Integración de redes neuronales convolucionales y percepción remota en la modelación de la conectividad y accesibilidad de áreas verdes urbanas
Gracias a los servicios ambientales que brindan, las áreas verdes urbanas (AVU) representan un aspecto importante dentro los espacios públicos de las ciudades. Conforme a las políticas de manejo en que se desarrollen, los procesos de urbanización pueden influir de forma positiva o negativa en el cui...
| Autor principal: | |
|---|---|
| Formato: | Tesis |
| Lenguaje: | Spanish / Castilian |
| Publicado: |
2022
|
| Materias: | |
| Acceso en línea: | http://eprints.uanl.mx/26655/7/26655.pdf.crdownload |
| _version_ | 1824351187138248704 |
|---|---|
| author | Huerta García, Roberto Emmanuel |
| author_facet | Huerta García, Roberto Emmanuel |
| author_sort | Huerta García, Roberto Emmanuel |
| collection | Tesis |
| description | Gracias a los servicios ambientales que brindan, las áreas verdes urbanas (AVU) representan un aspecto importante dentro los espacios públicos de las ciudades. Conforme a las políticas de manejo en que se desarrollen, los procesos de urbanización pueden influir de forma positiva o negativa en el cuidado y conservación de estos ecosistemas urbanos. El monitoreo de las AVU brinda la posibilidad de conocer su situación actual y permite evaluar las medidas de la regulación existentes, así como su adecuado cumplimiento. La conectividad, accesibilidad y condición de la vegetación son parámetros determinantes del estado en que se encuentran las AVU. A través de estos parámetros se determinan los flujos de energía, los materiales y las especies en un espacio físico. La tecnología actual de los sistemas de información geográfica (SIG), los sensores remotos y la integración del análisis autónomo, a través del aprendizaje profundo de los datos, permite generar información clave para una gestión más eficiente y económica de las AVU. En esta investigación se utiliza la sinergia de estas tres tecnologías mediante un modelo de SIG que integra imágenes de muy alta resolución, con redes neuronales convolucionales, permitiendo generar un producto que ayudará a mejorar la gestión de las AVU. |
| first_indexed | 2025-02-06T06:21:36Z |
| format | Tesis |
| id | eptesis-26655 |
| institution | UANL |
| language | Spanish / Castilian |
| last_indexed | 2025-02-06T06:21:36Z |
| publishDate | 2022 |
| record_format | eprints |
| spelling | eptesis-266552024-03-05T21:17:05Z http://eprints.uanl.mx/26655/ Integración de redes neuronales convolucionales y percepción remota en la modelación de la conectividad y accesibilidad de áreas verdes urbanas Huerta García, Roberto Emmanuel TD Tecnología Ambiental, Ingeniería Sanitaria Gracias a los servicios ambientales que brindan, las áreas verdes urbanas (AVU) representan un aspecto importante dentro los espacios públicos de las ciudades. Conforme a las políticas de manejo en que se desarrollen, los procesos de urbanización pueden influir de forma positiva o negativa en el cuidado y conservación de estos ecosistemas urbanos. El monitoreo de las AVU brinda la posibilidad de conocer su situación actual y permite evaluar las medidas de la regulación existentes, así como su adecuado cumplimiento. La conectividad, accesibilidad y condición de la vegetación son parámetros determinantes del estado en que se encuentran las AVU. A través de estos parámetros se determinan los flujos de energía, los materiales y las especies en un espacio físico. La tecnología actual de los sistemas de información geográfica (SIG), los sensores remotos y la integración del análisis autónomo, a través del aprendizaje profundo de los datos, permite generar información clave para una gestión más eficiente y económica de las AVU. En esta investigación se utiliza la sinergia de estas tres tecnologías mediante un modelo de SIG que integra imágenes de muy alta resolución, con redes neuronales convolucionales, permitiendo generar un producto que ayudará a mejorar la gestión de las AVU. 2022-05 Tesis NonPeerReviewed text es cc_by_nc_nd http://eprints.uanl.mx/26655/7/26655.pdf.crdownload http://eprints.uanl.mx Huerta García, Roberto Emmanuel (2022) Integración de redes neuronales convolucionales y percepción remota en la modelación de la conectividad y accesibilidad de áreas verdes urbanas. Doctorado thesis, Universidad Autónoma de Nuevo León. |
| spellingShingle | TD Tecnología Ambiental, Ingeniería Sanitaria Huerta García, Roberto Emmanuel Integración de redes neuronales convolucionales y percepción remota en la modelación de la conectividad y accesibilidad de áreas verdes urbanas |
| thumbnail | https://rediab.uanl.mx/themes/sandal5/images/tesis.png |
| title | Integración de redes neuronales convolucionales y percepción remota en la modelación de la conectividad y accesibilidad de áreas verdes urbanas |
| title_full | Integración de redes neuronales convolucionales y percepción remota en la modelación de la conectividad y accesibilidad de áreas verdes urbanas |
| title_fullStr | Integración de redes neuronales convolucionales y percepción remota en la modelación de la conectividad y accesibilidad de áreas verdes urbanas |
| title_full_unstemmed | Integración de redes neuronales convolucionales y percepción remota en la modelación de la conectividad y accesibilidad de áreas verdes urbanas |
| title_short | Integración de redes neuronales convolucionales y percepción remota en la modelación de la conectividad y accesibilidad de áreas verdes urbanas |
| title_sort | integracion de redes neuronales convolucionales y percepcion remota en la modelacion de la conectividad y accesibilidad de areas verdes urbanas |
| topic | TD Tecnología Ambiental, Ingeniería Sanitaria |
| url | http://eprints.uanl.mx/26655/7/26655.pdf.crdownload |
| work_keys_str_mv | AT huertagarciarobertoemmanuel integracionderedesneuronalesconvolucionalesypercepcionremotaenlamodelaciondelaconectividadyaccesibilidaddeareasverdesurbanas |