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

Descripción del Articulo

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 fuente...

Descripción completa

Detalles Bibliográficos
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
id UTPD_37aa2abd6db6e1f7c04883387d99b9da
oai_identifier_str oai:repositorio.utp.edu.pe:20.500.12867/14262
network_acronym_str UTPD
network_name_str UTP-Institucional
repository_id_str 4782
dc.title.es_PE.fl_str_mv Efectividad del machine learning en el medio ambiente contaminación de imágenes de teledetección. Sistemático revisión de la literatura
title Efectividad del machine learning en el medio ambiente contaminación de imágenes de teledetección. Sistemático revisión de la literatura
spellingShingle Efectividad del machine learning en el medio ambiente contaminación de imágenes de teledetección. Sistemático revisión de la literatura
Dios-Castillo, Christian
Machine learning
Remote sensing
Environmental contamination
Deep learning
https://purl.org/pe-repo/ocde/ford#2.02.04
title_short Efectividad del machine learning en el medio ambiente contaminación de imágenes de teledetección. Sistemático revisión de la literatura
title_full Efectividad del machine learning en el medio ambiente contaminación de imágenes de teledetección. Sistemático revisión de la literatura
title_fullStr Efectividad del machine learning en el medio ambiente contaminación de imágenes de teledetección. Sistemático revisión de la literatura
title_full_unstemmed Efectividad del machine learning en el medio ambiente contaminación de imágenes de teledetección. Sistemático revisión de la literatura
title_sort Efectividad del machine learning en el medio ambiente contaminación de imágenes de teledetección. Sistemático revisión de la literatura
author Dios-Castillo, Christian
author_facet Dios-Castillo, Christian
Chafloque-Llontop, Carlos
Sánchez-Rentería, Raúl
author_role author
author2 Chafloque-Llontop, Carlos
Sánchez-Rentería, Raúl
author2_role author
author
dc.contributor.author.fl_str_mv Dios-Castillo, Christian
Chafloque-Llontop, Carlos
Sánchez-Rentería, Raúl
dc.subject.es_PE.fl_str_mv Machine learning
Remote sensing
Environmental contamination
Deep learning
topic Machine learning
Remote sensing
Environmental contamination
Deep learning
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 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.
publishDate 2024
dc.date.accessioned.none.fl_str_mv 2025-10-31T18:11:02Z
dc.date.available.none.fl_str_mv 2025-10-31T18:11:02Z
dc.date.issued.fl_str_mv 2024
dc.type.es_PE.fl_str_mv info:eu-repo/semantics/conferenceObject
dc.type.version.es_PE.fl_str_mv info:eu-repo/semantics/publishedVersion
format conferenceObject
status_str publishedVersion
dc.identifier.issn.none.fl_str_mv 2414-6390
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12867/14262
dc.identifier.journal.es_PE.fl_str_mv Proceedings of the LACCEI international Multi-conference for Engineering, Education and Technology
dc.identifier.doi.none.fl_str_mv https://doi.org/10.18687/LACCEI2024.1.1.1402
identifier_str_mv 2414-6390
Proceedings of the LACCEI international Multi-conference for Engineering, Education and Technology
url https://hdl.handle.net/20.500.12867/14262
https://doi.org/10.18687/LACCEI2024.1.1.1402
dc.language.iso.es_PE.fl_str_mv spa
language spa
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-sa/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
dc.format.es_PE.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Latin American and Caribbean Consortium of Engineering Institutions
dc.source.es_PE.fl_str_mv Repositorio Institucional - UTP
Universidad Tecnológica del Perú
dc.source.none.fl_str_mv reponame:UTP-Institucional
instname:Universidad Tecnológica del Perú
instacron:UTP
instname_str Universidad Tecnológica del Perú
instacron_str UTP
institution UTP
reponame_str UTP-Institucional
collection UTP-Institucional
bitstream.url.fl_str_mv https://repositorio.utp.edu.pe/backend/api/core/bitstreams/71e297ca-a6ce-4cff-bfd5-cfb79053213e/download
https://repositorio.utp.edu.pe/backend/api/core/bitstreams/25ed0b81-29fd-4dca-a91c-a0201c9acad9/download
https://repositorio.utp.edu.pe/backend/api/core/bitstreams/3ff202be-53c3-459b-804b-52bf33e0e107/download
https://repositorio.utp.edu.pe/backend/api/core/bitstreams/1bd47451-c01d-4235-b83a-81dffc5b7992/download
https://repositorio.utp.edu.pe/backend/api/core/bitstreams/c3630bb0-5260-4328-913e-55e137d4c09a/download
https://repositorio.utp.edu.pe/backend/api/core/bitstreams/f86f267a-62da-4b4a-b896-7966b9901b5c/download
bitstream.checksum.fl_str_mv 8a4605be74aa9ea9d79846c1fba20a33
9e32a1b1d960ebff2f59ce03c09e2b07
810db6b81e72e366e6bbb372818d3db5
0e771aed6703c7f031fc324217cf6e26
5c53f5fccb8f203ba4ad806b20c8bdfc
dc997909fd2db0cf4011e9ec1e1dc7b7
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio de la Universidad Tecnológica del Perú
repository.mail.fl_str_mv repositorio@utp.edu.pe
_version_ 1852232008577581056
spelling Dios-Castillo, ChristianChafloque-Llontop, CarlosSánchez-Rentería, Raúl2025-10-31T18:11:02Z2025-10-31T18:11:02Z20242414-6390https://hdl.handle.net/20.500.12867/14262Proceedings of the LACCEI international Multi-conference for Engineering, Education and Technologyhttps://doi.org/10.18687/LACCEI2024.1.1.1402Los 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.Campus Chiclayoapplication/pdfspaLatin American and Caribbean Consortium of Engineering Institutionsinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/4.0/Repositorio Institucional - UTPUniversidad Tecnológica del Perúreponame:UTP-Institucionalinstname:Universidad Tecnológica del Perúinstacron:UTPMachine learningRemote sensingEnvironmental contaminationDeep learninghttps://purl.org/pe-repo/ocde/ford#2.02.04Efectividad del machine learning en el medio ambiente contaminación de imágenes de teledetección. Sistemático revisión de la literaturainfo:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.utp.edu.pe/backend/api/core/bitstreams/71e297ca-a6ce-4cff-bfd5-cfb79053213e/download8a4605be74aa9ea9d79846c1fba20a33MD52TEXTDios.C_Chafloque.C_Sánchez.R_Conference_Paper_2024.pdf.txtDios.C_Chafloque.C_Sánchez.R_Conference_Paper_2024.pdf.txtExtracted texttext/plain64527https://repositorio.utp.edu.pe/backend/api/core/bitstreams/25ed0b81-29fd-4dca-a91c-a0201c9acad9/download9e32a1b1d960ebff2f59ce03c09e2b07MD53C.Dios_C.Chafloque_R.Sánchez_Conference_Paper_2024.pdf.txtC.Dios_C.Chafloque_R.Sánchez_Conference_Paper_2024.pdf.txtExtracted texttext/plain66232https://repositorio.utp.edu.pe/backend/api/core/bitstreams/3ff202be-53c3-459b-804b-52bf33e0e107/download810db6b81e72e366e6bbb372818d3db5MD58THUMBNAILDios.C_Chafloque.C_Sánchez.R_Conference_Paper_2024.pdf.jpgDios.C_Chafloque.C_Sánchez.R_Conference_Paper_2024.pdf.jpgGenerated Thumbnailimage/jpeg13606https://repositorio.utp.edu.pe/backend/api/core/bitstreams/1bd47451-c01d-4235-b83a-81dffc5b7992/download0e771aed6703c7f031fc324217cf6e26MD54C.Dios_C.Chafloque_R.Sánchez_Conference_Paper_2024.pdf.jpgC.Dios_C.Chafloque_R.Sánchez_Conference_Paper_2024.pdf.jpgGenerated Thumbnailimage/jpeg28874https://repositorio.utp.edu.pe/backend/api/core/bitstreams/c3630bb0-5260-4328-913e-55e137d4c09a/download5c53f5fccb8f203ba4ad806b20c8bdfcMD59ORIGINALC.Dios_C.Chafloque_R.Sánchez_Conference_Paper_2024.pdfC.Dios_C.Chafloque_R.Sánchez_Conference_Paper_2024.pdfapplication/pdf991859https://repositorio.utp.edu.pe/backend/api/core/bitstreams/f86f267a-62da-4b4a-b896-7966b9901b5c/downloaddc997909fd2db0cf4011e9ec1e1dc7b7MD5520.500.12867/14262oai:repositorio.utp.edu.pe:20.500.12867/142622025-11-30 18:35:44.166https://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccessopen.accesshttps://repositorio.utp.edu.peRepositorio de la Universidad Tecnológica del Perúrepositorio@utp.edu.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
score 13.921422
Efectividad del machine learning en el medio ambiente contaminación de imágenes de teledetección. Sistemático revisión de la literatura
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).

Ejemplares Similares