Estimación de la humedad del suelo a alta resolución mediante redes neuronales convolucionales y su aplicación al monitoreo hídrico regional

Becario doctoral del Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET) desde 2023 y estudiante del Doctorado en Ingeniería en la Facultad de Ingeniería y Ciencias Hídricas (FICH) de la Universidad Nacional del Litoral (UNL), Santa Fe, Argentina. Es Máster en Informática Avanzada (2021) por la Facultad de Tecnologías Interactivas de la Universidad de las Ciencias Informáticas (UCI), La Habana, Cuba, e Ingeniero en Ciencias Informáticas (2017) por la misma institución. Actualmente trabaja en la aplicación de técnicas de deep learning y teledetección para el monitoreo de variables ambientales, con énfasis en la estimación de la humedad del suelo y el estudio de procesos asociados al fuego en humedales, desarrollando sus actividades en el Centro de Estudios Fluviales e Hidroambientales del Litoral (CEFHAL).

En la charla se abordará la estimación de humedad del suelo a alta resolución espacial, una variable clave para aplicaciones agrícolas e hidrológicas, cuyo monitoreo satelital sigue siendo un desafío. Se presentará un enfoque basado en una red neuronal convolucional tipo U-Net que permite estimar humedad del suelo a 30 m de resolución a partir de imágenes Landsat 8 en la región pampeana de Argentina. El modelo, entrenado con datos de la misión argentina SAOCOM, muestra buen desempeño al validarse con mediciones in situ y permite reconstruir una serie temporal continua de alta resolución para el período 2013–2025, con potencial aplicación en el análisis de sequías y estrés hídrico a escala regional.

El seminario será transmitido en vivo en este enlace.