Procesamiento y detección de patrones en datos satelitales mediante aprendizaje de máquinas

En la actualidad se dispone de un gran volumen de datos satelitales de todo el mundo de acceso gratuito. Estos datos son de distintos tipos, incluyendo entre otros las imágenes satelitales y los modelos de elevación digital (DEM, Digital Elevation Models), que son de particular utilidad en diversas...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autor principal:	Marchetta Fernandez, Martín Gonzalo
Otros Autores:	Forradellas, Raymundo Quilez; Caffaratti, Gabriel; Guerra Torres, Jorge Luis; Catania, Carlos
Formato:	info:eu-repo/semantics/other Proyecto de investigación acceptedVersion
Lenguaje:	Español
Publicado:	2019
Materias:	Ingeniería agrícola Inteligencia artificial Investigación en ciencias de la tierra Satélite artificial
Acceso en línea:	http://bdigital.uncu.edu.ar/14643
Aporte de:	Biblioteca Digital de Universidad Nacional de Cuyo

id	I11-R814643
record_format	dspace
institution	Universidad Nacional de Cuyo
institution_str	I-11
repository_str	R-8
collection	Biblioteca Digital
language	Español
orig_language_str_mv	spa
topic	Ingeniería agrícola Inteligencia artificial Investigación en ciencias de la tierra Satélite artificial
spellingShingle	Ingeniería agrícola Inteligencia artificial Investigación en ciencias de la tierra Satélite artificial Marchetta Fernandez, Martín Gonzalo Procesamiento y detección de patrones en datos satelitales mediante aprendizaje de máquinas
topic_facet	Ingeniería agrícola Inteligencia artificial Investigación en ciencias de la tierra Satélite artificial
description	En la actualidad se dispone de un gran volumen de datos satelitales de todo el mundo de acceso gratuito. Estos datos son de distintos tipos, incluyendo entre otros las imágenes satelitales y los modelos de elevación digital (DEM, Digital Elevation Models), que son de particular utilidad en diversas aplicaciones, como ser aplicaciones agrícolas, ambientales, o meteorológicas, por nombrar algunos. Entre estas aplicaciones también se pueden mencionar estudios que permitan predecir catástrofes naturales y sus posibles consecuencias. Así, podemos mencionar el estudio de los volcanes que permita detectar cambios en su morfología, a fin de predecir posibles erupciones. Otra entidad que resulta útil estudiar son los glaciares. Por citar un ejemplo, cambios en la morfología de los glaciares podrían provocar desprendimientos que afecten canales de navegación, por lo que su detección puede ser de suma utilidad. De manera similar, otros estudios podrían contribuir a predecir el comportamiento del agua durante potenciales inundaciones en distintas regiones, a fin de proveer mejores mecanismos para su control.El solo hecho de contar con estos datos no implica que sea sencillo extraer de ellos información y conocimiento útil para las aplicaciones mencionadas anteriormente. Es necesario implementar complejos algoritmos para extraer el tipo de resultados descriptos. En muchos casos estos algoritmos requieren tediosos procesos de afinamiento manuales o simplemente proporcionan un resultado que debe ser evaluado por un experto para detectar los patrones. En ambos escenarios la calidad del resultado depende mucho de la habilidad de los usuarios, y el proceso resulta complejo, lento y propenso a errores.En este contexto, los algoritmos de Machine Learning constituyen una herramienta muy útil, dado que permiten entrenar modelos en base a ejemplos etiquetados para procesar o detectar patrones en estos datos, de manera que no es necesario programar estos comportamientos manualmente. Así mismo, estos enfoques podrían reducir la dependencia de la calidad obtenida respecto a la persona que realiza el estudio o, alternativamente, permitirían a un mismo usuario abarcar un área geográfica mayor.En el presente proyecto se propone el desarrollo de modelos basados en algoritmos machine learning, para procesar estos datos satelitales y/o extraer patrones de los mismos para soportar las aplicaciones mencionadas.
author2	Forradellas, Raymundo Quilez; Caffaratti, Gabriel; Guerra Torres, Jorge Luis; Catania, Carlos
author_facet	Forradellas, Raymundo Quilez; Caffaratti, Gabriel; Guerra Torres, Jorge Luis; Catania, Carlos Marchetta Fernandez, Martín Gonzalo
format	info:eu-repo/semantics/other Proyecto de investigación acceptedVersion
author	Marchetta Fernandez, Martín Gonzalo
author_sort	Marchetta Fernandez, Martín Gonzalo
title	Procesamiento y detección de patrones en datos satelitales mediante aprendizaje de máquinas
title_short	Procesamiento y detección de patrones en datos satelitales mediante aprendizaje de máquinas
title_full	Procesamiento y detección de patrones en datos satelitales mediante aprendizaje de máquinas
title_fullStr	Procesamiento y detección de patrones en datos satelitales mediante aprendizaje de máquinas
title_full_unstemmed	Procesamiento y detección de patrones en datos satelitales mediante aprendizaje de máquinas
title_sort	procesamiento y detección de patrones en datos satelitales mediante aprendizaje de máquinas
publishDate	2019
url	http://bdigital.uncu.edu.ar/14643
work_keys_str_mv	AT marchettafernandezmartingonzalo procesamientoydetecciondepatronesendatossatelitalesmedianteaprendizajedemaquinas AT marchettafernandezmartingonzalo processingandpatterndetectiononsatellitedatathroughmachinelearning
bdutipo_str	Repositorios
_version_	1764820403205701634

Procesamiento y detección de patrones en datos satelitales mediante aprendizaje de máquinas

Ejemplares similares