Desarrollo de un pipeline de datos para la predicción de incendios forestales en Pinamar

Autores
Martínez Saucedo, Ana; Inchausti, Pablo Ezequiel
Año de publicación
2022
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
En los últimos años, la severidad de los incendios forestales ha llegado a niveles preocupantes tanto a nivel internacional como nacional. No obstante, gracias al avance de la tecnología es posible predecir la ocurrencia y magnitud de los mismos a través de modelos de Machine Learning especialmente desarrollados para tal fin. Para lograr este objetivo, el presente trabajo describe el desarrollo de un pipeline de datos automatizado en el lenguaje de programación Python que genera el dataset de incendios forestales específico al Partido de Pinamar, permitiendo así el posterior entrenamiento de modelos predictivos de incendios. El mismo es a su vez configurable para reunir datos meteorológicos, topográficos y de combustible de otras áreas geográficas.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
incendios forestales
Medio ambiente
datos abiertos
machine learning
remote sensing
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/151585
Acceder
id SEDICI_26212022cfb1d03f8b78508704b7a5b6
oai_identifier_str oai:sedici.unlp.edu.ar:10915/151585
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Desarrollo de un pipeline de datos para la predicción de incendios forestales en PinamarMartínez Saucedo, AnaInchausti, Pablo EzequielCiencias Informáticasincendios forestalesMedio ambientedatos abiertosmachine learningremote sensingEn los últimos años, la severidad de los incendios forestales ha llegado a niveles preocupantes tanto a nivel internacional como nacional. No obstante, gracias al avance de la tecnología es posible predecir la ocurrencia y magnitud de los mismos a través de modelos de Machine Learning especialmente desarrollados para tal fin. Para lograr este objetivo, el presente trabajo describe el desarrollo de un pipeline de datos automatizado en el lenguaje de programación Python que genera el dataset de incendios forestales específico al Partido de Pinamar, permitiendo así el posterior entrenamiento de modelos predictivos de incendios. El mismo es a su vez configurable para reunir datos meteorológicos, topográficos y de combustible de otras áreas geográficas.Sociedad Argentina de Informática e Investigación Operativa2022-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf6-19http://sedici.unlp.edu.ar/handle/10915/151585spainfo:eu-repo/semantics/altIdentifier/url/https://publicaciones.sadio.org.ar/index.php/JAIIO/article/download/243/201info:eu-repo/semantics/altIdentifier/issn/2451-7496info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-15T11:30:50Zoai:sedici.unlp.edu.ar:10915/151585Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-15 11:30:50.871SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Desarrollo de un pipeline de datos para la predicción de incendios forestales en Pinamar
title Desarrollo de un pipeline de datos para la predicción de incendios forestales en Pinamar
spellingShingle Desarrollo de un pipeline de datos para la predicción de incendios forestales en Pinamar
Martínez Saucedo, Ana
Ciencias Informáticas
incendios forestales
Medio ambiente
datos abiertos
machine learning
remote sensing
title_short Desarrollo de un pipeline de datos para la predicción de incendios forestales en Pinamar
title_full Desarrollo de un pipeline de datos para la predicción de incendios forestales en Pinamar
title_fullStr Desarrollo de un pipeline de datos para la predicción de incendios forestales en Pinamar
title_full_unstemmed Desarrollo de un pipeline de datos para la predicción de incendios forestales en Pinamar
title_sort Desarrollo de un pipeline de datos para la predicción de incendios forestales en Pinamar
dc.creator.none.fl_str_mv Martínez Saucedo, Ana
Inchausti, Pablo Ezequiel
author Martínez Saucedo, Ana
author_facet Martínez Saucedo, Ana
Inchausti, Pablo Ezequiel
author_role author
author2 Inchausti, Pablo Ezequiel
author2_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
incendios forestales
Medio ambiente
datos abiertos
machine learning
remote sensing
topic Ciencias Informáticas
incendios forestales
Medio ambiente
datos abiertos
machine learning
remote sensing
dc.description.none.fl_txt_mv En los últimos años, la severidad de los incendios forestales ha llegado a niveles preocupantes tanto a nivel internacional como nacional. No obstante, gracias al avance de la tecnología es posible predecir la ocurrencia y magnitud de los mismos a través de modelos de Machine Learning especialmente desarrollados para tal fin. Para lograr este objetivo, el presente trabajo describe el desarrollo de un pipeline de datos automatizado en el lenguaje de programación Python que genera el dataset de incendios forestales específico al Partido de Pinamar, permitiendo así el posterior entrenamiento de modelos predictivos de incendios. El mismo es a su vez configurable para reunir datos meteorológicos, topográficos y de combustible de otras áreas geográficas.
Sociedad Argentina de Informática e Investigación Operativa
description En los últimos años, la severidad de los incendios forestales ha llegado a niveles preocupantes tanto a nivel internacional como nacional. No obstante, gracias al avance de la tecnología es posible predecir la ocurrencia y magnitud de los mismos a través de modelos de Machine Learning especialmente desarrollados para tal fin. Para lograr este objetivo, el presente trabajo describe el desarrollo de un pipeline de datos automatizado en el lenguaje de programación Python que genera el dataset de incendios forestales específico al Partido de Pinamar, permitiendo así el posterior entrenamiento de modelos predictivos de incendios. El mismo es a su vez configurable para reunir datos meteorológicos, topográficos y de combustible de otras áreas geográficas.
publishDate 2022
dc.date.none.fl_str_mv 2022-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/151585
url http://sedici.unlp.edu.ar/handle/10915/151585
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://publicaciones.sadio.org.ar/index.php/JAIIO/article/download/243/201
info:eu-repo/semantics/altIdentifier/issn/2451-7496
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
6-19
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1846064345976406016
score 13.22299

Publicaciones similares