Título
Utilización de Vehículos Aéreos No-Tripulados (VANTs) e inteligencia artificial en la evaluación de la severidad de quemas prescritas en la Cordillera Cantábrica (España)
Autor
Facultad/Centro
Área de conocimiento
Asignaturas
Teledetección: hacia una visión global del cambio climático
Datos de la obra
Pérez Rodríguez, L. A., Quintano Pastor, C., Marcos, L., & Fernández Manso, A. (2019). Utilización de Vehículos Aéreos No-Tripulados (VANTs) e inteligencia artificial en la evaluación de la severidad de quemas prescritas en la Cordillera Cantábrica (España). Teledetección: hacia una visión global del cambio climático, 139-142.
Editor
Ediciones Universidad de Valladolid (EdUVa) ; Universidad de Valladolid
Fecha
2019
ISBN
978-84-1320-038-5
Abstract
[ES] La consideración de las quemas prescritas como una herramienta de gestión para la prevención de incendiosforestales se está utilizando en muchos países con problemas de grandes incendios. El conocimiento de la intensidad del fuego y el combustible vegetal eliminado es de gran interés para evaluar la eficacia de este tipo de actuaciones. Ambos parámetros están directamente relacionados con la severidad de quemado por lo que su evaluación es fundamental para predecir la evolución post-fuego de la zona quemada. En este estudio se realiza una evaluación de dos quemas prescritas en “La Sierra de Uría” (Ibias, Asturias) durante el mes de octubre de 2017. Utilizando un Vehículo Aéreo No-Tripulado (VANT) en el que se instaló una cámara multiespectral Parrot SEQUOIA se obtuvieron 4 imágenes de reflectancia de superficie en el verde (550 nm), rojo (660 nm), límite del rojo (735 nm) e infrarrojo cercano (790 nm) a muy alta resolución espacial (GSD 20 cm). En el estudio se replantearon 153 parcelas de campo en las que se midieron 3 niveles de severidad en el suelo y vegetación. Para establecer una relación entre los datos de campo y las imágenes tomadas por el VANT se utilizó inteligencia artificial, en concreto, un clasificador basado en una Red Neuronal Probabilística (RNP). La RNP diseñada tiene una estructura formada por cuatro capas (entrada, patrón, resumen y salida) con 4, 153, 3 y 3 neuronas respectivamente. La RNP es capaz de clasificar correctamente 84,31% de los niveles de severidad en vegetación y el 77,84% de los de suelo. Trabajos futuros de investigación deberán validar este trabajo en otras zonas de estudio, dentro de diferentes ecosistemas y con distintos regímenes de fuego
Materia
Palabras clave
Vehículo Aéreo No-Tripulado VANT
Quema prescrita
Parrot SEQUOIA
Severidad de quemado
Red Neuronal Probabilística (RNP)
Quema prescrita
Parrot SEQUOIA
Severidad de quemado
Red Neuronal Probabilística (RNP)
Idioma
spa
Tipo documental
info:eu-repo/semantics/conferencePaper
URI
Collections