El Catálogo Colectivo reúne los registros del material que posee cada una de las
bibliotecas de la Universidad Nacional de Córdoba, pudiendo encontrarse colecciones
especializadas y actualizadas en todas las áreas del conocimiento; lo que permite una
amplia visibilidad y garantiza el acceso al patrimonio documental de la Universidad.
Se encuentra disponible para toda la comunidad académica: estudiantes, docentes,
egresados e investigadores.
Si formas parte de la comunidad de la UNC también podés solicitar préstamos de material,
a cualquier biblioteca universitaria, utilizando el servicio de préstamo interbibliotecario,
independientemente de la facultad a la que pertenezcas, la carrera que curses o la cátedra
que dictes.
Dentro de un panorama de aumento constante en la demanda de energía, es notoria la creciente exploración de cuencas hidrocarburíferas sujetas a duras condiciones climáticas y antes consideradas remotas.
En este contexto, las técnicas de sensado remoto pueden ser utilizadas para dar soporte a la det...
Dentro de un panorama de aumento constante en la demanda de energía, es notoria la creciente exploración de cuencas hidrocarburíferas sujetas a duras condiciones climáticas y antes consideradas remotas.
En este contexto, las técnicas de sensado remoto pueden ser utilizadas para dar soporte a la detección y monitoreo de vertidos accidentales o productos de la propia operatoria, siendo entre ellas la tecnología SAR una de las que dispone de mayor potencial de aplicación.
Desde el presente trabajo, se hace una introducción al estado del arte en la materia, a las capacidades de estas técnicas, como así también a sus limitaciones y herramientas para superarlas.
Se detallan un conjunto de características que potencialmente explican al objeto detectado y que posteriormente ingresadas a un proceso de clasificación de redes neuronales de reconocimiento de patrones serán de de utilidad para establecer, con un cierto grado de confiabilidad, si éste objeto esta relacionado a una falsa alarma o a un real derrame de hidrocarburos.
Se entrenó a la red neural con escenas extraídas de imágenes Envisat-ASAR, de las que se obtuvieron alrededor de 230 manchas, alcanzando un 81,3% de casos de correcta clasificación en el caso de derrames reales y un 100% en el caso de falsas alarmas.
Los resultados alcanzados, en conjunto con una futura implementación de una aplicación automatizada de alerta y monitoreo, dan pautas claras de la potencialidad de esta técnica aplicable sobre zonas de interés ecológico, socioeconómico o geopolítico.