Pronóstico de la salud de la vegetación mediante aprendizaje automático aplicado a imágenes multiespectrales de satélite

Abstract

La presente investigación tiene como objetivo analizar y predecir la salud de la vegetación en el departamento de Nariño mediante el uso de imágenes satelitales multiespectrales provenientes de Landsat y MODIS. En el marco referencial se abordan conceptos relacionados con la teledetección, el índice de vegetación de diferencia normalizada (NDVI) y el uso de modelos de inteligencia artificial para el análisis de datos geoespaciales. Metodológicamente, el estudio se desarrolló bajo un enfoque cuantitativo aplicado, con un diseño experimental computacional y un alcance predictivo, utilizando datos históricos satelitales que fueron preprocesados, organizados y transformados en un conjunto de datos estructurado. Se aplicaron técnicas de extracción de características espectrales y cálculo del NDVI, así como la construcción de ventanas temporales para capturar la dinámica de la vegetación. Posteriormente, se diseñó e implementó un modelo de aprendizaje profundo basado en redes neuronales convolucionales recurrentes (ConvLSTM), capaz de aprender patrones espaciales y temporales a partir de secuencias de imágenes.