto de estos cuerpos de agua, pero el análisis convencional presenta limitaciones, como el extenso trabajo manual requerido para abarcar grandes áreas durante largos períodos. Para abordar estos problemas, esta investigación propone un método basado en aprendizaje profundo para la segmentación automática de lagunas en la cordillera del Vilcanota a partir de imágenes satelitales. Se desarrolló un conjunto de datos específico para esta zona de estudio. El modelo propuesto, UNetFFT, optimiza el modelo de segmentación semántica UNet mediante el módulo Fourier Combination, diseñado para aplicar filtros de parámetros aprendibles en el dominio de la frecuencia y mejorar la detección de bordes y lagunas pequeñas. Los resultados experimentales muestran que UNetFFT obtuvo un 85.94%en la métrica MIoU (Mean Intersection over Union), 81.60%en F1-Score, y 99.67%en Pixel Accuracy, superando a modelos de comparación (FCN, Linknet, PSPNet y UNet). La prueba estadística deWilcoxon indica que la mejora de UNetFFT frente a UNet es estadístsicamente significativa. Finalmente, al comparar la estimación de áreas de UNetFFT con datos del Instituto Nacional de Investigación en Glaciares y Ecosistemas de Montaña (INAIGEM), no se hallaron diferencias estadísticamente significativas entre ambas mediciones, lo que comprueba la efectividad de UNetFFT para realizar segmentaciones y estimaciones de área precisas.