Las imágenes fueron obtenidas de forma gratuita de la página web CIMSS (Space Science and Engineering Center of University of Wisconsin-Madison) Satellite Blog, descargando archivos GIF de emisiones de ceniza de volcanes activos que tengan el filtro Ash proporcionados por el satélite GOES (Fig. 3); los cuales tienen como propiedades un ancho de 100 píxeles, alto de 821 píxeles y profundidad de 8 bits.

Los archivos GIF se cargaron al programa en línea Online-convert, para posteriormente elegir la opción convertir GIF a JPG; en la que se puede subir el archivo, mantener su calidad o modificarla; además de proporcionar opciones de coloración, monocromático, negativo, recortar píxeles, umbral de color, etc. Para este caso se utilizó la opción dada por defecto, usando calidad alta de 300x200 píxeles y ajustes de calidad bastante buena, obteniendo un total de 606 imágenes.

Para la denominación de las imágenes, se mantuvo el nombre por defecto de la descarga desde las páginas web del Instituto Cooperativo de Estudios de Satélites Meteorológicos (CIMSS), del Instituto Cooperativo de Investigación en la Atmósfera (CIRA) y de la Administración Nacional Oceánica y Atmosférica (NOOA), estandarizándolas según el volcán, satélite y numeración, por ejemplo (Novarupta_Goes17_091).

Figura 3 Figura 3 Imagen satelital GOES-16 aplicado el filtro Ash del volcán Popocatépetl.

No es suficiente con la adquisición del dataset, sino que también es necesario procesarlo; se deben tener dos grupos de imágenes, el primer grupo correspondiente a las imágenes satelitales adquiridas y el segundo con las imágenes segmentadas, mostrando de color negro la zona o el área de la imagen satelital donde se evidencia ceniza, y en color blanco el resto de área de la imagen donde no exista ceniza, como se muestra en la figura 4.

Figura 4

La imagen de la izquierda corresponde al dataset original, en donde la ceniza se encuentra de color rojo y rosado. La imagen de la derecha corresponde a la imagen segmentada, en donde únicamente se marca la ceniza con tonalidad negra.

Para la división del dataset se utilizó el comando: train_split(), de la librería sklearn.model_selection especificando dos subconjuntos; el primero de entrenamiento (train) que contiene el 80% de los datos y el segundo de prueba (test) con el 20% de los datos restantes; la distribución de los datos se puede ver en la Tabla 1. El dataset completo tiene un formato de (606, 32, 32, 3), mientras que el conjunto de entrenamiento tiene un formato de (485, 32, 32, 3). El 80% del dataset equivale al conjunto de entrenamiento, con el cual se ajusta los parámetros del modelo y el 20% es el conjunto de test, con los que se evalúa el rendimiento del modelo entrenado (Aguilar, et al., 2019).

Tabla 1 Tabla 1 Número de imágenes y división del Dataset

Variable	Número de imágenes	Porcentaje
Tamaño del conjunto de datos	606	100 %
Datos para entrenamiento	485	80 %
Datos para prueba	121	20 %

El modelo es una adaptación del presentado por Ronneberger et al. (2015), el cual se diseñó para tareas de segmentación con fines biomédicos. Esta arquitectura se basa en una típica red neuronal convolucional (CNN) compuesta por un codificador (encoder) y un decodificador (decoder) (Livne et al., 2019), configurando un patrón de contracción (encoder) para reducir la resolución de la imagen y un patrón expansivo simétrico (decoder) para el aumento de su resolución (Li et al., 2019).

La imagen de entrada (input) tiene una dimensión de 32x32x3. El encoder (parte izquierda de la Fig. 5) está establecido de acuerdo con el número de filtros (8, 16, 32 y 64) aplicados por capa; así el encoder se compone por 5 capas convolucionales, con filtros de 3x3 que crean mapas de características que capturan patrones en la imagen, en la que el volumen de salida está determinado según el número de filtros. A cada capa le sigue una unidad lineal rectificada (ReLU) que anula los valores negativos y deja pasar a los positivos a la siguiente capa tal como entran (Yasrab, 2018). La operación de MaxPooling de 2x2 realiza un muestreo descendente (downsampling), en donde, en cada contracción las dimensiones son reducidas a la mitad.

Figura 5 Figura 5 Ilustración de la arquitectura del modelo. A la izquierda el Encoder y a la derecha el Decoder. Cada caja corresponde a un mapa de características multicanal.

El decodificador tiene como objetivo recuperar las dimensiones originales de las imágenes de entrada mediante un muestreo ascendente (upsampling) del mapa de características (Livne, et al., 2019). Así en el decoder (parte derecha de la Fig. 5) se incluyen 5 capas convolucionales transpuestas de 3x3, que reducen a la mitad el número de canales de características, continuando con la función de activación ReLU. La capa final es una convolución de 3x3, con una activación de tipo sigmoide usada para mapear cada vector de características (Ronneberger, et al., 2015). El resultado (output) es una imagen segmentada de dimensiones de 32x32x3.

Se debe considerar que la implementación de las capas del modelo fue importada mediante la instrucción from tensorflow.keras.models import Model, en donde cada capa fue añadida con el comando model.add.

El entrenamiento se realiza en Google Colaboratory, una plataforma on-line de hardware y software para aprendizaje automático de acceso gratuito que brinda 12 GB de RAM y 50 GB de almacenamiento en disco. Los códigos y comandos que se ejecuten mediante los notebooks de Colab usan GPU y TPU (graphics processing unit y tensor processing unit, respectivamente), que es un circuito integrado de aplicación específica y acelerador de Inteligencia Artificial, que no afecta el rendimiento de la computadora (De la Fuente, 2019).

Para realizar el entrenamiento se utiliza el comando model.fit, estableciendo las iteraciones del conjunto de datos o épocas que se realizan para tener una mejor precisión del modelo, en este caso se establecieron 100 épocas, teniendo un tiempo de ejecución de 15 minutos aproximadamente.

Se estableció un verbose de 1, lo que nos permite observar una barra de proceso animada y ayuda a detectar el sobreajuste que ocurre si la precisión de entrenamiento ('acc') sigue mejorando mientras la precisión de validación ('val_acc') empeora.

La mejor precisión del entrenamiento se obtuvo en la época 10 con un valor de 0.99 y un valor de pérdida de 0.16. Luego se produce un descenso del rendimiento, por lo que no había necesidad de efectuar más épocas.

Figura 6 Figura 6 Gráfica de la pérdida del entrenamiento y validación del modelo

Figura 7 Figura 7 Gráfica de la precisión del entrenamiento y validación del modelo

Para visualizar el comportamiento del entrenamiento y validación del modelo se realizó el ploteo de los valores de pérdida y precisión del entrenamiento y de la validación (Fig. 6 y 7) a través del historial que se va almacenando durante el proceso y las instrucciones de plt.figure() y plt.show().

Estas gráficas ayudan a entender el rendimiento del modelo, en el caso de la pérdida se observa que tiende a cero, mientras en la precisión se observa una fluctuación entre 0.7 y 1.0. Además, las gráficas demuestran que no existe overfitting en el entrenamiento y validación del modelo.

Para un mejor detalle de los resultados, se implementa la matriz de confusión, que es una tabla resumida utilizada para poder evaluar el rendimiento del modelo de clasificación. El número de predicciones correctas e incorrectas se resumen en la tabla con un conteo y se muestra gráficamente para cada clase (Shin , 2020).

El verdadero positivo (cuadro amarillo) y el verdadero negativo (cuadro verde) son los resultados donde el modelo predice correctamente si existe ceniza o no existe ceniza en la imagen, mientras el falso positivo y falso negativo (cuadros morados) son los resultados donde el modelo predice incorrectamente, obteniendo ceniza donde no existe o al revés, ésto se le conoce como error tipo 1 y 2. En el caso de nuestro modelo, se obtiene los mayores valores en el cuadro amarillo y cuadro verde y los menores valores en los cuadros morados, lo que indica que el modelo predice correctamente la ceniza volcánica en las imágenes satelitales.

Figura 8 Figura 8 Matriz de confusión del modelo

En la figura 8 se observa la matriz de confusión, la cual indica una precisión de 88%, que se obtiene de la suma del valor del cuadro amarillo (verdadero positivo) y el valor del cuadro verde (verdadero negativo) dividido para la suma de los valores de todos los cuadros. La fracción de verdaderos positivos (sensibilidad) del modelo, obtenido mediante el verdadero positivo (cuadro amarillo) y falso negativo (cuadro morado), es del 85.7%, siendo capaz de detectar correctamente la ceniza.

Para la validación del modelo se realizó con el 20% de la base de datos, que corresponde a 121 imágenes cargadas en el inputs_test.

En la figura 9, en la imagen de la derecha, se observa la imagen predicha para ceniza y concuerda con la zona establecida de ceniza en el output. Esto tiene relación con la pérdida de validación (val_loss) que tiene un valor de 0.16 y con el valor de precisión de validación (val_acc) de 0.98, lo que indica un comportamiento adecuado del modelo.

Figura 9

Izquierda: imagen segmentada del output. Derecha: imagen de validación segmentada. Los píxeles de color morado y verde indican la existencia de ceniza, los píxeles en amarillo no presentan ceniza

Para la predicción del modelo mediante el comando model.predict(), se utilizaron imágenes satelitales con filtro Ash del Volcán Sangay, obtenidas del satélite GOES-16, estas imágenes no han sido utilizadas en el entrenamiento o en la validación. En la figura 10 se observa la imagen de entrada y la imagen segmentada, la cual muestra similitud en la segmentación de ceniza que se encuentra en la parte superior central de la imagen. Sin embargo, la delimitación no es exacta, ya que no se segmenta todo el contorno de ceniza, pero es considerada aceptable debido a su precisión.

Figura 10

Imagen izquierda es una imagen satelital del Volcán Sangay obtenida del satélite GOES-16 el 9 de marzo de 2021 (IG-EPN, 2021), para la predicción del modelo. Imagen derecha es una imagen segmentada que delimita el contorno de la ceniza del Volcán Sangay.

Realizar un pre-procesamiento adecuado y riguroso para obtener imágenes que puedan ser procesadas con el modelo, utilizando programas de edición, en donde sea posible manipular la saturación, tono, brillo, intensidad, contraste y umbral de las éstas.

El presente modelo está entrenado con imágenes satelitales con el filtro Ash, por lo que, para futuras predicciones, se deberán considerar imágenes con un filtro o tipo de variación contrastante para obtener un resultado óptimo.

Se debe tener un conocimiento básico de programación para manipular el código, sugiriendo continuar con el tratamiento de imágenes relacionadas a ciencias geológicas o ramas afines, para permitir una mayor facilidad en su análisis.