Virginia Venturini
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Research Subjects
Virginia Venturini has a total of 9 co-authors. Here are the top co-authors by number of shared publications:
Elisabet Walker
Facultad de Ingeniería y Ciencias Hídricas, Universidad Nacional del Litoral. Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET)
2 shared publicationsGianfranco Fagioli
Facultad de Ingeniería y Ciencias Hídricas, Universidad Nacional del Litoral
2 shared publicationsCarlos Krepper
Centro de Estudios Hidro-ambientales; Universidad Nacional del Litoral; Ciudad Universitaria, Ruta 168 s/n, CC 217 3000 Santa Fe Argentina
1 shared publicationDiana Carolina Fonnegra Mora
1 shared publication- Mario Gardiol
Universidad Nacional del litoral. Facultad de Ingeniería y Ciencias Hídricas
1 shared publication - María Lucila Grand
Facultad de Ingeniería y Ciencias Hídricas, Universidad Nacional del Litoral
1 shared publication
Latest Publications
- Open Access
- 25 September 2023
- Published by Asociacion Argentina de Ecologia in Ecología Austral
- Vol. 33 (3) , 743-756
Análisis del desempeño de técnicas de aprendizaje automático para identificar vegetación acuática con bandas de Sentinel-2
En la Argentina se observa una frecuencia creciente de desastres naturales como desbordes de ríos, sequías extremas e incendios forestales naturales. Ante estas catástrofes, es fundamental gestionar de manera eficiente la toma de decisiones rápidas para minimizar los daños; esta es una preocupación latente tanto de los gobiernos locales y regionales como de la comunidad científica. La cuenca del río Paraná, en la Argentina, representa un recurso estratégico, ya que engloba la mayor riqueza fluvial y ecológica, además de grandes centros urbanos. Sin embargo, los eventos extremos que caracterizan la dinámica de los humedales afectan a los centros urbanos ubicados en sus cercanías. La presencia de vegetación acuática (libre o arraigada) enmascara las áreas anegadas y ocultan los primeros indicios de anegamiento, lo cual dificulta el monitoreo y la rápida detección de esas áreas. En este trabajo se utilizaron imágenes satelitales ópticas y modelos de aprendizaje automático para clasificar las diferentes coberturas del suelo en humedales del sistema fluvial del Paraná. Se hizo foco en ambientes donde coexisten el agua libre y la vegetación acuático-palustre, típicos de la región metropolitana de la ciudad de Santa Fe, considerando las limitaciones técnicas de los organismos tomadores de decisiones. Se usaron imágenes de la misión Sentinel-2 (S2) para entrenar y evaluar el rendimiento de distintos algoritmos de aprendizaje automático. Se utilizaron todas las bandas de las imágenes S2, unificando la resolución espacial en 10 m. Los resultados indicaron que las bandas de aerosoles costeros (B1) y dos bandas de infrarrojo medio (B11 y B12) son las que aportan más información para identificar las clases muestreadas. Por otra parte, el método random forest fue el de mejor desempeño para la clase vegetación acuática, de interés especial en este trabajo.
- 25 September 2023
- Published by Asociacion Argentina de Ecologia in Ecología Austral
- Vol. 33 (3) , 743-756
Open AccessAnálisis del desempeño de técnicas de aprendizaje automático para identificar vegetación acuática con bandas de Sentinel-2
En la Argentina se observa una frecuencia creciente de desastres naturales como desbordes de ríos, sequías extremas e incendios forestales naturales. Ante estas catástrofes, es fundamental gestionar de manera eficiente la toma de decisiones rápidas para minimizar los daños; esta es una preocupación latente tanto de los gobiernos locales y regionales como de la comunidad científica. La cuenca del río Paraná, en la Argentina, representa un recurso estratégico, ya que engloba la mayor riqueza fluvial y ecológica, además de grandes centros urbanos. Sin embargo, los eventos extremos que caracterizan la dinámica de los humedales afectan a los centros urbanos ubicados en sus cercanías. La presencia de vegetación acuática (libre o arraigada) enmascara las áreas anegadas y ocultan los primeros indicios de anegamiento, lo cual dificulta el monitoreo y la rápida detección de esas áreas. En este trabajo se utilizaron imágenes satelitales ópticas y modelos de aprendizaje automático para clasificar las diferentes coberturas del suelo en humedales del sistema fluvial del Paraná. Se hizo foco en ambientes donde coexisten el agua libre y la vegetación acuático-palustre, típicos de la región metropolitana de la ciudad de Santa Fe, considerando las limitaciones técnicas de los organismos tomadores de decisiones. Se usaron imágenes de la misión Sentinel-2 (S2) para entrenar y evaluar el rendimiento de distintos algoritmos de aprendizaje automático. Se utilizaron todas las bandas de las imágenes S2, unificando la resolución espacial en 10 m. Los resultados indicaron que las bandas de aerosoles costeros (B1) y dos bandas de infrarrojo medio (B11 y B12) son las que aportan más información para identificar las clases muestreadas. Por otra parte, el método random forest fue el de mejor desempeño para la clase vegetación acuática, de interés especial en este trabajo.
- Open Access
- 30 December 2022
- Published by Universidad Nacional de Córdoba in AgriScientia
- Vol. 39 (2) , 1-17
Effect of the net radiation proxies on maize and soya evapotranspiration estimation using machine learning methods.
Accurate evapotranspiration (ET) estimation is essential for water management in crops, but it is not an easy task. Empirical ET methodologies require precise net radiation (Rn) measurements to obtain accurate results. Nevertheless, Rn measurements are not easy to obtain from meteorological stations. Thus, this study explored the use of machine learning algorithms with two Rn substitutes, to estimate daily ET: the extraterrestrial solar radiation (Ra) and a modelled Rn (RnM). Support Vector Machine (SVM), Kernel Ridge (KR), Decision Tree (DT), Adaptive Boosting (AB), and Multilayer Perceptron (MLP) were applied to model FLUXNET Rn and ET observations. Adaptive Boosting produced the best field Rn measurements (RnO), yielding a Root Mean Square Error of about 16 % of the mean observed Rn. The resulting Rn (AB RnM) was used to model daily crops ET employing the above-mentioned machine learning methods with RnO, AB RnM, and Ra, in conjunction with meteorological variables and the NDVI index. The evaluated methods were suitable to estimate ET, yielding similar errors to those obtained with RnO, when contrasted with ET observations. These results demonstrate that AB and KR are applicable with rutinary meteorological and satellite data to estimate ET.
- 30 December 2022
- Published by Universidad Nacional de Córdoba in AgriScientia
- Vol. 39 (2) , 1-17
Open AccessEffect of the net radiation proxies on maize and soya evapotranspiration estimation using machine learning methods.
Accurate evapotranspiration (ET) estimation is essential for water management in crops, but it is not an easy task. Empirical ET methodologies require precise net radiation (Rn) measurements to obtain accurate results. Nevertheless, Rn measurements are not easy to obtain from meteorological stations. Thus, this study explored the use of machine learning algorithms with two Rn substitutes, to estimate daily ET: the extraterrestrial solar radiation (Ra) and a modelled Rn (RnM). Support Vector Machine (SVM), Kernel Ridge (KR), Decision Tree (DT), Adaptive Boosting (AB), and Multilayer Perceptron (MLP) were applied to model FLUXNET Rn and ET observations. Adaptive Boosting produced the best field Rn measurements (RnO), yielding a Root Mean Square Error of about 16 % of the mean observed Rn. The resulting Rn (AB RnM) was used to model daily crops ET employing the above-mentioned machine learning methods with RnO, AB RnM, and Ra, in conjunction with meteorological variables and the NDVI index. The evaluated methods were suitable to estimate ET, yielding similar errors to those obtained with RnO, when contrasted with ET observations. These results demonstrate that AB and KR are applicable with rutinary meteorological and satellite data to estimate ET.
- Open Access
- 22 August 2022
- Published by Universidad Nacional del Litoral in Locale
- Vol. 6 (6)
Redes sociales virtuales en la gestión del riesgo hídrico. Análisis en Santa Fe ciudad, Argentina
En este trabajo se presenta un estudio sobre el uso de las redes sociales virtuales para promover la comunicación entre ciudadanos y gestores, y sobre la posibilidad de transformarlas en una herramienta de gestión compartida. Se trabajó como caso de estudio, en un barrio de la ciudad de Santa Fe-Argentina, para conocer cómo usan los habitantes las redes sociales virtuales. Se sensibilizó a un grupo de vecinos para transmitir asertivamente información en forma previa, durante o posterior a un evento hídrico. Los instrumentos metodológicos utilizados en este trabajo fueron entrevistas a vecinos del barrio y encuestas en línea a ciudadanos en general. Los resultados permitieron comprender en forma aproximada la visión de los vecinos sobre el uso de las redes sociales y la comunicación, así como sus problemas y potencialidades.
- 22 August 2022
- Published by Universidad Nacional del Litoral in Locale
- Vol. 6 (6)
Open AccessRedes sociales virtuales en la gestión del riesgo hídrico. Análisis en Santa Fe ciudad, Argentina
En este trabajo se presenta un estudio sobre el uso de las redes sociales virtuales para promover la comunicación entre ciudadanos y gestores, y sobre la posibilidad de transformarlas en una herramienta de gestión compartida. Se trabajó como caso de estudio, en un barrio de la ciudad de Santa Fe-Argentina, para conocer cómo usan los habitantes las redes sociales virtuales. Se sensibilizó a un grupo de vecinos para transmitir asertivamente información en forma previa, durante o posterior a un evento hídrico. Los instrumentos metodológicos utilizados en este trabajo fueron entrevistas a vecinos del barrio y encuestas en línea a ciudadanos en general. Los resultados permitieron comprender en forma aproximada la visión de los vecinos sobre el uso de las redes sociales y la comunicación, así como sus problemas y potencialidades.
- 30 July 2012
- Published by Wiley in Hydrological Processes
- Vol. 27 (26) , 3825-3832
Water balance of the Salado-Juramento river basin (Argentina)
- 30 July 2012
- Published by Wiley in Hydrological Processes
- Vol. 27 (26) , 3825-3832
Water balance of the Salado-Juramento river basin (Argentina)