View Item 
  •   DSpace Home
  • Sistema de Bibliotecas USM
  • Tesis USM
  • TESIS de Pregrado de acceso ABIERTO
  • View Item
  •   DSpace Home
  • Sistema de Bibliotecas USM
  • Tesis USM
  • TESIS de Pregrado de acceso ABIERTO
  • View Item
    • español
    • English
  • English 
    • español
    • English
  • Login
JavaScript is disabled for your browser. Some features of this site may not work without it.

Automatización del proceso de obtención de cicatrices de incendios usando Sistemas de Información Geográfica (SIG) e Inteligencia Artificial (IA)

Thumbnail
View/Open
m19490848-2.pdf (6.025Mb)
Date
2022-06
Author
Mancilla Wulff, Ian Franco
Metadata
Show full item record
Abstract
Los incendios son un problema de gran interés en la actualidad, tanto en Chile como globalmente. En las últimas décadas se han visto tendencias crecientes en su ocurrencia y áreas afectadas, conllevando impactos ambientales, económicos, y sociales a su vez. Paralelamente, surge la necesidad de estudiar y cuantificar las superficies afectadas, para lo cual se requiere mapear cada cicatriz de incendio. Esto se realiza normalmente con la ayuda de imágenes satelitales, y hasta hace unos años, de algoritmos que requieren de iteraciones manuales o de una acuciosa supervisión. Las desventajas de este enfoque son su gran costo en capital humano, y los errores debido a sus limitaciones para captar la totalidad de cada cicatriz. Como alternativa a esto, se han ido desarrollando herramientas de Inteligencia Artificial (IA) en busca de automatizar y optimizar el proceso. En los últimos años, los enfoques más relevantes han sido los que usan Deep Learning (DL) y redes neuronales convolucionales (CNN), obteniendo mejores resultados usando procesos automáticos para data de los sectores específicos estudiados. De esta manera, este trabajo surge desde el proyecto FONDEF 2021 enmarcado en el estudio de incendios, donde se tiene como objetivo específico proponer una metodología para automatizar y optimizar el proceso de obtención de cicatrices de incendios de Chile, usando dos regiones prototipos que son de las más afectadas: Valparaíso y Biobío. La metodología de este trabajo utiliza un enfoque multitemporal con imágenes satelitales LANDSAT 5, 7 y 8 OLI con los incendios de estas regiones, desde las cuales se diseñaron dos datasets según el tamaño de las cicatrices y las imágenes pre y post-incendio: 1) All Sizes (AS), y 2) 128x128 (128), para entrenar, validar y testear separadamente un modelo U-Net, que es la CNN usada en este trabajo. Para mejorar el rendimiento del modelo, se realizó una optimización de hiperparámetros. Desde esto se obtuvieron los siguientes resultados para un testeo independiente con 100 imágenes representativas de la zona de estudio: un Dice Coefficient (DC)=0.932, error de omisión (OE)=0,049 y error de comisión (CE)=0,076 para el modelo AS; y un DC=0,843, OE=0,131 y CE=0,143 para el modelo 128. Esto indica que un dataset más balanceado logra un mejor rendimiento.
URI
https://hdl.handle.net/11673/53986
Collections
  • TESIS de Pregrado de acceso ABIERTO

© Universidad Técnica Federico Santa María
Avenida España 1680, Edificio U, Valparaíso· 56-32-2654147, Informaciones escribir a email repositorio@usm.cl Repositorio Digital administrado por el Área de Archivo Digital, Dirección de Información y Documentación Bibliográfica Institucional

DSpace software copyright © 2002-2015  DuraSpace
Contact Us | Send Feedback
Theme by 
@mire NV


USM
 

 

Browse

All of DSpaceCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsAdvisorProgramOther AdvisorThis CollectionBy Issue DateAuthorsTitlesSubjectsAdvisorProgramOther Advisor

My Account

Login

© Universidad Técnica Federico Santa María
Avenida España 1680, Edificio U, Valparaíso· 56-32-2654147, Informaciones escribir a email repositorio@usm.cl Repositorio Digital administrado por el Área de Archivo Digital, Dirección de Información y Documentación Bibliográfica Institucional

DSpace software copyright © 2002-2015  DuraSpace
Contact Us | Send Feedback
Theme by 
@mire NV


USM