Resultados totales (Incluyendo duplicados): 1
Encontrada(s) 1 página(s)
O2, repositorio institucional de la UOC
oai:openaccess.uoc.edu:10609/147336
Tesina. Trabajo final de máster o postgrado (masterThesis). 2023

ANÀLISI DELS FACTORS CONDICIONANTS D’INCENDIS FORESTALS I PREDICCIÓ DEL RISC A CATALUNYA

  • Pascuet Capdevila, Xavier
L'objectiu d'aquest treball es analitzar les dades històriques dels incendis forestals a Catalunya. S'utilitzen diversos conjunt de dades d'incendis, meteorològiques, orogràfiques i de vegetació, amb els quals es pretén obtenir les variables determinants dels incendis. A partir d'aquest anàlisis i mitjançant tècniques d'aprenentatge automàtic es pretén construir una xarxa neuronal que predigui el risc d'incendis forestals, per a un dia determinat. Amb aquests model entrenat sobre les dades històriques, s’han generat mapes de risc d’incendi per a 4 dies diferents. A més, s'utilitzaran eines de teledetecció per obtenir les àrees cremades en els 2 grans incendis forestals del 2022 i quantificar el carboni emès i la biomassa perduda., The aim of this work is to analyze historical data on forest fires in Catalonia. Various sets of fire, meteorological, orographic and vegetation data are used, with which it is intended to obtain the determining variables of the fires. Based on this analysis and using machine learning techniques, the aim is to build a neural network that predicts the risk of forest fires, for a given day.With this model trained on the historical data, fire risk maps were generated for 4 different days. In addition, remote sensing tools will be used to obtain the areas burned in the 2 major wildfires of 2022 and quantify the carbon emitted and biomass lost., El objetivo de este trabajo se analizar los datos históricos de los incendios forestales en Cataluña. Se utilizan varios conjunto de datos de incendios, meteorológicas, orográficas y de vegetación, con los cuales se pretende obtener las variables determinantes de los incendios. A partir de este análisis y mediante técnicas de aprendizaje automático se pretende construir una red neuronal que prediga el riesgo de incendios forestales, para un día determinado. Con estos modelo entrenado sobre los datos históricos, se han generado mapas de riesgo de incendio para 4 días diferentes. Además, se utilizarán herramientas de teledetección para obtener las áreas quemadas en los 2 grandes incendios forestales del 2022 y cuantificar el carbono emitido y la biomasa perdida.

Proyecto: //
DOI: http://hdl.handle.net/10609/147336
O2, repositorio institucional de la UOC
oai:openaccess.uoc.edu:10609/147336
HANDLE: http://hdl.handle.net/10609/147336
O2, repositorio institucional de la UOC
oai:openaccess.uoc.edu:10609/147336
PMID: http://hdl.handle.net/10609/147336
O2, repositorio institucional de la UOC
oai:openaccess.uoc.edu:10609/147336
Ver en: http://hdl.handle.net/10609/147336
O2, repositorio institucional de la UOC
oai:openaccess.uoc.edu:10609/147336

Buscador avanzado