Montesdeoca (2022) Realizó un estudio para identificar zonas afectadas por

inundaciones ya que es fundamental para poder brindar asistencias a dichas

zonas, estimar daños y analizar cómo enfrentarse a la situación de la mejor
manera posible, el objetivo de dicho trabajo se fundamenta en desarrollar una
implementación basada en algoritmos para reconocer las zonas afectadas por
la inundación. Para eso, se utilizan conceptos del satélite SENTINEL-2 y la
jurisdicción de estudio se centra en el Río Ebro. Con lo que llegamos a la
conclusión de que los algoritmos de umbralización basados en operaciones
morfológicas desarrollados por esta metodología conducen a soluciones
comparables con los métodos más clásicos basados únicamente en álgebra de
imágenes y umbralización además las imágenes de Sentinel-2 con una
resolución espacial (10x10m) son adecuadas para detectar grandes áreas
inundadas. Su resolución espectral proporciona una banda adecuada para este
estudio. Su resolución temporal permite la selección oportuna de imágenes
relevantes para la investigación de desastres. El producto Sentinel-2 con nivel
de corrección 2A permite realizar 53 encuestas sin corrección en
preprocesamiento, reduciendo el costo computacional del proceso.
Katiyar (2021) realizó un estudio sobre la importancia del mapeo de las aguas
superficiales, debido a que las inundaciones son un fenómeno natural de gran
escala y con la detección remota es una buena opción para el mapeo de las
inundaciones. Tuvo como objetivos principales el monitoreo de aguas
superficiales, la seguridad alimentaria, la gestión de ecosistemas que se
relacionan con el agua y el efecto sobre la tierra. Los resultados que se
obtienen es que el modelo entrenado se puede utilizar como un modelo listo
para usar para lograr intersecciones de unión (IoU) de hasta 0,88 en
comparación con las imágenes ópticas, las omisiones y errores de la comisión
son inferiores al 6%. Sin embargo, el resultado más importante es que toda la
imagen de satélite tarda menos de 1 minuto en procesarse, Asimismo en los
modelo segNet y UNet, se puede ver un padrón similar. Además, llegaron a la
conclusión que se consideró necesario utilizar dos polarizaciones para mejorar
la detección de áreas inundadas. Además, agregar una tercera banda como
una relación de dos polarizaciones puede agregar información en algunos
casos.
Liu (2019) desarrolló un método para extraer datos sobre apertura sintética
bitemporal y doble polarización para poder mapear inundaciones costeras
empleando redes neuronales convolucionales profundas. Su objetivo fue
mapear y analizar el impacto de la inundación costera causada por el huracán
Harvey. Tuvo como resultados después de procesar un área total de 140.000
km2 a partir de seis pares de imágenes Sentinel-1 Radar de apertura sintética
(SAR), el modelo SARCF MNet obtiene una tasa de precisión de 0,98 y una
puntuación F1 de 0,88 esto muestra un mejor rendimiento y más preciso en
comparación con el modelo U-Net clásico, esto demuestra que los productos
de mapeo si contribuyen a la mejor comprensión de las características
geoespaciales de las inundaciones costeras. Llegando a la conclusión de que
SARCF MNet se basa en el marco red neuronal convolucional (U-net), pero se
adaptó específicamente para resolver la dificultad del mapeo de inundación
costeras SAR, con dos variaciones: el diseño de dato de entrada consistente
en la física y la regularización. La SARCF MNet propuesta se adapta al mapeo
y análisis de las inundaciones costeras causadas por el huracán Harvey cerca
del área de Houston.
Novillo (2022) realizó un estudio sobre la determinación de zonas inundadas
mediante imágenes Radar e imágenes multiespectrales.Este estudio utilizó
técnicas de teledetección y proporcionó imágenes utilizando satélite (Sentinel 1
y Sentinel 2) y fotografía aérea. Se han probado varios filtros con diferente
ancho de ventana e índice agua para obtener llanuras aluviales abiertas. Para
este fin se utilizó una técnica de umbralización calibrada para crear la máscara,
uso de agua e índice de agua. Su objetivo fue la identificación del filtro e índice
del agua más idóneo para mapear una inundación.Los resultados obtenidos, se
han comparado entre sí, mediante las matrices de confusión resultantes.
Obteniendo de esta manera, el filtro e índice de agua más idóneos, IDAN y
Ndwi respectivamente por lo tanto resulta que la precisión global media de los
filtros, ha aumentado del 77,22 % sin reclasificar a un 84,52 %, estando la
horquilla de variación de los valores entre los 7,14 puntos a los 7,43, para los
que más han incrementado dicho valor. Se llegó a la conclusión que el filtro
Intensity Driven Adaptive Neighborhood (IDAN) es el que mejores resultados
nos aporta. Obteniendo los mejores resultados en precisión global, sensibilidad
e índice Kappa. El único valor en el que no se destaca es la especificidad. En él
toma el relevo el filtro Frost 7x7.Las especificaciones empleadas son; Number
of Looks 1 y Adaptive Neighbour Size 50.
Sevillano (2020) realizó un estudio para la identificación de zonas de
inundación a partir de imágenes sobre el radar de apertura sintética (SAR) y de
eventos históricos de inundaciones. Su objetivo fue identificar zonas de
inundación en la ciudad de Santiago de Cali Colombia, mediante imágenes de
Sistema electrónico de localización (RADAR).Tuvo como resultado en la
revisión de la literatura y el trabajo de campo mostraron que 766 incidentes
estaban relacionados, 186 comunidades fueron afectadas por las inundaciones
en 32 años. Además, el procesamiento digital de imágenes identificó 2.082,25
hectáreas inundadas con confiabilidad global 89% y 0,76% índice
Kappa.Además, se identificó el área de inundación urbana proveniente de un
proceso semiautomatizado de percepción remota mediante un método de
clasificación supervisada (mapa de inundación a partir de imágenes SAR).
Durante el proceso se acudió a registros históricos y trabajo de campo para
validar la información resultante y facilitar el análisis. Se llegó a la conclusión
de que el análisis de imágenes SAR para la detección de áreas inundables
complementado con la consulta de información histórica y documental, probó
ser una herramienta apropiada para la identificación de sitios afectados por el
fenómeno de inundación.