DETECCIÓN AUTOMÁTICA DE CUERPOS DE AGUA DEL BAJÍO UTILIZANDO PARÁMETROS MORFOMÉTRICOS OBTENIDOS DE IMÁGENES SATELITALES Y PROCESADOS CON REDES NEURONALES (AUTOMATIC DETECTION OF WATER BODIES OF EL BAJÍO USING MORPHOMETRIC PARAMETERS OBTAINED FROM SATELLITE IMAGES AND PROCESSED WITH NEURONAL NETWORKS)

Resumen

Resumen
La conservación de las masas de agua superficiales es un tema crucial para el desarrollo socioeconómico de los asentamientos humanos. Por tanto, el seguimiento constante de la distribución territorial del agua es cada vez más una prioridad. Las imágenes procesadas fueron obtenidas de la misión satelital SENTINEL 2 que provee su información en base a 13 bandas multiespectrales, de las cuales se usaron las bandas B3 (verde) y B8 (infrarrojo cercano) en el cálculo del parámetro de identificación de agua NDWI. En este trabajo se propone un sistema de identificación de masas de agua mediante redes neuronales a partir de una base de datos de clasificadores que permite a la red discriminar píxel a píxel si existe o no presencia de agua. La red se implementa en dos ambientes diferentes: Matlab y Google Colaboratory, dos plataformas que logran obtener buenos resultados en el diseño de modelos de redes neuronales. En las pruebas realizadas queda demostrada la capacidad predictiva del sistema implementado, logrando un rendimiento por encima del 90% de precisión, cumpliendo con los objetivos de identificación.
Palabras Clave: cuerpos de agua, visión artificial, Google Colaboratory, Matlab, red neuronal.

Abstract
The conservation of surface water bodies is a crucial issue for the socioeconomic development of human settlements. Therefore, the constant monitoring of territorial water distribution is increasingly a priority. The processed images were obtained from the SENTINEL 2 satellite mission that provides its information based on 13 multispectral bands, of which bands B3 (green) and B8 (near infrared) were used in the calculation of the water identification parameter NDWI. In this work, a system for identifying bodies of water using neural networks is proposed from a database of classifiers that allows the network to discriminate pixel by pixel whether it is in the presence of water or not. The network is implemented in two different environments: Matlab and Google Colaboratory, two platforms that achieve good results in the design of neural network models. In the tests carried out, the predictive capacity of the implemented system is demonstrated, achieving a performance above 90% accuracy, meeting the identification objectives.
Keywords: water bodies, artificial vision, Google Colaboratory, Matlab, neural network.