Marco Javier Castelo Cabay, Gustavo Iván Buñay Gualoto, Byron Geovanny Pillajo Landa
Los gobiernos locales, seccionales y nacionales utilizan mapas de cobertura del suelo en la toma de decisiones políticas, ambientales, seguridad alimentaria, entre otras; la siguiente investigación presentó una nueva alternativa para realizar estos mapas mediante herramientas de computación en la nube como: Google Earth Engine, Google Colaboratory, Google Cloud Storange y Redes Neuronales Artificiales. La clasificación se realizó en la zona centro del territorio ecuatoriano específicamente en la provincia de Chimborazo abarcando una extensión de 6500 km2. Se creó una Red Neuronal Artificial usando Tensor Flow y Keras, se clasificaron cinco tipos de cobertura, vegetativo, no vegetativo, agua, nieve y árboles; la arquitectura de la red es de tipo profunda con una entrada de 1024 neuronas, varias capas intermedias de 512, 256, 128 neuronas con una función de activación relu y un de dropout de 0.2 entre cada capa que evita el sobre ajuste; una función de salida para cinco clases con una función de activación softmax. La red neuronal fue entrenada durante 100 épocas, tras evaluar el modelo se obtuvo una precisión del 92% en las clasificaciones y una pérdida del 13%. La utilización de plataformas en la nube contribuye al procesamiento de grandes cantidades de datos con capacidad de almacenamiento y procesamiento para realizar la clasificación de amplias coberturas. Además de esto el utilizar redes neuronales artificiales en imágenes satelitales es un campo en expansión que está dando buenos resultados.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados