En el seminario de esta semana expone Camilo Matus-Olivares, Dr. en Ciencias Agroalimentarias y Medioambiente de la Universidad de La Frontera, Chile, quien junto con Jaime Carrasco-Barra, Felipe de la Barra, Erico Kutchartt, Diego Terán y Núria Aquilué, desarrollaron una metodología avanzada para el mapeo de combustibles superficiales de la clasificación KITRAL.

Para ello, se construyó un Data Cube integrando series temporales estacionales del programa Copernicus, combinando índices ópticos de Sentinel-2 y retrodispersión de radar de Sentinel-1, fusionados con variables topográficas y de estructura vegetal. Para modelar la alta complejidad espacial y el desbalance de 33 clases, se implementó una arquitectura de Stacking Ensemble. Se entrenaron Baseline Models de Gradient Boosting (XGBoost, LightGBM y CatBoost) y se combinaron sus predicciones utilizando un Meta-Learner. Evaluado mediante Spatial Block Cross-Validation, el modelo Meta-Learner logra aprender contextos geográficos complejos, superando significativamente a los algoritmos individuales en la precisión para la gestión territorial.