El día 18 de abril, Jhonatan Rivera Rivera presentó en la sesión NH6.1 de la EGU2024 su contribución científica “Interferometric Synthetic Aperture Radar to assess the impacts of ground deformation in local, regional and national studies”, realizada en el marco del proyecto SARAI. En este trabajo, aplicamos algoritmos de Machine Learning (ML) para la clasificación de procesos de deformación del terreno, a partir de MOVESAR: una base de datos nacional basada en SAR, integrando covariables geológicas, geotécnicas, hidrológicas, morfométricas y de cobertura y uso del suelo.
La base de datos MOVESAR recopila MP’s de procesados realizados por el Instituto Geológico y Minero de España (IGME), el Centro Tecnológico de Telecomunicaciones de Cataluña (CTTC) y el European Ground Motion Service (EGM). Espacialmente MOVESAR contiene MP´s de Arcos, Huelva, Cobre las Cruces, Granada, Lorca, Murcia, Madrid, Barcelona, Valle de Tena, Asturias, Albuñuelas, Rules, Sierra Nevada, La Unión y Suria. Los MP’s del EGMS únicamente se utilizaron para validar los algoritmos de Machine learning utilizados (random forest y catboost). Los resultados indican que las técnicas de filtrado de MP’s ruidosos (threshold velocity filtering technique “TVF”), balanceo de clases (Cost Sensitive Learning “CSL”) y reducción de características (Feature Importance “FI”), mejora la interpretabilidad, eficiencia y precisión de los modelos.