Mobirise

Publicación semestral   • ISSN 2683-2968   •  Noviembre 2023   •  Número de revista 8

Plataforma de IA UNAM-HUAWEI para el mapeo de inundaciones mediante imágenes satelitales

 Plataforma de IA UNAM-HUAWEI para el mapeo de inundaciones mediante imágenes satelitales

DOI: 10.22201/dgtic.26832968e.2023.8.5

Fernando Pech May
Jorge Magaña Govea
Luis Antonio López Gómez
German Ríos Toledo

Compartir este artículo

1/6

I Introducción

Resumen  Abstract  Cita

Los programas Nacionales Estratégicos del Gobierno Federal (PRONACES) tienen entre sus metas dar solución a problemas prioritarios nacionales para el bienestar social y el cuidado del medio ambiente [3]. Estos programas coinciden con los Objetivos de Desarrollo Sostenible (ODS) de la ONU [9], entre las que destacan: Salud, Agua, Soberanía alimentaria, energía y cambio climático, entre otros.
Para alcanzar estos objetivos es necesario el esfuerzo de investigadores, organizaciones sociales, desarrollo tecnológico, etc. La Ciencia de la Computación no está exenta de participar.

Los avances tecnológicos ofrecen un conjunto de herramientas que permiten realizar numerosas investigaciones dando solución a problemas relacionados con el medio ambiente, cambio climático, agricultura, inundaciones, etc.

Las inundaciones son consideradas entre los fenómenos naturales más destructivos, causando daños humanos y pérdidas económicas en el mundo [2]. En México, estados como Tabasco, sufren este fenómeno cada año, afectando las actividades económicas, salud humana, agricultura, ganadería entre otros.
En consecuencia, surge la necesidad de proponer estrategias para mitigar los daños ocasionados por las inundaciones, a través del uso de técnicas y herramientas de inteligencia artificial y percepción remota para el análisis de la cobertura terrestre.

En este contexto, propusimos desarrollar una estrategia para la detección y mapeo de inundaciones y zonas de riesgo, en la zona de los Ríos del estado de Tabasco, a través del uso de imágenes satelitales Sentinel 1 y Sentinel 2 y Aprendizaje profundo. La ejecución de algoritmos de aprendizaje profundo requiere recursos de cómputo de alto desempeño, que por su alto costo, son difíciles de adquirir. Por fortuna, existen programas, como el espacio de innovación UNAM-HUAWEI, que proporciona al investigador una plataforma completa para el acceso a recursos de cómputo de alto desempeño y desarrollar aplicaciones de inteligencia artificial para dar solución a problemas de carácter social.

En este artículo se describen las experiencias vividas en la creación del proyecto “Mapeo de inundaciones del sureste mexicano mediante imágenes satelitales Sentinel y aprendizaje Profundo” presentado en la alianza UNAM-HUAWEI. 

Fecha de recepción: julio de 2023
Fecha de publicación: noviembre de 2023

TIES, REVISTA DE TECNOLOGÍA E INNOVACIÓN EN EDUCACIÓN SUPERIOR (www.ties.unam.mx) 2023, Año 4, No. 7, marzo 2023, es una publicación semestral editada por la Universidad Nacional Autónoma de México (UNAM), Ciudad Universitaria, Alcaldía Coyoacán, C.P. 04510, Ciudad de México, a través de la Dirección General de Cómputo y de Tecnologías de Información y Comunicación, (DGTIC), Circuito Exterior s/n, Ciudad Universitaria, Alcaldía Coyoacán, C.P. 04510, Ciudad de México, Teléfono: (55) 56228166, https://www.ties.unam.mx, revista.ties@unam.mx. Editor responsable: Mtra. Lizbeth Luna González. Número de reserva de Derechos de Autor otorgado por INDAUTOR: 04-2019-011816190900-203 ISSN: 2683-2968, ambos otorgados por el Instituto Nacional del Derecho de Autor. Responsable de la última actualización de este número, Dirección General de Cómputo y de Tecnologías de Información y Comunicación, (DGTIC). Circuito Exterior s/n, Ciudad Universitaria, Alcaldía Coyoacán, C.P. 04510, Ciudad de México, fecha de la última modificación, diciembre de 2022. El contenido de los artículos es responsabilidad de los autores y no refleja el punto de vista de los árbitros, del Editor o de la UNAM. Se autoriza la reproducción total o parcial de los textos aquí publicados siempre y cuando se cite la fuente completa y la dirección electrónica de la publicación. La revista se ha desarrollado sin fines de lucro, con finalidades de diseminación del conocimiento, bajo licencia Creative Commons Reconocimiento-NoComercial (CC BY-NC-SA 4.0). Hecho en México, 2023.

HTML Code Generator