logo móvil
Contáctanos

Datos de Observación de la Tierra y Aprendizaje Profundo Geoespacial AI para Asignar Contribuciones a los Municipios Europeos Sen4MUN: Una Aplicación Empírica en el Valle de Aosta (Noroeste de Italia)

Autores: Orusa, Tommaso; Viani, Annalisa; Borgogno-Mondino, Enrico

Idioma: Inglés

Editor: MDPI

Año: 2024

Descargar PDF

Acceso abierto

Artículo científico
2024

Datos de Observación de la Tierra y Aprendizaje Profundo Geoespacial AI para Asignar Contribuciones a los Municipios Europeos Sen4MUN: Una Aplicación Empírica en el Valle de Aosta (Noroeste de Italia)


Categoría

Ciencias Medioambientales

Subcategoría

Ciencias medioambientales generales

Palabras clave

Programa europeo
Misiones Sentinel de Copernicus
Sen4mun
Técnicas de aprendizaje profundo geoespacial
Mapa de uso del suelo
Coeficientes financieros

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 1

Citaciones: Sin citaciones


Descripción
Hoy en día, las misiones Sentinel del programa Copernicus de Europa han permitido el desarrollo de varios servicios de aplicación. En este sentido, para fortalecer el uso de datos satelitales gratuitos en los flujos de trabajo administrativos ordinarios, este trabajo tiene como objetivo evaluar la viabilidad y el desarrollo prototípico de un posible servicio llamado Sen4MUN para la distribución de contribuciones asignadas anualmente a los municipios locales y escalable a todas las regiones europeas. El análisis se centró en la región del Valle de Aosta, en el noroeste de Italia. Se realizó una comparación entre el Flujo de Trabajo Ordinario (OW) y el enfoque sugerido de Sen4MUN. OW se basa en encuestas estadísticas y declaraciones municipales, mientras que Sen4MUN se basa en técnicas de aprendizaje profundo geoespacial sobre imágenes aéreas (para extraer carreteras y edificios para obtener unidades inmobiliarias) y componentes del mapa de Uso del Suelo anuales de acuerdo con las directrices europeas EAGLE. Ambos métodos se basan en componentes de uso del suelo que representan la entrada sobre la cual se aplican los coeficientes financieros para asignar contribuciones. En ambos enfoques, se aplican buffers a la clase urbana (LCb). Este buffer se realizó de acuerdo con las directrices de consumo de suelo de la EEA-ISPRA para evitar subestimar algunas áreas que son difíciles de mapear. En el caso de Sen4MUN, esto se aplica para superar los límites del sensor Sentinel y los problemas de mezcla espectral, mientras que en el caso de OW, esto se debe a las limitaciones en el propio método de encuesta. Finalmente, se realizó una validación asumiendo como verdad el enfoque definido por la ley como estándar, es decir, OW, aunque tiene limitaciones. Los MAEs que involucran LCb, longitudes de carreteras y unidades inmobiliarias demuestran la efectividad de Sen4MUN. El enfoque desarrollado sugiere un sistema de contribuciones basado en Geomática y Teledetección para la administración pública.

Otros recursos que podrían interesarte

Temas Virtualpro