Machine Learning para la Clasificación y Análisis de los Índices de Biomasa y su relación con el Cambio Climático, Desierto de Atacama
En este trabajo usamos Machine Learning (Randon Forest) como herramienta para clasificar la biomasa y calcular los índices de vegetación buscando identificar las características de la cobertura vegetal en la cabecera del desierto Atacama. Se busca establecer la correlación entre los índices de veget...
Saved in:
| Main Authors: | , , , , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Universidad Nacional de Tumbes
2024-04-01
|
| Series: | Manglar |
| Subjects: | |
| Online Access: | https://revistas.untumbes.edu.pe/index.php/manglar/article/view/456 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1841564350568988672 |
|---|---|
| author | Santos Gómez Edwin Pino-Vargas Germán Huayna Jorge Espinoza-Molina Karina Acosta-Caipa Fredy Cabrera-Olivera4 |
| author_facet | Santos Gómez Edwin Pino-Vargas Germán Huayna Jorge Espinoza-Molina Karina Acosta-Caipa Fredy Cabrera-Olivera4 |
| author_sort | Santos Gómez |
| collection | DOAJ |
| description | En este trabajo usamos Machine Learning (Randon Forest) como herramienta para clasificar la biomasa y calcular los índices de vegetación buscando identificar las características de la cobertura vegetal en la cabecera del desierto Atacama. Se busca establecer la correlación entre los índices de vegetación y la precipitación, a fin de conocer su confiabilidad sobre la climatología en esta región. Fue importante el análisis geoespacial basado en Google Earth Engine (GEE) y el procesamiento de imágenes Landsat 5 ETM y Landsat 8 OLI/TIRS, para el período 1985 - 2022, lo que permitió caracterizar el cambio climático. El NDVI, SAVI, GVI y RVI han sido probados y validados en sistemas áridos. El NDVI responde positivamente a la precipitación en temporada húmeda y en forma débil en la temporada de lluvias invernales. Se confirma que el NDVI alto corresponde al verano, después de una sequía prolongada. Hacia los años 2020 y 2022, se registra un aumento de cobertura vegetal en lugares de mayor temperatura, evidenciando cambio climático y reflejado en los índices de biomasa. |
| format | Article |
| id | doaj-art-cde598d716224ca5834f5e1833497fb8 |
| institution | Kabale University |
| issn | 1816-7667 2414-1046 |
| language | English |
| publishDate | 2024-04-01 |
| publisher | Universidad Nacional de Tumbes |
| record_format | Article |
| series | Manglar |
| spelling | doaj-art-cde598d716224ca5834f5e1833497fb82025-01-02T22:50:54ZengUniversidad Nacional de TumbesManglar1816-76672414-10462024-04-0121195106https://doi.org/10.57188/manglar.2024.010Machine Learning para la Clasificación y Análisis de los Índices de Biomasa y su relación con el Cambio Climático, Desierto de AtacamaSantos Gómez0https://orcid.org/0000-0001-8066-9908Edwin Pino-Vargas1https://orcid.org/0000-0001-7432-4364Germán Huayna2https://orcid.org/0000-0002-4518-1023Jorge Espinoza-Molina3https://orcid.org/0000-0003-2236-8335Karina Acosta-Caipa4https://orcid.org/0000-0003-1872-9062Fredy Cabrera-Olivera45https://orcid.org/0000-0003-1429-8728Universidad Nacional del Santa, Programa Doctoral Ingeniería Civil, Av. Pacífico 508, Nuevo Chimbote, Ancash, Perú.; Universidad Nacional Jorge Basadre Grohmann, Departamento Ingeniería Civil, Av. Miraflores s/n, Tacna, Perú. Universidad Nacional Jorge Basadre Grohmann, Departamento Ingeniería Civil, Av. Miraflores s/n, Tacna, Perú. Universidad Nacional Jorge Basadre Grohmann, Departamento Ingeniería Civil, Av. Miraflores s/n, Tacna, Perú.Universidad Nacional Jorge Basadre Grohmann, Departamento Arquitectura, Av. Miraflores s/n, Tacna, Perú.Universidad Nacional Jorge Basadre Grohmann, Departamento Arquitectura, Av. Miraflores s/n, Tacna, Perú.Universidad Nacional Jorge Basadre Grohmann, Departamento Ingeniería Geológica-Geotecnia, Av. Miraflores s/n, Tacna, Perú En este trabajo usamos Machine Learning (Randon Forest) como herramienta para clasificar la biomasa y calcular los índices de vegetación buscando identificar las características de la cobertura vegetal en la cabecera del desierto Atacama. Se busca establecer la correlación entre los índices de vegetación y la precipitación, a fin de conocer su confiabilidad sobre la climatología en esta región. Fue importante el análisis geoespacial basado en Google Earth Engine (GEE) y el procesamiento de imágenes Landsat 5 ETM y Landsat 8 OLI/TIRS, para el período 1985 - 2022, lo que permitió caracterizar el cambio climático. El NDVI, SAVI, GVI y RVI han sido probados y validados en sistemas áridos. El NDVI responde positivamente a la precipitación en temporada húmeda y en forma débil en la temporada de lluvias invernales. Se confirma que el NDVI alto corresponde al verano, después de una sequía prolongada. Hacia los años 2020 y 2022, se registra un aumento de cobertura vegetal en lugares de mayor temperatura, evidenciando cambio climático y reflejado en los índices de biomasa. https://revistas.untumbes.edu.pe/index.php/manglar/article/view/456cambio climático; índices de biomasa; desierto atacama; machine learning. |
| spellingShingle | Santos Gómez Edwin Pino-Vargas Germán Huayna Jorge Espinoza-Molina Karina Acosta-Caipa Fredy Cabrera-Olivera4 Machine Learning para la Clasificación y Análisis de los Índices de Biomasa y su relación con el Cambio Climático, Desierto de Atacama Manglar cambio climático; índices de biomasa; desierto atacama; machine learning. |
| title | Machine Learning para la Clasificación y Análisis de los Índices de Biomasa y su relación con el Cambio Climático, Desierto de Atacama |
| title_full | Machine Learning para la Clasificación y Análisis de los Índices de Biomasa y su relación con el Cambio Climático, Desierto de Atacama |
| title_fullStr | Machine Learning para la Clasificación y Análisis de los Índices de Biomasa y su relación con el Cambio Climático, Desierto de Atacama |
| title_full_unstemmed | Machine Learning para la Clasificación y Análisis de los Índices de Biomasa y su relación con el Cambio Climático, Desierto de Atacama |
| title_short | Machine Learning para la Clasificación y Análisis de los Índices de Biomasa y su relación con el Cambio Climático, Desierto de Atacama |
| title_sort | machine learning para la clasificacion y analisis de los indices de biomasa y su relacion con el cambio climatico desierto de atacama |
| topic | cambio climático; índices de biomasa; desierto atacama; machine learning. |
| url | https://revistas.untumbes.edu.pe/index.php/manglar/article/view/456 |
| work_keys_str_mv | AT santosgomez machinelearningparalaclasificacionyanalisisdelosindicesdebiomasaysurelacionconelcambioclimaticodesiertodeatacama AT edwinpinovargas machinelearningparalaclasificacionyanalisisdelosindicesdebiomasaysurelacionconelcambioclimaticodesiertodeatacama AT germanhuayna machinelearningparalaclasificacionyanalisisdelosindicesdebiomasaysurelacionconelcambioclimaticodesiertodeatacama AT jorgeespinozamolina machinelearningparalaclasificacionyanalisisdelosindicesdebiomasaysurelacionconelcambioclimaticodesiertodeatacama AT karinaacostacaipa machinelearningparalaclasificacionyanalisisdelosindicesdebiomasaysurelacionconelcambioclimaticodesiertodeatacama AT fredycabreraolivera4 machinelearningparalaclasificacionyanalisisdelosindicesdebiomasaysurelacionconelcambioclimaticodesiertodeatacama |