Grado

URI permanente para esta comunidad

https://rd.fcyt.uader.edu.ar/handle/123456789/35

Examinar

Examinando Grado por Autor "Alonso, Lucia del Carmen"

Mostrando 1 - 1 de 1
  • Miniatura
    Ítem
    Propuesta de un algoritmo de deep learning para la predicción de focos ígneos en los humedales del delta
    (Universidad Autónoma de Entre Ríos. Facultad de Ciencia y Tecnología., 2025-12-09) Alonso, Lucia del Carmen; Cabana, Alejo Matias; Uhrig, Mariela Noelia; Díaz, Santiago Raúl
    Esta tesina propone un modelo de detección temprana de focos ígneos en los humedales del Delta del Paraná mediante el uso de técnicas de Deep Learning, con el objetivo de reducir el impacto económico y ambiental de los incendios forestales. A partir del análisis de trabajos previos y la experimentación con modelos de inteligencia artificial, se buscó identificar las arquitecturas más efectivas para la predicción de incendios en entornos con características geográficas y climáticas particulares como las del delta. Se realizó una etapa de recopilación y preparación de datos, centrada en imágenes satelitales del Delta del Paraná, procesadas en formato Tagged Image File Format (TIFF) y divididas en fragmentos de tamaño uniforme adecuado para el entrenamiento. Para los ensayos se utilizaron modelos previamente entrenados y repositorios de código disponibles públicamente, con foco en la arquitectura U-Net, que se destaca por su capacidad para captar de manera precisa tanto la información contextual como la espacial. Las pruebas fueron ejecutadas sobre 100 imágenes de la región, evaluando el rendimiento mediante métricas de precisión. Entre los modelos de detección de incendios, el propuesto por Schroeder, basado en la aplicación de un umbral dinámico sobre el Índice de Diferencia Normalizada de Quema (NDBI) para identificar áreas afectadas por fuego, mostró mejores resultados en relación al de Kumar-Roy, que utiliza una combinación de bandas de infrarrojo cercano y corto para clasificar píxeles con actividad ígnea, aplicando criterios de umbral fijos y relativos, permitiendo una mejor identificación de áreas de fuego en las imágenes. El trabajo concluye con la propuesta de un modelo ajustado a las condiciones del ecosistema del delta, y destaca el potencial de estas tecnologías como herramienta para sistemas de alerta temprana y gestión ambiental. Finalmente, se establece un marco metodológico claro para futuras implementaciones prácticas.