Teledetección de impactos medioambientales producidos por derrames de petróleo en el mar utilizando Inteligencia Artificial Geoespacial

Abstract

Se desarrolló un sistema de Inteligencia Artificial Geoespacial para mejorar la teledetección de impactos ambientales ocasionados por derrames de petróleo en el mar. La investigación adoptó un enfoque cuantitativo y una metodología experimental, utilizando imágenes de Radar de Apertura Sintética (SAR) provenientes de un conjunto de datos de referencia y datos correspondientes a un derrame ocurrido en Ventanilla durante 2022. Se compararon las arquitecturas de aprendizaje profundo U-Net, PSPNet, DeepLabV3 y DeepLabV3+, y se diseñó un modelo mejorado denominado ReImprovedDeepLabV3+, que incorpora un mecanismo de atención polarizada y StripePooling en el módulo ASPP. Los resultados evidenciaron que el modelo propuesto alcanzó un Accuracy de 97,86 %, Recall de 96,01 % e IoU de 0,6477, además de reducir en 25,7 % el tiempo de entrenamiento respecto al modelo DeepLabV3+. Asimismo, se desarrolló una interfaz web mediante Streamlit para facilitar la evaluación del impacto geoespacial de los derrames. Se concluye que la Inteligencia Artificial Geoespacial mejora la detección y clasificación de derrames de petróleo, constituyendo una herramienta potencial para el monitoreo y la gestión ambiental de ecosistemas marinos y costeros, en concordancia con el Objetivo de Desarrollo Sostenible 14.