Delimitación de áreas afectadas por incendios forestales mediante aprendizaje profundo en imágenes satelitales

Abstract

El mapeo de las áreas afectadas por incendios forestales (cicatriz) es una tarea importante en nuestro territorio. Esta delimitación de superficies afectadas es crucial para conocer la magnitud real de los incendios con el objetivo de construir políticas adecuadas de prevención, reducción del riesgo, y restauración. El avance en la clasificación de imágenes satelitales mediante algoritmos de aprendizaje profundo basado en redes neuronales convolucionales junto con la gran cantidad de datos de sensores de acceso libre nos permite ámbitos de investigación. Este estudio plantea un modelo de segmentación semántica para delimitar las áreas afectadas producto de los incendios forestales en el departamento de Cusco. Se generó una base de datos de 2898 imágenes (444 con áreas afectadas) del sensor Sentinel-2 de los años 2017 a 2021, lo cual nos brinda una variación anual de los ecosistemas afectados. Se formaron 18 conjuntos de datos donde se distribuyeron un 64 % para entrenamiento, 16 % para validación y 20 % para prueba, tanto para imágenes con o sin áreas afectadas. Los resultados obtenidos para el modelo nos brindan valores promedio: Accuracy de 99 %, Precision de 92 %, Recall de 91 %, IoU de 0.84, F1-Score de 0.91, y Kappa de 0.87 para los datos de prueba. Con lo cual se valida que el modelo propuesto es una herramienta efectiva para la delimitación de áreas afectadas producto de los incendios forestales.