Aplicación de redes neuronales al análisis de datos en teledetecciónpredicción cartográfica de incendios forestales

Resumen

Este trabajo busca determinar la fiabilidad de la técnica de Redes Neuronales Artificiales en la predicción y número de grandes incendios forestales (de más de 500 hectáreas) en la Cuenca Mediterránea Europea. Se busca también averiguar si esta técnica es mejor clasificador para identificar área quemada usando imágenes de satélite, con respecto a otras técnicas convencionales de clasificación (como el algoritmo de máxima probabilidad o las regresiones). Para la predicción de incendios, se comparan los resultados que se obtienen por medio de redes neuronales con métodos de regresión, comprobándose por medio de distintas pruebas, que efectivamente, las redes neuronales son mejores predictoras que los métodos de regresión empleados (logística y lineal múltiple), si bien son menos aptas que aquellos al momento de buscar una explicación de las funciones de predicción encontradas, que no ha sido posible obtener por medio de redes neuronales. En la determinación de área quemada, se han contrastado los resultados obtenidos con redes neuronales, un clasificador de máxima verosimilitud y regresión logística, encontrándose que no parece haber diferencias significativas entre estos métodos para identificar área quemada a partir de imágenes de satélite, pero la red neuronal se ha evidenciado como la mejor técnica para transportar el aprendizaje de lo que es el área quemada, a otras áreas desconocidas, siendo capaz de reconocer las zonas que han sido afectadas por el fuego con mayor fiabilidad que la ecuación de regresión logística obtenida en la misma imagen en que se obtuvo la red.