Video Experimental Relacionado
Updated: Sep 10, 2025

Subsurface Defect Localization by Structured Heating Using Laser Projected Photothermal Thermography
Published on: May 15, 2017
Detección de puntos calientes térmicos en vertederos utilizando datos de temperatura de la superficie terrestre de
Sedat Yalcinkaya1, Fatih Dogan2
1Department of Environmental Engineering, Faculty of Engineering, Marmara University, Istanbul, Türkiye.
El monitoreo térmico de alta resolución de los vertederos mediante el aprendizaje automático revela puntos calientes persistentes. Incluso los vertederos cerrados muestran temperaturas superficiales elevadas, lo que indica una actividad térmica a largo plazo que requiere una observación continua.
Área de la Ciencia:
- Ciencias del medio ambiente
- Detección remota
- Información geográfica
Sus antecedentes:
- Los vertederos generan una actividad térmica significativa debido a la descomposición de los residuos.
- El seguimiento de los vertederos después del cierre es crucial, pero faltan datos térmicos de alta resolución.
- Comprender el comportamiento térmico de los vertederos es esencial para una gestión eficaz de los residuos.
Objetivo del estudio:
- Investigar el comportamiento térmico de los vertederos activos y cerrados utilizando el aprendizaje automático.
- Para reducir los datos de la temperatura de la superficie terrestre (LST) derivados de satélites a una resolución de 10 m.
- Evaluar la actividad térmica y identificar los puntos calientes persistentes en los vertederos.
Principales métodos:
- Utilizado Landsat 8 y Landsat 9 LST datos reducidos utilizando los índices espectrales de Sentinel-2.
- Empleó un marco de aprendizaje automático para evaluar varios algoritmos de regresión (por ejemplo, Red Neural, Proceso Gaussiano).
- Se llevaron a cabo observaciones mensuales para 2023-2024 y se realizó un análisis de puntos calientes en los datos reducidos del LST.
Principales resultados:
- La Red Neural (Net) fue óptima para el vertedero activo de Kömürcüoda; Proceso Gaussiano (Gp) para el vertedero cerrado de Odayeri.
- Los datos reducidos del LST mostraron una alta precisión (RMSE 0,74 ° C 2,38 ° C) en comparación con los conjuntos de datos originales.
- Se identificaron zonas de alta temperatura persistentes tanto en las zonas de vertedero activas como en las cerradas.
Conclusiones:
- La reducción basada en el aprendizaje automático mejora efectivamente la resolución de LST para el monitoreo de vertederos.
- El vertedero de Odayeri demostró una importante actividad térmica en curso, incluso después del cierre.
- Las temperaturas superficiales de los vertederos pueden permanecer elevadas durante períodos prolongados, lo que requiere un monitoreo continuo.
Videos de Conceptos Relacionados
Hyperthermophilic Bacteria
Diversity of Archaea I
Absorption of Radiation

