Determina la empleabilidad del sistema microdron-multirotor potenciado como alternativa para obtener ortofotomapas que cumplan las especificaciones técnicas elaboradas por las instituciones técnicas oficiales del gobierno peruano. Describe la propuesta metodológica para generar ortofotomapas a partir de imágenes aéreas obtenidas con microdron-multirotor. Identifica los componentes básicos del microdron-multirotor para su uso y aplicación en el caso de estudio. Determina el grado de precisión y exactitud de la plataforma dron en referencia a puntos GPS de orden mayor. Determina los valores GSD teórico y su respectiva verificación mediante una actividad experimental controlada a varias alturas de vuelo. Desarrolla la propuesta metodológica en el estudio caso correspondiente a las playas del distrito de Barranco para una escala de 1:1000. / Tesis

Muestra la utilidad de las imágenes de satélite y su importancia en la detección y estimación de la cuantificación de áreas deforestadas a causa de la minería aurífera aluvial. El área de estudio es la Quebrada Guacamayo ubicada en la región Madre de Dios, Perú. En la investigación se utilizan imágenes de satélite registradas por los sensores TM, ETM+ y OLI (resolución espacial de 30 m x 30 m) a bordo de los satélites Landsat 5, Landsat 7 y Landsat 8, respectivamente. Estas imágenes son procesadas mediante el software de procesamiento de imágenes ENVI v5.2, obteniendo la reflectancia de la superficie del suelo. Posteriormente se calcula el índice de vegetación de diferencia normalizada (NDVI) el cual es utilizado para determinar los umbrales mediante la técnica de segmentación por umbrales. Esta técnica se basa en la conglomeración de pixeles de un determinado tipo de superficie que a su vez permite delimitar las áreas deforestadas por minería aurífera de suelos desnudos de escaza vegetación, vegetación natural, áreas de cultivo y cuerpos de agua. De acuerdo al análisis de la segmentación aplicado a las imágenes, se determina que el umbral superior es de 0.52, mientras que el umbral inferior es de -0.28. Los resultados obtenidos muestran que la deforestación por minería aurífera en la Quebrada Guacamayo, comienza a desarrollarse entre los años 2006 y 2007. Se determina que la tasa promedio anual durante el periodo de estudio (2006 - 2015) es de 1,260 ha/año. El mayor incremento anual de la deforestación por esta actividad, se da entre los años 2010 - 2011, a raíz de un incremento del precio del oro para este periodo, con un área estimada de 1746.45 ha. Finalmente el análisis estadístico muestra que los datos del precio promedio anual del oro y el incremento anual de la deforestación por minería aurífera, presenta una alta relación lineal entre ambas variables, con un coeficiente de correlación de Pearson de r = 0.95. / Tesis

La presente tesis muestra el diseño de un detector de árboles y edificaciones en imágenes aéreas elaborado en base a algoritmos de aprendizaje profundo, cuyas redes troncales para la extracción de características son redes neuronales convolucionales. Este trabajo es parte de la tarea de automatización de un sistema de inspección de fajas de servidumbre que recibe imágenes capturadas por drones. Inicialmente, el trabajo se ha centrado en el etiquetado de árboles y edificaciones en imágenes aéreas para la elaboración del dataset; para ello, se ha utilizado la herramienta Image Labeler de Matlab. Posteriormente, se dividió dicho conjunto de datos en data de entrenamiento (80%), validación (10%) y evaluación (10%); además de emplear la función imageDataAugmenter para incrementar la cantidad de imágenes disponible. Seguidamente, se procedió con el entrenamiento de la red bajo ciertos valores de hiperparámetros y; finalmente, se evaluó la eficacia del detector bajo ciertas métricas como precisión, sensibilidad y precisión promedio media. Los resultados obtenidos muestran que el detector diseñado e implementado en Pytorch delimita correctamente la ubicación de los árboles y edificaciones en imágenes aéreas; además de etiquetarlos con su clase correspondiente. Esto se evidencia en los valores de precisión promedio del 70% para la clase árboles y del 63% para la clase edificaciones, logrando una precisión promedio media del 67%.