Aplicación de la segmentación semántica para el análisis del efecto del cambio climático en la cubierta vegetal de la Antártida

Consultable a partir de

2026-07-01

Date

2024

Authors

Gastearena Irigoyen, Amaia

Publisher

Acceso embargado / Sarbidea bahitua dago
Trabajo Fin de Grado / Gradu Amaierako Lana

Project identifier

Abstract

En las últimas décadas, la Antártida ha experimentado cambios significativos, desde el colapso de enormes plataformas de hielo hasta el retroceso de glaciares costeros. Estos eventos, junto con la acelerada pérdida de hielo en la península antártica y la variabilidad en la extensión del hielo marino, son indicadores claros de la influencia del cambio climático en esta región. El presente trabajo tiene como objetivo analizar los efectos del cambio climático usando un enfoque alternativo: el análisis de los cambios producidos en la cubierta vegetal. Para ello se dispone de fotografías capturadas in situ a lo largo de dos décadas. Mediante el etiquetado y preprocesamiento de dichas imágenes y la implementación de técnicas de aprendizaje profundo para la segmentación semántica de imágenes, se pretende observar la evolución de distintos tipos de vegetación hallados en la Antártida.


In the last decades, Antarctica has experienced significant changes, from the collapse of huge ice shelves to the retreat of coastal glaciers. These events, along with the accelerated ice loss on the Antarctic Peninsula and the variability in sea ice extent, are clear indicators of the influence of climate change in this region. The aim of this work is to analyze the effects of climate change using an alternative approach: the analysis of changes in the vegetation cover. To this end, photographs captured in situ over two decades are available. By labeling and preprocessing these images and implementing deep learning techniques for semantic image segmentation, the goal is to observe the evolution of different types of vegetation found in Antarctica.

Description

Keywords

Cambio climático, Segmentación de imagen, Aprendizaje profundo, Antártida, Etiquetado de imágenes, LabelMe, PyTorch, Torchvision, Climate change, Image segmentation, Deep learning, Antartica, Image labeling, LabelMe, PyTorch, Torchvision

Department

Faculty/School

Escuela Técnica Superior de Ingeniería Agronómica y Biociencias / Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola Teknikoa

Degree

Graduado o Graduada en Ciencia de Datos por la Universidad Pública de Navarra, Datuen Zientzietako Graduatua Nafarroako Unibertsitate Publikoan

Doctorate program

item.page.cita

item.page.rights

Los documentos de Academica-e están protegidos por derechos de autor con todos los derechos reservados, a no ser que se indique lo contrario.