Reconocimiento de Recursos y Fuentes

Este trabajo reconoce y agradece el uso de herramientas y recursos desarrollados por distintas instituciones en el marco del desarrollo del proyecto de investigación: PE501091200-2024.

Recursos utilizados

Python: Lenguaje de programación empleado para automatizar procesos relacionados con la gestión de información geoespacial y la calibración de redes neuronales. Se utilizaron principalmente las librerías GDAL, PyTorch y NumPy.
OpenStreetMap: Se empleó la información disponible sobre edificaciones y áreas verdes para complementar la base de datos de zonas urbanas y no urbanas.

Instituciones

Prociencia – Concytec: Por financiar el proyecto de investigación PE501091200-2024: Monitoreo del crecimiento urbano en zonas vulnerables empleando imágenes satelitales e inteligencia artificial, en el marco del concurso de Tesis de Pregrado y Posgrado en Ciencia, Tecnología e Innovación Tecnológica 2024.
GERDIS (PUCP): Grupo de investigación en el que se desarrolló la tesis de maestría asociada al proyecto.
ESA: Por la provisión de imágenes satelitales de la constelación Sentinel-2, utilizadas como insumo principal para la red neuronal convolucional calibrada.
INEI: Por la información cartográfica de manzanas y delimitación de áreas urbanas.
CISMID: Por los estudios de microzonificación sísmica realizados en Lima Metropolitana.
INGEMMET: Por los estudios de peligros geológicos en Lima Metropolitana, incluyendo mapas de susceptibilidad a deslizamientos.
Marina de Guerra del Perú: Por los mapas oficiales de inundación en Lima Metropolitana.