Corrección de modelos digitales de elevación radar con imágenes Landsat mediante aprendizaje automático

Los Modelos Digitales de Elevación (DEMs) son representaciones digitales de la superficie terrestre. Entre los más difundidos se encuentran los de origen radar como los SRTM. Estos modelos no solo representan la elevación natural del terreno sino también todo lo que esté sobre este, como árboles o e...

Descripción completa

Detalles Bibliográficos
Autores principales: Bruscantini, Carolina, Lo Vercio, Lucas, Rinaldi, Pablo R.
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2020
Materias:
Ciencias Informáticas
Modelos Digitales de Elevación
Imágenes multiespectrales
Aprendizaje Automático
Sistemas de Información Geográfica
Procesamiento digital de imágenes
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/116554
http://49jaiio.sadio.org.ar/pdfs/cai/CAI_15.pdf
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-116554
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
Modelos Digitales de Elevación
Imágenes multiespectrales
Aprendizaje Automático
Sistemas de Información Geográfica
Procesamiento digital de imágenes
spellingShingle Ciencias Informáticas
Modelos Digitales de Elevación
Imágenes multiespectrales
Aprendizaje Automático
Sistemas de Información Geográfica
Procesamiento digital de imágenes
Bruscantini, Carolina
Lo Vercio, Lucas
Rinaldi, Pablo R.
Corrección de modelos digitales de elevación radar con imágenes Landsat mediante aprendizaje automático
topic_facet Ciencias Informáticas
Modelos Digitales de Elevación
Imágenes multiespectrales
Aprendizaje Automático
Sistemas de Información Geográfica
Procesamiento digital de imágenes
description Los Modelos Digitales de Elevación (DEMs) son representaciones digitales de la superficie terrestre. Entre los más difundidos se encuentran los de origen radar como los SRTM. Estos modelos no solo representan la elevación natural del terreno sino también todo lo que esté sobre este, como árboles o edificios. Para ciertas aplicaciones como la simulación de inundaciones algunas elevaciones representan un inconveniente, más aún si se trata de zonas con pocas pendientes como la llanura pampeana. Particularmente en zonas de llanura, los árboles generan grandes diferencias entre la altura representada en el DEM y la superficie real de escurrimiento. En el presente trabajo se propone una metodología para la detección automática de la vegetación arbórea en DEMs de origen radar a partir de este mismo y de imágenes multiespec- trales Landsat de la misma zona, con el fin de corregir estas diferencias y mejorar su eficiencia en el modelado de inundaciones. Para obtener la máscara de vegetación, se generaron diferentes clasificadores supervisados a partir del método Random Forest. Los clasificadores fueron evaluados obteniendo resultados de hasta un El Score de 0,8. A partir de las máscaras obtenidas los DEMs se corrigieron utilizando un método de interpolación.
format Objeto de conferencia
Objeto de conferencia
author Bruscantini, Carolina
Lo Vercio, Lucas
Rinaldi, Pablo R.
author_facet Bruscantini, Carolina
Lo Vercio, Lucas
Rinaldi, Pablo R.
author_sort Bruscantini, Carolina
title Corrección de modelos digitales de elevación radar con imágenes Landsat mediante aprendizaje automático
title_short Corrección de modelos digitales de elevación radar con imágenes Landsat mediante aprendizaje automático
title_full Corrección de modelos digitales de elevación radar con imágenes Landsat mediante aprendizaje automático
title_fullStr Corrección de modelos digitales de elevación radar con imágenes Landsat mediante aprendizaje automático
title_full_unstemmed Corrección de modelos digitales de elevación radar con imágenes Landsat mediante aprendizaje automático
title_sort corrección de modelos digitales de elevación radar con imágenes landsat mediante aprendizaje automático
publishDate 2020
url http://sedici.unlp.edu.ar/handle/10915/116554
http://49jaiio.sadio.org.ar/pdfs/cai/CAI_15.pdf
work_keys_str_mv AT bruscantinicarolina correcciondemodelosdigitalesdeelevacionradarconimageneslandsatmedianteaprendizajeautomatico
AT loverciolucas correcciondemodelosdigitalesdeelevacionradarconimageneslandsatmedianteaprendizajeautomatico
AT rinaldipablor correcciondemodelosdigitalesdeelevacionradarconimageneslandsatmedianteaprendizajeautomatico
bdutipo_str Repositorios
_version_ 1764820447136841731

Ejemplares similares