RT info:eu-repo/semantics/bachelorThesis
T1 Redes neuronales convolucionales para detectar la cubierta de nubes en el cielo
A1 Longarela Fuente, Bruno
A2 Universidad de Valladolid. Facultad de Ciencias
K1 Redes neuronales convolucionales
K1 Cobertura nubosa
K1 Física atmosférica
AB En el campo de la física atmosférica, una de las magnitudes más relevantes es la coberturanubosa, que se define como la proporción de cielo o bóveda celeste cubierta por nubes. Las nubesdesempeñan un papel fundamental en la regulación del balance energético terrestre y el ciclohidrológico, además de ser un pilar en la circulación atmosférica, modulando parámetros comola irradiancia y la temperatura. Por ello, la cuantificación precisa de la cobertura nubosa es degran interés en el estudio del clima y la atmósfera.Tradicionalmente, la medición de la cobertura nubosa se ha realizado de forma manual mediante observadores experimentados, lo que implica un alto coste de personal y una baja resolucióntemporal. Entre los avances tecnológicos en la medición terrestre de nubes, destacan las cámarastodo cielo, que, gracias a sus lentes ojo de pez, capturan un amplio campo de visión de la bóveda celeste. Las imágenes obtenidas permiten automatizar la medición de la cobertura nubosa através de algoritmos de procesamiento de imágenes.La principal dificultad de los algoritmos clásicos reside en la detección de nubes finas y enescenarios de alta concentración de aerosoles en condiciones climáticas adversas. Los avancesrecientes en el procesamiento de imágenes han permitido desarrollar nuevas estrategias para mejorar la cuantificación de la cobertura nubosa. En este trabajo se propone un enfoque basado enel procesamiento de imágenes del cielo mediante redes neuronales convolucionales (CNN). Estametodología permite extraer características adicionales, como texturas y bordes, que resultanfundamentales para una cuantificación más precisa de la cubierta nubosa.Para el entrenamiento y validación del modelo, se han empleado 71,991 imágenes capturadas mediante siete cámaras todo cielo ubicadas en la provincia de Valladolid y en las Islas Canarias. Lacaptura de las imágenes se ha realizado en un régimen multi-exposición mediante cámaras todocielo equipadas con sensores CMOS. Además, para dotar de una mayor robustez a los modelosse ha aumentado el conjunto de datos mediante la generación de imágenes sintéticas por difusión.Siguiendo esta metodología, se han desarrollado dos modelos de CNN, cuyos resultados hansido evaluados sobre un conjunto de datos reservado para validación. Se evalúa el rendimientode ambos modelos y se analiza el impacto de la inclusión de imágenes sintéticas en su entrenamiento. El modelo ResNet36 fue el mejor alcanzando una tasa de acierto del 71.51 %. Finalmente,se comparan estos resultados con los obtenidos en trabajos previos, destacando el avance en laexactitud y en la desviación media de las medidas obtenidas.Este trabajo aporta una nueva aproximación multidisciplinar a la cuantificación de medidascualitativas de la cubierta nubosa, contribuyendo así a una mejora en el ámbito de la resolucióntemporal de la monitorización climática y a su automatización.
YR 2025
FD 2025
LK https://uvadoc.uva.es/handle/10324/78789
UL https://uvadoc.uva.es/handle/10324/78789
LA spa
NO Departamento de Física Teórica, Atómica y Óptica
DS UVaDOC
RD 29-oct-2025