EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-SA 4.0

Procesado Distribuido con Apache Hive de Imágenes Sentinel-2 para la Detección de Catástrofes Naturales

Carlos Cañada-Rostro

Congresos UEx, actas de Congresos · 03.06.2026 · (2)

DOI: 10.17398/3101-7177.2.289 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Congresos UEx, actas de Congresos, online erschienen am 03.06.2026. Verfasst von Carlos Cañada-Rostro. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Las imágenes multiespectrales generan volúmenes de datos elevados que dificultan su análisis en escenarios de respuesta temprana ante catástrofes naturales. En este trabajo se presenta una arquitectura de procesamientodistribuido basada en Apache Hive sobre HDFS para el cálculo eficiente de índices espectrales en imágenes Sentinel-2. El sistema organiza los datos en particiones distribuidas y ejecuta funciones definidas por el usuario mediante un modelo MapReduce. Como caso de estudio, se analiza el incendio forestal de Las Hurdes, Cáceres, mayo de 2023, calculando índices de fuego activo, área quemada y visualización de zonas destruidas. Los resultados muestran una reducción sustancial del tiempo de procesamiento al escalar de 1 a 16 workers, con eficiencias superiores al 86 % para volúmenes de 16 GB.

Zitieren

APA

Cañada-Rostro, C. (2026). Procesado Distribuido con Apache Hive de Imágenes Sentinel-2 para la Detección de Catástrofes Naturales. Congresos UEx, actas de Congresos. https://doi.org/10.17398/3101-7177.2.289

Vancouver

Cañada-Rostro C. Procesado Distribuido con Apache Hive de Imágenes Sentinel-2 para la Detección de Catástrofes Naturales. Congresos UEx, actas de Congresos. 2026. doi:10.17398/3101-7177.2.289

BibTeX
@article{CaadaRostro2026,
  author = {Cañada-Rostro, Carlos},
  title = {Procesado Distribuido con Apache Hive de Imágenes Sentinel-2 para la Detección de Catástrofes Naturales},
  journal = {Congresos UEx, actas de Congresos},
  year = {2026},
  number = {2},
  doi = {10.17398/3101-7177.2.289}
}
Kostenlos starten →