Predicción de la temperatura superficie de la Tierra alta resolución con regresión lineal múltiple mediante índices espectrales con Python

CursoVirtual, clases grabadas

La predicción de la temperatura de la superficie terrestre (LST, por sus siglas en inglés) es un aspecto crítico en diversas áreas, como la gestión de recursos naturales, el monitoreo ambiental y la planificación urbana. La LST proporciona información fundamental sobre el intercambio de energía entr

Descripción

La predicción de la temperatura de la superficie terrestre (LST, por sus siglas en inglés) es un aspecto crítico en diversas áreas, como la gestión de recursos naturales, el monitoreo ambiental y la planificación urbana. La LST proporciona información fundamental sobre el intercambio de energía entre la superficie y la atmósfera, lo que impacta fenómenos como el cambio climático, la desertificación y las islas de calor urbano.

Tradicionalmente, los datos de LST se obtienen mediante sensores remotos, como los proporcionados por satélites (MODIS, Landsat, entre otros). Sin embargo, los datos satelitales suelen estar limitados por su resolución espacial o temporal. Para abordar estas limitaciones, la modelización basada en índices espectrales y técnicas estadísticas, como la regresión lineal múltiple, puede ser una solución eficaz.

En este proyecto, se utiliza Python como la herramienta principal para implementar un modelo de regresión lineal múltiple que incorpore índices espectrales y otros datos relevantes para predecir la LST con alta resolución espacial.

Certificación

Al completar las clases y aprobar las evaluaciones recibe su certificado digital por 60 horas lectivas.

Cada certificado incluye un código QR y un código único para que cualquier empresa o institución verifique su autenticidad en geomatica.pe/verificar. Ver modelo de certificado
  • Instalación de librerías Python

  • Conexión datos sin registro

  • Obtener colección de satélite

  • Ingresar zona de estudio

  • Filtro de búsqueda de la imagen

  • Exportación de características imágenes en tabla

  • Visualización de la imagen recortada zona

  • Descarga de la imagen seleccionada

Docente

NF
Nino Frank Bravo Morales

Ingeniero en Recursos Naturales Renovables · Especialista en geomática, SIG y teledetección

Consultor y capacitador con más de 15 años de experiencia en SIG y teledetección. Autor de complementos publicados en el repositorio oficial de QGIS: geeSWAT, GeoForest Tools, GeoInterpolation Analyst, GeoSpecies Tools, GeoSIG Tools y GeoRemote Tools.