Análisis de prueba de concepto del modelo red neuronal para detección de cambios en coberturas de plantaciones

Abstract

El seguimiento de los cambios en la cobertura forestal se ha realizado tradicionalmente con sensores remotos, pero en años recientes se ha incorporado el Machine Learning (ML), una rama de la Inteligencia Artificial (IA) que desarrolla algoritmos capaces de aprender de los datos y mejorar sin ser programados explícitamente.

El documento presenta una prueba de concepto de ML realizada en la región del Maule. Los resultados del uso de ML en este contexto fueron positivos, con una tasa de precisión del 92% en la métrica de asertividad y del 90% al predecir etiquetas para la provincia de Talca. Se concluye que los sistemas de clasificación basados en redes neuronales son una herramienta importante para optimizar los procesos de clasificación y complementarlos con análisis de datos de alta dimensión, permitiendo que estos se puedan adaptar a diferentes condiciones geográficas. Estos avances permiten una mejor comprensión y gestión de los recursos forestales en el país.