I Simposio de Postgrado 2023. Ingeniería, ciencias e innovación

MÓDULO_ 07 Matemáticas aplicadas y Modelación matemática 138 DETECCIÓN AUTOMÁTICA DE GLACIARES ROCOSO MEDIANTE IMÁGENES SATELITALES Y DEEP LEARNING RESUMEN Los glaciares rocosos (GR) son masas de hielo que están cubiertas por una capa de detritos (Azocar & Brenning, 2010). En los últi- mos años, el aumento de temperatura en la zona central de Chile, han provocado estrés en los sistemas acuáticos y déficit de pre- cipitaciones (Garreaud et al., 2020) volviendo el mapeo y cuanti- ficación de las reservas de agua de alta montaña, tales como los GR, un tema de relevancia nacional. No obstante, la localización y cuantificación de estos por losmétodos in situ se vuelven costosos debido a las características geográficas donde se ubican. Si bien, el uso de imagen satelitales para el mapeo de los GR ha mejorado. Estos se realizanmediante interpretaciónmanual, siendo un pro- ceso laborioso y subjetivo provocando muchas veces inconsisten- cia en la categorización (Aubrey et al. 2020). El presente estudio, propone una metodología para mejorar las condiciones del mapeo GR. Se establece un método basado en uso de imágenes satelitales de libre distribución y deep learning para la detección automatizada de GR. Se propone una secuen- cia de pasos a considerar que mejore el procesamiento de datos bajo la técnica InSAR tradicional para el cálculo de velocidad promedio de deformación de los GR. Posteriormente, se gene- ra una base de datos del área de estudio datos satelitales ópti- cos, de velocidad y el Inventario Público de Glaciares. Para la detección de los GR, se ocupa una red neuronal convolucional previamente entrenada con arquitectura ResNet-UNet que lue- go se ajusta a la base de datos personalizada. Se comparan los resultados de la red para los datos ingresados secuencialmente con respecto a los ingresados de forma paralela. 1 Departamento de Ingeniería Matemática, Universidad de Chile. 2 Centro de Modelamiento Matemático, Universidad de Chile. *Email: clemun@dim.uchile.cl Catherine Lemun 1*