Modelado predictivo de componentes metálicos del regolito lunar mediante aprendizaje automático y análisis espectral: Aplicaciones a la exploración planetaria y al aprovechamiento de recursos In situ.

Tesis doctoral por compendio de publicaciones

Detalles Bibliográficos
Autor: Fernández Díaz, Julia María|||0009-0007-2419-2405
Tipo de recurso: tesis doctoral
Fecha de publicación:2026
País:España
Institución:Universidad de Oviedo (UNIOVI)
Repositorio:RUO. Repositorio Institucional de la Universidad de Oviedo
Idioma:español
OAI Identifier:oai:dnet:ruo_________::6f886f3b5c298e093813b7d30af70acc
Acceso en línea:https://hdl.handle.net/10651/83722
Access Level:acceso abierto
Palabra clave:regolito lunar
composición geoquímica
exploración planetaria
id ES_fde7b50dc2c2c845d4ceec7b3c268237
oai_identifier_str oai:dnet:ruo_________::6f886f3b5c298e093813b7d30af70acc
network_acronym_str ES
network_name_str España
repository_id_str
spelling Modelado predictivo de componentes metálicos del regolito lunar mediante aprendizaje automático y análisis espectral: Aplicaciones a la exploración planetaria y al aprovechamiento de recursos In situ.Fernández Díaz, Julia María|||0009-0007-2419-2405regolito lunarcomposición geoquímicaexploración planetariaTesis doctoral por compendio de publicacionesEsta tesis aborda la estimación de la composición geoquímica del regolito lunar mediante la integración de espectroscopía, teledetección orbital y técnicas avanzadas de aprendizaje automático. El objetivo principal es predecir las concentraciones de FeO y TiO₂, dos óxidos fundamentales para reconstruir la evolución magmática de la Luna y para evaluar su potencial en estrategias de utilización de recursos in situ (ISRU). Para ello se combinan tres fuentes de información complementarias: espectros de laboratorio de muestras Apollo procedentes de la base de datos RELAB, datos geoquímicos de referencia y reflectancias multiespectrales de las misiones Clementine y Chandrayaan-1 (M3).Sánchez Lasheras, FernandoGracia Rodríguez, JavierMatemáticas, Departamento de20262026-04-30doctoral thesishttp://purl.org/coar/resource_type/c_db06NAhttp://purl.org/coar/version/c_be7fb7dd8ff6fe43info:eu-repo/semantics/doctoralThesishttps://hdl.handle.net/10651/83722reponame:RUO. Repositorio Institucional de la Universidad de Oviedoinstname:Universidad de Oviedo (UNIOVI)Españolspaopen accesshttp://purl.org/coar/access_right/c_abf2Attribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessoai:dnet:ruo_________::6f886f3b5c298e093813b7d30af70acc2026-06-07T06:38:51Z
dc.title.none.fl_str_mv Modelado predictivo de componentes metálicos del regolito lunar mediante aprendizaje automático y análisis espectral: Aplicaciones a la exploración planetaria y al aprovechamiento de recursos In situ.
title Modelado predictivo de componentes metálicos del regolito lunar mediante aprendizaje automático y análisis espectral: Aplicaciones a la exploración planetaria y al aprovechamiento de recursos In situ.
spellingShingle Modelado predictivo de componentes metálicos del regolito lunar mediante aprendizaje automático y análisis espectral: Aplicaciones a la exploración planetaria y al aprovechamiento de recursos In situ.
Fernández Díaz, Julia María|||0009-0007-2419-2405
regolito lunar
composición geoquímica
exploración planetaria
title_short Modelado predictivo de componentes metálicos del regolito lunar mediante aprendizaje automático y análisis espectral: Aplicaciones a la exploración planetaria y al aprovechamiento de recursos In situ.
title_full Modelado predictivo de componentes metálicos del regolito lunar mediante aprendizaje automático y análisis espectral: Aplicaciones a la exploración planetaria y al aprovechamiento de recursos In situ.
title_fullStr Modelado predictivo de componentes metálicos del regolito lunar mediante aprendizaje automático y análisis espectral: Aplicaciones a la exploración planetaria y al aprovechamiento de recursos In situ.
title_full_unstemmed Modelado predictivo de componentes metálicos del regolito lunar mediante aprendizaje automático y análisis espectral: Aplicaciones a la exploración planetaria y al aprovechamiento de recursos In situ.
title_sort Modelado predictivo de componentes metálicos del regolito lunar mediante aprendizaje automático y análisis espectral: Aplicaciones a la exploración planetaria y al aprovechamiento de recursos In situ.
dc.creator.none.fl_str_mv Fernández Díaz, Julia María|||0009-0007-2419-2405
author Fernández Díaz, Julia María|||0009-0007-2419-2405
author_facet Fernández Díaz, Julia María|||0009-0007-2419-2405
author_role author
dc.contributor.none.fl_str_mv Sánchez Lasheras, Fernando
Gracia Rodríguez, Javier
Matemáticas, Departamento de
dc.subject.none.fl_str_mv regolito lunar
composición geoquímica
exploración planetaria
topic regolito lunar
composición geoquímica
exploración planetaria
description Tesis doctoral por compendio de publicaciones
publishDate 2026
dc.date.none.fl_str_mv 2026
2026-04-30
dc.type.none.fl_str_mv doctoral thesis
http://purl.org/coar/resource_type/c_db06
NA
http://purl.org/coar/version/c_be7fb7dd8ff6fe43
dc.type.openaire.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
dc.identifier.none.fl_str_mv https://hdl.handle.net/10651/83722
url https://hdl.handle.net/10651/83722
dc.language.none.fl_str_mv Español
spa
language_invalid_str_mv Español
language spa
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:RUO. Repositorio Institucional de la Universidad de Oviedo
instname:Universidad de Oviedo (UNIOVI)
instname_str Universidad de Oviedo (UNIOVI)
reponame_str RUO. Repositorio Institucional de la Universidad de Oviedo
collection RUO. Repositorio Institucional de la Universidad de Oviedo
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869425608982790144
score 15.812429

Similares en LA Referencia