Análisis de teledetección satelital multi-resolución y multi-temporal para comprender los cambios inducidos por el ser humano en el paisaje para la protección del patrimonio cultural: el estudio de caso del proyecto MapDam, Siria
Autores: Abate, Nicodemo; Ronchi, Diego; Zaia, Sara Elettra; Ciccone, Gabriele; Frisetti, Alessia; Sileo, Maria; Masini, Nicola; Lasaponara, Rosa; Pedrazzi, Tatiana; Pucci, Marina
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
Categoría
Ciencias Medioambientales
Subcategoría
Ciencias medioambientales generales
Palabras clave
Estudio
Teledetección
Sitio arqueológico
Uso del suelo
Aprendizaje automático
Expansión urbana
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 12
Citaciones: Sin citaciones
Este estudio presenta un enfoque de teledetección de multi-resolución y multi-temporal para evaluar los cambios inducidos por el ser humano en los paisajes culturales, con un enfoque en el sitio arqueológico de Amrit (Siria) dentro del proyecto MapDam. Al integrar archivos satelitales (KH, serie Landsat, NASADEM) con datos geoespaciales auxiliares (OpenStreetMap) y métodos analíticos avanzados, se reconstruyeron cuatro décadas (1984-2024) de cambios en el uso del suelo/cobertura del suelo (LULC) y dinámicas de la línea de costa. La clasificación de aprendizaje automático (Random Forest) logró una alta precisión (Precisión de Prueba = 0.94; Kappa = 0.89), lo que permitió un mapeo robusto de LULC, mientras que la modelización predictiva de la expansión urbana, calibrada a través de una Máquina de Aumento de Gradiente, alcanzó una Figura de Mérito de 0.157, confirmando una fuerte fiabilidad predictiva. Los resultados revelan un crecimiento urbano dependiente de la trayectoria concentrado en terrenos de baja pendiente.
Descripción
Este estudio presenta un enfoque de teledetección de multi-resolución y multi-temporal para evaluar los cambios inducidos por el ser humano en los paisajes culturales, con un enfoque en el sitio arqueológico de Amrit (Siria) dentro del proyecto MapDam. Al integrar archivos satelitales (KH, serie Landsat, NASADEM) con datos geoespaciales auxiliares (OpenStreetMap) y métodos analíticos avanzados, se reconstruyeron cuatro décadas (1984-2024) de cambios en el uso del suelo/cobertura del suelo (LULC) y dinámicas de la línea de costa. La clasificación de aprendizaje automático (Random Forest) logró una alta precisión (Precisión de Prueba = 0.94; Kappa = 0.89), lo que permitió un mapeo robusto de LULC, mientras que la modelización predictiva de la expansión urbana, calibrada a través de una Máquina de Aumento de Gradiente, alcanzó una Figura de Mérito de 0.157, confirmando una fuerte fiabilidad predictiva. Los resultados revelan un crecimiento urbano dependiente de la trayectoria concentrado en terrenos de baja pendiente.