Efectividad del machine learning en el medio ambiente contaminación de imágenes de teledetección. Sistemático revisión de la literatura

• Autores: Dios-Castillo, Christian, Chafloque-Llontop, Carlos, Sánchez-Rentería, Raúl
• Formato: objeto de conferencia
• Fecha de Publicación: 2024
• Institución: Universidad Tecnológica del Perú
• Repositorio: UTP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.utp.edu.pe:20.500.12867/14262
• Enlace del recurso: https://hdl.handle.net/20.500.12867/14262; https://doi.org/10.18687/LACCEI2024.1.1.1402
• Nivel de acceso: acceso abierto
• Materia: Machine learning; Remote sensing; Environmental contamination; Deep learning; https://purl.org/pe-repo/ocde/ford#2.02.04

Los algoritmos de machine learning para el análisis de imágenes de teledetección permiten identificar y rastrear fuentes de contaminación ambiental de manera efectiva. El objetivo o propósito de esta investigación fue evaluar la eficacia de estas técnicas en la identificación y seguimiento de fuentes de contaminación ambiental a través de imágenes de teledetección. Se planteó como metodología la revisión sistemática de artículos científicos sobre el tema en cuestión, teniendo como apoyo las preguntas PICO y el procedimiento PRISMA para el análisis de estos artículos. La obtención de la información se realizó a partir de la base de datos Scopus obteniéndose 58 documentos de acceso libre y de los últimos 5 años. Los resultados encontrados evidencian que los algoritmos de machine learning permiten una identificación más precisa de fuentes de contaminación ambiental en comparación con los métodos convencionales. Con lo cual se concluye que estas técnicas son una herramienta valiosa para la identificación y seguimiento de fuentes de contaminación ambiental, lo que puede contribuir a la toma de decisiones y la implementación de medidas para reducir la contaminación ambiental.