Abstract
La flora marina, en especial las praderas marinas y praderas de algas, posee un rol esencial en la sostenibilidad de los ecosistemas costeros. Por esto, existe una elevada necesidad en desarrollar herramientas que permitan monitorizar de forma precisa la flora marina. La teledetección por satélite es una tecnología eficiente y económica para poder elaborar mapas de hábitats bentónicos o de tipos de fondos, permitiendo caracterizar los fondos a lo largo del tiempo. Para la generación de estos mapas, en la actualidad típicamente se implementan técnicas basadas en píxel, como modelos Machine Learning convencionales, y otras técnicas basadas en objetos, como el OBIA. No obstante, el avance de las técnicas Deep Learning permite entrenar modelos que aprovechen mejor las características de los fondos marinos para la generación de mapas de elevada precisión. En este trabajo se expone el uso del modelo U-Net, basado en Redes Neuronales Convoluciones (CNN), para la generación de mapas de hábitats bentónicos a partir de imágenes satelitales multiespectrales. La zona de estudio es El Río, estrecho entre las islas de La Graciosa y Lanzarote, islas Canarias, donde existe una elevada biodiversidad con la presencia de multitud de especies como praderas de Cymodocea nodosa, Caulerpa prolifera y algas rojas filamentosas, entre otras especies.