Detección de cuerpos de agua en imágenes hiperespectrales usando similitud diferencial espectral y redes neuronales

Resumen

Introducción (I): La detección eficiente de materiales en imágenes hiperespectrales es un reto debido a su alta dimensionalidad. Este estudio propone y evalúa dos métodos computacionales —similaridad espectral diferencial (SDS) y redes neuronales secuenciales— para detectar cuerpos de agua en imágenes con 380 bandas de reflectancia. Metodología (M): Se adaptó la metodología CRISP-DM en cuatro fases: comprensión del negocio y los datos, preparación de datos, modelado y evaluación, e implementación. Se utilizaron 200 firmas espectrales para entrenar los modelos, los cuales fueron aplicados a una imagen hiperespectral del barrio Manga, en Cartagena (Colombia). Resultados (R): Ambos métodos identificaron píxeles de cuerpos de agua con porcentajes entre 13,734% y 16,083%, siendo SDS el que cometió menos errores de detección. Además, SDS fue en promedio 16,1 veces más rápido en procesamiento. Conclusión (C): Por su precisión y eficiencia, los métodos evaluados, especialmente SDS, son alternativas viables frente a enfoques más complejos y se consideran adecuados para su integración en sistemas de monitoreo ambiental en tiempo real.