Predicción de la temperatura superficie de la Tierra alta resolución con regresión lineal múltiple mediante índices espectrales con Python
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.
Temario del curso
⬇ Descargar temario completo (PDF)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
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.