Skip to content

OurEyesAI/monitorizacion-de-coberturas-de-agua-superficial

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

11 Commits
 
 
 
 

Repository files navigation

GEOLOCALIZACIÓN Y MONITOREO DE ATAJADOS DE AGUA NATURALES

El Cambio Climático está provocando temperaturas más cálidas que aumentan la evaporación del suelo, haciendo que los períodos con bajas precipitaciones sean más secos que en condiciones más frías, contribuyendo al fortalecimiento de un problema ya conocido la sequía. La sequía a pesar de la pandemia del Covid-19, sigue afectando a varias regiones de Bolivia (Oruro, Potosí, Cochabamba, Sucre, Tarija, Santa Cruz y La Paz), provocados por fenómenos climáticos. Las temporadas de lluvia en todo el territorio de Bolivia, provocan según la morfología y la composición del suelo cambios en la cobertura de suelo, este elemento vital generalmente se desperdicia en épocas de sequía por lo cual mediante una correcta monitorización permitiria la creación de atajados artificiales (geomembranas), que brinden agua para el consumo humano y productivo de comunidades alejadas de centros urbanos o brinden datos útiles para reorientar las politicas públicas de cambio climatico

Titulo del Repositorio

Modelo de segmentación de superficies de agua del proyecto HackCities desarrollado con Google Earth Engine y TensorFlow.

Motivación

El proyecto busca monitorear la cobertura de agua en una región especifica, para desarrollar mejores politicas ambientales en pro de preservar y/o utilizar de manera mas eficiente nuestras fuentes de agua naturales.

Capturas de pantalla

Imagenes de la región objetivo para las pruebas del modelo: Laguna Alalay

Región objetivo de la imagen en formato RGB

image

Aplicación de la conversion de bandas de tipo de clasificación a la Region objetivo para obtener los tipos de cobertura.

image

Modelo Convolucional aplicado

image

Gráficos de entrenamiento y validación

image

Resultados del modelo, observamos los cambios en el terreno.

Obtenemos imagenes y sus predicciones, en nuestro caso un terreno ubicado en el departamento de Cochabamba cerca a Coari.

img

image

Tecnologías/Frameworks utilizados

  • Google Colab (Colaboratory)
  • Google Earth Engine
  • TensorFlow
  • Keras
  • Apache Beam
  • Numpy
  • Matplotlib

Funcionalidades mas importantes

El proyecto permite una consulta a imagenes de GEE y da claridad sobre como aplicar modelos deredes neuronales sobre esas imagenes.

Instalación

El cuaderno de Colab presente en el repositorio muestra cómo crear el proyecto, entrenarlo con datos de Earth Engine, hacer predicciones sobre imágenes.

1° escargue el archivo en formato zip.

image

2° Despues descomprima la carpeta

3° Suba el archivo .ipynb a su entorno colab.

image

Y eso es todo luego puede ejecutar el proyecto en su entorno colab.

Creditos

  • Elmer Efrain Alanoca Condori
  • Federico Ortega Chura
  • Juan Carlos Sanchez Calle
  • Delma Dafné Torrico Flores

Recursos Utilizados

  • Catalog Sentinel-2 MSI: MultiSpectral Instrument, Level-1C

https://developers.google.com/earth-engine/datasets/catalog/COPERNICUS_S2#bands

  • Catalog ESA WorldCover 10m v100

https://developers.google.com/earth-engine/datasets/catalog/ESA_WorldCover_v100

  • Measuring climate and land changes with AI

https://cloud.google.com/blog/topics/developers-practitioners/measuring-climate-and-land-changes-ai?utm_source=youtube&utm_medium=unpaidsoc&utm_campaign=CDR_ret_gcp_yfuxjwamepw_PeopleAndPlanetAI_061422&utm_content=description

  • DeepGlobe Land Cover Classification Challenge

https://competitions.codalab.org/competitions/18468

  • Kaggle

https://www.kaggle.com/balraj98/deepglobe-land-cover-classification-dataset

  • Recursos adicionales para FCNs and Segmentation:

Fully Convolutional Network

Guide to Semantic Segmentation

Understanding and Implementing a Fully Convolutional Network

An Overview of Image Segmentation

FCN vs U-Net

Simple Example of Semantic Segmentation

Metrics to Evaluate Semantic Segmentation Model

Licencia

The MIT License

Copyright (c) 2020 [OurEyesAI]

Permission is hereby granted, free of charge, to any person obtaining a copy of this software and associated documentation files (the "Software"), to deal in the Software without restriction, including without limitation the rights to use, copy, modify, merge, publish, distribute, sublicense, and/or sell copies of the Software, and to permit persons to whom the Software is furnished to do so, subject to the following conditions:

The above copyright notice and this permission notice shall be included in all copies or substantial portions of the Software.

THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE SOFTWARE.

About

No description, website, or topics provided.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages