Javier Becerra

Javier Becerra

Auto-generated profile, based on publicly available information

Javier Becerra


Research Focus & Metrics

Academic Career Length

1Year (2026-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
18 March 2026 in Congresos UEX, actas de congresos
Verified
Journal Article
Open access
ARAlejandro Redondo
Alejandro Redondo
JBJavier Becerra
Javier Becerra
AGAurelio García
Aurelio García
Luis A. RuizLuis A. Ruiz
Luis A. Ruiz
Pablo Crespo-PeremarchPablo Crespo-Peremarch
Pablo Crespo-Peremarch
Juan Pedro Carbonell-RiveraJuan Pedro Carbonell-Rivera
Juan Pedro Carbonell-Rivera
La tercera cobertura del PNOA-LiDAR proporciona nubes de puntos de alta densidad que permiten mejorar la clasificación por usos y coberturas del suelo del territorio. Este trabajo presenta un enfoque híbrido para la clasificación de nubes de puntos LiDAR, basado en la combinación de técnicas de Deep Learning (DL) y postprocesado, aplicado a datos de Extremadura. El método emplea un modelo de DL entrenado sobre un conjunto de datos representativo y un proceso posterior de refinamiento mediante técnicas de Machine Learning y análisis espacial. La evaluación, realizada mediante un conjunto de datos independiente, alcanza una exactitud global del 88,2 % y muestra mejoras tras el postprocesado, especialmente en vegetación baja y en infraestructuras lineales como carreteras, ferrocarril y puentes. El enfoque propuesto es iterativo y escalable, lo que facilita su aplicación en ámbitos territoriales extensos.

18 March 2026 in Congresos UEX, actas de congresos
Verified
Journal Article
Open access
JBJavier Becerra
Javier Becerra
Jose Manuel Álvarez-MartínezJose Manuel Álvarez-Martínez
Jose Manuel Álvarez-Martínez
BJBorja Jiménez-Alfaro
Borja Jiménez-Alfaro
JHJustine Hugé
Justine Hugé
CDCarlos Dewaissage
Carlos Dewaissage
ASAna Sousa
Ana Sousa
El seguimiento del uso del suelo y la cobertura del suelo (LULC) es esencial para comprender la dinámica del paisaje y su interacción con las actividades humanas, especialmente en un contexto de cambios ambientales globales. El Servicio de Monitoreo de la Tierra de Copernicus (CLMS) ofrece una gama de productos LULC multi anuales, entre ellos el veterano CORINE Land Cover y las más recientes capas de Monitoreo de Áreas Prioritarias orientadas a zonas clave como áreas urbanas, ribereñas, costeras y espacios Natura 2000. Los productos previos del CLMS sobre LULC se han basado principalmente en la fotointerpretación manual, lo que ha supuesto limitaciones en la resolución espacial, la reproducibilidad y la eficiencia. PA-2021 presenta un flujo de trabajo novedoso y semiautomático que utiliza series temporales de Sentinel-2 con superresolución y modelos de IA para generar productos LULC de Áreas Prioritarias de alta resolución. Este flujo de trabajo busca aprovechar la valiosa información previa del CLMS para alimentar los modelos, aplicando un filtrado exhaustivo basado en el comportamiento espectro-fenológico de cada clase en comparación con los predictores derivados de los datos de observación de la Tierra (EO). PA-2021 alcanza más del 90 % de precisión en la clasificación de Nivel 1 y captura subclases detalladas, como tipos de bosque y la distinción entre pastizales y cultivos. La metodología mejora la detección de elementos de pequeña escala y permite obtener salidas vectoriales listas para su uso, reduciendo significativamente el procesamiento manual. Su escalabilidad a regiones y periodos temporales más amplios favorece una mejor estratificación para campañas de muestreo in situ y contribuye a la futura cartografía de hábitats mediante su alineación con las clasificaciones EUNIS.