Estimación de área glaciar utilizando Redes Neuronales convolucionales U-Net en imágenes multiespectrales sentinel 2 en el glaciar ausangate, 2019

Mostrar el registro sencillo del ítem

dc.contributor.advisor Espinoza Pinedo, Victor Manuel
dc.contributor.author Colque Caillahua, Percy Elbis
dc.date.accessioned 2019-11-29T17:30:08Z
dc.date.available 2019-11-29T17:30:08Z
dc.date.issued 2019-11-18
dc.identifier.uri http://repositorio.unap.edu.pe/handle/UNAP/12231
dc.description.abstract La Investigación se realizó en el glaciar Ausangate ubicado entre las provincias de Canchis y Quispicanchis en la región del Cusco. Se probó el modelo U-Net en la estimación de área glaciar con imágenes multiespectrales Sentinel 2. El proceso de mapear glaciares por lo general se utiliza el Índice de Nieve de Diferencia Normalizada (NDSI). Con un umbral estándar de 0.4, la limitación que tiene es sobreestimar, es necesario eliminar polígonos que no pertenecen al área glaciar como lagunas glaciares, este proceso puede ser lento y estresante. Esta investigación propone utilizar las redes neuronales convolucionales (CNN) con una arquitectura U-Net como un método de mapeo en glaciares. Los algoritmos de Inteligencia Artificial como las CNN necesitan datos de entrenamiento y validación los cual es óptimo utilizar La infraestructura computacional de Google Earth Engine (GEE) para recolectar muestras de imágenes del satélite Sentinel 2A y 2B. En esta Investigación se recolecto 1883 muestras para el entrenamiento y 1470 para validación en el conjunto de glaciares tropicales del Perú. Para evaluar el rendimiento del modelo se eligieron 12 escenas de prueba de fechas que estén fuera del entrenamiento desde el 2016 al 2019 en el glaciar Ausangate. Los resultados muestran que el modelo U-Net logro precisiones de 97.89% en entrenamiento y 97.88 % en validación demostrando ser más robusto en mapear área glaciar y puede utilizar para cualquier glaciar, superando al NDSI>0.4 donde se observó que sobrestima y confunde con lagunas glaciares y tiene que intervenir la eliminación manual de polígonos de lagunas glaciares. es_PE
dc.description.uri Tesis es_PE
dc.format application/pdf es_PE
dc.language.iso spa es_PE
dc.publisher Universidad Nacional del Altiplano es_PE
dc.rights info:eu-repo/semantics/openAccess es_PE
dc.rights.uri https://creativecommons.org/licenses/by-nc-nd/4.0/pe/ es_PE
dc.source Universidad Nacional del Altiplano es_PE
dc.source Repositorio Institucional - UNAP es_PE
dc.subject Aplicación de los Métodos GeoEstadísticos al Tratamiento de Información Medioambiental y Topocartográficos es_PE
dc.subject Ciencias Naturales es_PE
dc.title Estimación de área glaciar utilizando Redes Neuronales convolucionales U-Net en imágenes multiespectrales sentinel 2 en el glaciar ausangate, 2019 es_PE
dc.type info:eu-repo/semantics/bachelorThesis es_PE
thesis.degree.name Ingeniero Topógrafo y Agrimensor es_PE
thesis.degree.discipline Ingeniería Topográfica y Agrimensura es_PE
thesis.degree.grantor Universidad Nacional del Altiplano : Facultad de Ciencias Agrarias es_PE
thesis.degree.level Título Profesional es_PE


Ficheros en el ítem

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

info:eu-repo/semantics/openAccess Excepto si se señala otra cosa, la licencia del ítem se describe como info:eu-repo/semantics/openAccess

Buscar en DSpace


Listar

Mi cuenta

Estadísticas