Revista de Teledetección - Núm. 68 (2026) Continuous publication
Tabla de contenidos
Artículos de investigación
- Comparative evaluation of vegetation indices to estimate yield level of Vicia villosa Roth in the Central-West Pampas, Argentine
- Remote sensing of hidden mineral deposits using ASTER multispectral imagery: A review
- Transfer learning in convolutional neural networks for fire scene classification in the Pantanal Biome (Brazil)
- Evaluation of SAR systems for hydrological monitoring of wetlands in the Paraná river delta
- Estimation of water productivity at the field scale in forage maize using remote sensing and climate reanalysis data
- Causas de la sedimentación en un canal de navegación. Análisis hidro-sedimentológico en el Puerto San Pedro, Argentina
- Spectral matched filter ensembles for hyperspectral target detection
URI permanente para esta colecciónhttps://riunet.upv.es/handle/10251/235334
Examinar
Envíos recientes
Item type: Artículo , Access status: Abierto , Spectral matched filter ensembles for hyperspectral target detection(Universitat Politècnica de València, 2026-07-20) Asghari Beirami, Behnam[ES] La detección de objetivos hiperespectrales (HTD, por sus siglas en inglés) afronta desafíos significativos, incluyendo la dimensionalidad y la sustancial variabilidad espectral. El objetivo de este trabajo es desarrollar detectores basados en filtros adaptados que sean robustos y computacionalmente eficientes, capaces de superar estas limitaciones mediante el aprendizaje por ensambles. Aunque los filtros adaptados (MF) convencionales se utilizan ampliamente como método primario y sencillo en este campo, sufren de inestabilidad de la matriz de covarianza en espacios de alta dimensión y de confusión espectral en entornos complejos de objetivo y fondo. En consecuencia, este artículo presenta tres variantes mejoradas basadas en ensambles de MF: el filtro adaptado de subespacio aleatorio (RS-MF), su versión mejorada con una firma de objetivo adaptativa (RS-MF adaptativo) y el filtro adaptado de subespacio selectivo (Selective RS-MF). Los experimentos realizados con tres conjuntos de datos de referencia para la detección de objetivos hiperespectrales demuestran que las variantes propuestas no solo mejoran el rendimiento de detección con respecto al método MF convencional, sino que también superan a otros métodos HTD existentes. Los resultados finales muestran que Selective RS-MF logra un área bajo la curva característica operativa del receptor (AUC-ROC) de aproximadamente 0,99, proporcionando soluciones robustas y efectivas para HTD en diversos entornos, a la vez que mantiene la eficiencia computacional.Item type: Artículo , Access status: Abierto , Causas de la sedimentación en un canal de navegación. Análisis hidro-sedimentológico en el Puerto San Pedro, Argentina(Universitat Politècnica de València, 2026-06-29) López Weibel, Cecilia; Walker, Elisabet; Szupiany, Ricardo N.; Universidad Nacional del Litoral, Argentina[EN] The Paraguay-Paraná system is a key waterway in South America, connecting the region to ocean routes and supporting international trade for several countries. The Puerto San Pedro (Buenos Aires, Argentina) is located at km 274 of this waterway, on the right bank of the Paraná River, in an area characterized by complex hydrodynamics due to interactions between the main channel and minor courses. In May 2025, extreme precipitations affected port operations due to sediment deposits that prevented navigability in the access channel. This study analyzes the hydro-sedimentological dynamics in the Puerto San Pedro area during the extreme event using satellite imagery and in situ data. Data from the SWOT (Surface Water and Ocean Topography) satellite mission were used to estimate water surface slopes, providing key information for estimating discharge and sediment transport. In addition, Sentinel-2 and Planet optical images were used to analyze the hydro-sedimentological evolution of the system. Moreover, the grain-size distributions of the bed sediment, before and after the event, were compared. The results show the particular hydrodynamics generated by the event, with the occurrence of a flow reversal that produced a significant sediment transport to the access channel, affecting the port operation. This work highlights the importance of understanding hydro-sedimentological dynamics associated with extreme hydrometeorological events in complex river systems in order to prevent and mitigate potential socio-economic impacts (e.g., on waterways and ports). This study also highlights the valuable information provided by the SWOT mission for estimating different hydraulic parameters.Item type: Artículo , Access status: Abierto , Estimation of water productivity at the field scale in forage maize using remote sensing and climate reanalysis data(Universitat Politècnica de València, 2026-06-18) Marcial-Pablo, Mariana de J.; Urrieta-Velázquez, Jose A.; Jiménez-Jiménez, Sergio I; Ramírez-Valle, Orlando; Inzunza-Ibarra, Marco A.; Gordillo-Salinas, Víctor M.; Secretaría de Ciencia, Humanidades, Tecnología e Innovación, México[ES] La productividad del agua de los cultivos (PA) es un indicador importante del uso del agua agrícola; uno de los grandes retos del sector agrícola es producir una mayor cantidad de alimentos con la menor cantidad de agua aumentando la PA. Los valores de la PA dependen del rendimiento y la evapotranspiración del cultivo, donde la evapotranspiración actual de los cultivos varía entre las diferentes zonas agroclimáticas y es una función de los tipos de híbridos, la fecha de madurez relativa, las prácticas agronómicas y las condiciones ambientales. El presente estudio tuvo como finalidad estimar la evapotranspiración actual (ETa) y la productividad del agua (PA) en el cultivo de maíz forrajero, mediante la integración de sensores remotos, datos climáticos de reanálisis y el modelo de simulación AquaCrop. La ETa observada se determinó usando el modelo AquaCrop, calibrado con datos de campo y parámetros de la cobertura vegetal; mientras que la ETa estimada se obtuvo a partir del modelo SEBAL, implementado en Google Earth Engine (GEESEBAL), utilizando imágenes Landsat 8 y 9 y datos climáticos de reanálisis. Los resultados mostraron que los sensores remotos sobreestimaron la ETa observada, con una sobreestimación promedio del 13 %. Por otro lado, la productividad del agua (PA) estimada con sensores remotos fue ligeramente menor (2.79 y 2.62 kg/m³) que la observada (3.19 y 2.95 kg/m³), con una diferencia promedio del 12 %. Estos resultados indican que los sensores remotos, junto con datos climáticos de reanálisis, pueden adaptarse como una alternativa viable para el monitoreo espacial de la productividad del agua en zonas agrícolas extensas. No obstante, es necesario trabajar en la reducción del error, por ejemplo, incorporando modelos de estimación espacial del rendimiento o utilizando más de un modelo de balance de energía, como METRIC, SSEBop, entre otros.Item type: Artículo , Access status: Abierto , Evaluation of SAR systems for hydrological monitoring of wetlands in the Paraná River delta(Universitat Politècnica de València, 2026-06-16) Kwaterka, Verónica Mariela; Salvia, María Mercedes; Calfayan, Laura Mariel; Tissoni, Jonathan; Grimson, Rafael; Agencia Nacional de Promoción de la Investigación, el Desarrollo Tecnológico y la Innovación, Argentina[ES] En este estudio se evaluaron distintos esquemas de adquisición de sistemas de radar de apertura sintética (SAR), considerando variaciones en la longitud de onda, la polarización y el ángulo de incidencia para el monitoreo hidrológico de los ecosistemas de humedal del interior de las islas del delta del río Paraná. Con este propósito, se analizaron las variaciones de la señal retrodispersada del centro de las islas dominado por cortadera (Scirpus giganteus) a partir de tres series temporales de imágenes de las misiones satelitales Sentinel-1 y ALOS-2 (con dos ángulos de incidencia), en relación con las fluctuaciones ordinarias de las condiciones de anegamiento. El nivel de inundación del humedal correspondiente a cada adquisición satelital se estimó a partir de un modelado hidrométrico calibrado con registro de levelogger propios. Dado que la señal retrodispersada en ambientes de humedal está influenciada por múltiples factores: (1) variaciones en el nivel de agua y saturación del suelo, (2) rugosidad superficial, y (3) estado fenológico de la vegetación; se aplicaron modelos aditivos generalizados (GAM) para analizar la influencia de estos factores en la variabilidad de la señal retrodispersada en cada configuración de adquisición satelital. Los resultados de esta investigación indican que la configuración más adecuada para el monitoreo de la dinámica hidrológica de los humedales del delta del río Paraná corresponde a la señal en banda L, con polarización HH y ángulos de incidencia más empinados. Esto se debe a que la combinación de la banda L con ángulos de incidencia bajos permite una mayor penetración de la señal a través de la cobertura vegetal de las cortaderas, aportando información más sensible del estado de inundación del humedal.Item type: Artículo , Access status: Abierto , Transfer learning in convolutional neural networks for fire scene classification in the Pantanal Biome (Brazil)(Universitat Politècnica de València, 2026-05-27) Pastrana-Mojica, Jack Endrick; Fraga-Belloli, Tássia; Boelter-Herrmann, Pamela; Magalhães-Gonçalves Dias, Ana Júlia; Cano, Deyvis; Souza-Silva, Camila; Capella-Zanotta, Daniel[ES] Durante 2024, los incendios en el Pantanal, Brasil, representaron una amenaza significativa para el humedal más grande del mundo. Este estudio presenta un enfoque de clasificación de escenas utilizando imágenes Sentinel-2 de áreas afectadas y no afectadas por el fuego, basado en aprendizaje profundo. En primer lugar, se entrenó experimentalmente un modelo con el conjunto de datos EuroSAT para clasificar pastizales y vegetación herbácea. Posteriormente, se aplicó la técnica de transferencia de aprendizaje a las imágenes del Pantanal afectadas por incendios. Finalmente, la arquitectura VGG-19 fue entrenada desde cero, sin el uso de parámetros preentrenados. Considerando estos tres experimentos, el entrenamiento con el conjunto EuroSAT alcanzó una pérdida de 0,202 tras 50 épocas. El modelo con transferencia de aprendizaje, utilizando los pesos aprendidos en el entrenamiento experimental, obtuvo una pérdida de validación de 0,15 y una precisión del 95 %, mientras que el entrenamiento desde cero alcanzó una pérdida de validación de 0,07 y una precisión del 97 %. Los resultados indican un desempeño similar entre las dos estrategias, lo que evidencia que el entrenamiento intradominio puede considerarse un método eficaz para el entrenamiento CNNS aplicadas a imágenes satelitales, sin comprometer la precisión en la clasificación de escenas, incluso en presencia de diferencias significativas en las informaciones contextuales de las imágenes. Este enfoque se presenta como una alternativa metodológica para el monitoreo ambiental en regiones tropicales complejas, caracterizadas por una alta heterogeneidad espacial y espectral.Item type: Artículo , Access status: Abierto , Evaluación comparativa de índices de vegetación para estimar el rendimiento de Vicia villosa Roth en el centro-oeste de la provincia de Buenos Aires, Argentina(Universitat Politècnica de València, 2026-05-13) Marini, Fabián; Ponti González, Nicanor; D'Amico, María Belén; Renzi Pugni, Juan P.; Chantre, Guillermo R.; Universidad Nacional del Sur, Argentina; Consejo Nacional de Investigaciones Científicas y Técnicas, Argentina[EN] The increasing availability of high-resolution satellite imagery, georeferenced field measurements, and big data management tools facilitates the development of predictive models that improve agricultural planning. This type of support is particularly valuable in regions like the central-western pampas (Argentine) where the adoption of cover crops such as Vicia villosa Roth is limited due to their high yield variability. This study evaluates the individual capacity of different vegetation indices derived from Sentinel-2 imagery to serve as input variables in models for predicting vetch seed yield. Four groups of indices, calculated from different spectral bands and across multiple dates between vegetation growth and seed maturation were considered. For each index, temporal observations were stacked to form a multiband image and associated with yield measurements recorded by harvesters. Using this information, supervised classification models were trained and validated using the Random Forest algorithm. The study was conducted with available data from seven fields in the region. Results showed that indices derived from red-edge bands exhibited the highest discriminative capacity, even when the input stack was reduced to observations from the final stages of the crop phenological cycle. In addition, certain indices incorporating corrections related to soil background effects or photosynthetically active area also achieved high classification performance. This analysis contributes to establishing a solid base for developing a predictive tool applicable to vetch seed production in central-western Pampas.Item type: Artículo , Access status: Abierto , Teledetección de depósitos minerales ocultos mediante imágenes multiespectrales ASTER. Una revisión(Universitat Politècnica de València, 2026-05-13) Santiago Chirinos, Ramiro[EN] The identification of mineral deposits lacking surface expression represents one of the major challenges in geological exploration. This study presents a systematic literature review, based on explicit selection criteria, on the use of the ASTER (Advanced Spaceborne Thermal Emission and Reflection Radiometer) sensor for detecting hydrothermal alterations associated with concealed mineralization. Both traditional spectral techniques -such as band ratios and Directed Principal Component Analysis (DPCA)- and approaches integrating geochemical and structural information through machine learning algorithms are examined. The results indicate that, although ASTER remains highly relevant due to its VNIR-SWIR-TIR spectral configuration and open-access availability, there is still a lack of standardized protocols and comparative frameworks enabling the systematic integration of spectral, geochemical, and structural datasets. Recent literature shows a transition from purely spectral approaches toward multi-source schemes supported by supervised models and deep learning architectures, which tend to improve the delineation of prospective zones in areas with significant surface cover. Overall, the review highlights that the true potential of ASTER lies not in its isolated application, but in its integration within reproducible, mineral system oriented workflows aimed at reducing uncertainty in the exploration of concealed mineral deposits.