Detección de procesos de remoción en masa con aprendizaje automático, basado en datos satelitales : caso del valle del Río Santa Cruz, Santa Cruz, Argentina

• Autores: Delgado, Carlos Manuel
• Año de publicación: 2025
• Idioma: español castellano
• Tipo de recurso: tesis de maestría
• Colaborador/a o director/a de tesis: Cioccale, Marcela Alejandra; Rulloni, Valeria Soledad
• Materia: CONAE. Comisión Nacional de Actividades Espaciales. Instituto de Altos Estudios Espaciales "Mario Gulich"; Procesos de remoción en masa (PRM); Aprendizaje automático; Radar de apertura sintética; Redes neuronales artificiales; Máquina de vectores de apoyo; Bosque aleatorio
• Institución: Universidad Nacional de Córdoba

Tesis (Magister en aplicaciones de información espacial)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2025.
Fil: Delgado, Carlos Manuel. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
Este trabajo evaluó la efectividad de distintos clasificadores automáticos aplicados a combinaciones de imágenes ópticas, radar y derivados de Modelos Digitales de Elevación (MDE) para la identificación de Procesos de Remoción en Masa (PRM) en el valle del río Santa Cruz, provincia de Santa Cruz, una región caracterizada por la alta recurrencia de estos eventos. Se implementaron tres algoritmos de clasificación: Random Forest, Support Vector Machine y Artificial Neural Network, utilizando dos enfoques metodológicos: Análisis de Imagen Basado en Píxeles (PBIA) y Análisis de Imagen Basado en Objetos (OBIA). El procesamiento de los datos se realizó en dos etapas, obteniéndose inicialmente resultados variables y con posibilidades de mejora. En una segunda etapa se optimizó la metodología aplicada, logrando mejoras significativas tanto en la coherencia espacial de los resultados como en la precisión estadística de las clasificaciones. Los resultados evidencian el potencial de estas técnicas para el reconocimiento automático de PRM, aunque destacan la necesidad de continuar ajustando parámetros y metodologías. Se identificaron como líneas futuras de trabajo la optimización de la segmentación, la incorporación de nuevas combinaciones de imágenes y capas derivadas, así como la evaluación de otros clasificadores y técnicas complementarias que permitan mejorar la detección y caracterización de estos procesos geomorfológicos.
This study evaluated the effectiveness of different automatic classifiers applied to combinations of optical images, radar images, and Digital Elevation Model (DEM) derivatives for the identification of Mass Removal Processes (MRP) in the Santa Cruz River valley, Santa Cruz province, a region characterized by the high recurrence of these events. Three classification algorithms were implemented: Random Forest, Support Vector Machine, and Artificial Neural Network, using two methodological approaches: Pixel-Based Image Analysis (PBIA) and Object-Based Image Analysis (OBIA). Data processing was carried out in two stages, initially obtaining variable results with room for improvement. In a second stage, the methodology applied was optimized, achieving significant improvements in both the spatial consistency of the results and the statistical accuracy of the classifications. The results demonstrate the potential of these techniques for the automatic recognition of PRM, although they highlight the need to continue adjusting parameters and methodologies. Future lines of work identified include the optimization of segmentation, the incorporation of new combinations of images and derived layers, and the evaluation of other classifiers and complementary techniques to improve the detection and characterization of these geomorphological processes.
Fil: Delgado, Carlos Manuel. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.