Ir al contenido

Documat


Resumen de Inteligencia computacional en teledetección: control de contenido de humedad en combustible en superficie terrestre mediante imagen satélite para prevención de incendios

Luis Usero Aragonés Árbol académico

  • español

    La presente Tesis doctoral analiza los problemas relacionados con la estimación del contenido de humedad del combustible para prevenir posibles incendios y saber cómo se comportarán una vez iniciados. La Tesis describe el problema de estimación mediante técnicas de Teledetección. Hemos conseguido un avance en cuanto a investigación en nuevos modelos computacionales no convencionales para la estimación de la cantidad de agua en diferentes entornos de vegetación, uno de los mayores problemas que tiene la Teledetección, ya que se requiere un estudio previo de la zona, recogida selectiva de muestras y tratamiento de éstas para conocer su estructura, composición y contenido de humedad.

    A través de estas simulaciones hemos analizado la capacidad de discriminación mediante el análisis de curvas ROC (Receiver Operating Characteristic), para posteriormente utilizar diferentes técnicas de Softcomputing (Inteligencia Computacional), en concreto, modelos neuronales y evolutivos, para validar los experimentos.

    La metodología que se presenta en este trabajo para estimación de contenido de humedad en vegetación, se basa en la utilización de modelos de transferencia radiativa mediante la unión de modelos a nivel de hoja Prospect (leaf optical properties spectra) (Jacquemoud et al. 1990)) y de simulación de cubierta SAIL (Scattering by Arbitrarily Inclined Leaves).

  • English

    This doctoral thesis examines the problems related to the estimation of fuel moisture content to prevent possible fires and how to behave once they commence. The thesis describes the estimation problem using Remote Sensing techniques. We have achieved a breakthrough in terms of research into new unconventional computational models to estimate the amount of water in different environments of vegetation, one of the biggest problems of the Remote Sensing, because it requires a prior study of the area, collecting selective treatment of these samples and to understand their structure, composition and moisture content.

    Through these simulations we have analyzed the capacity of discrimination by analyzing the ROC curves (Receiver Operating Characteristic), and later use different Soft Computing techniques, namely, neural and evolutionary models, to validate the experiments.

    The methodology presented in this paper to estimate moisture content in vegetation is based on the use of radiative transfer models by linking models at Prospect leaf (leaf optical spectra properties) (Jacquemoud et al. 1990) and canopy model SAIL (Scattering by Arbitrarily Inclined Leaves).


Fundación Dialnet

Mi Documat