Predicción de bofedales en la Reserva de Producción de Fauna Chimborazo a través del tratamiento de imágenes satelitales
La presente investigación propone: realizar la predicción de bofedales en la Reserva de Producción de Fauna Chimborazo, a través del tratamiento de imágenes satelitales Landsat; para lo cual se desarrolló tres entrenamientos del algoritmo Random Forest. Este proceso se llevó a cabo con el cálculo de...
Збережено в:
| Автор: | |
|---|---|
| Формат: | bachelorThesis |
| Мова: | spa |
| Опубліковано: |
2017
|
| Предмети: | |
| Онлайн доступ: | https://dspace.espoch.edu.ec/handle/123456789/8200 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
Додати тег | Резюме: | La presente investigación propone: realizar la predicción de bofedales en la Reserva de Producción de Fauna Chimborazo, a través del tratamiento de imágenes satelitales Landsat; para lo cual se desarrolló tres entrenamientos del algoritmo Random Forest. Este proceso se llevó a cabo con el cálculo de índices espectrales que abarcaron características abióticas del área, generando un modelo predictorio de categorización por medio de árboles de decisión; el algoritmo eligió la clase o cobertura que mayor valor obtuvo, arrojando variables en cada nivel del árbol. Los resultados muestran que los factores relevantes en la categorización para cada entrenamiento son: en el primer entrenamiento el índice diferencial de agua normalizado NDWI con un porcentaje de categorización de 97,88%, siendo 97.44% bofedal y 99.44% distinto a bofedal, en el segundo entrenamiento fue el índice de vegetación ajustado con el factor del brillo del suelo SAVI 15 con un porcentaje de 89,45%, siendo 85,23% bofedal y 90,04% distinto a bofedal y en el tercer entrenamiento el índice de vegetación de diferencia normalizada NDVI con un porcentaje de 95,95 %, siendo 93,82% bofedal y 99,21% distinto a bofedal. Con el fin de analizar los porcentajes y comportamientos de los bofedales, se realizó un análisis multitemporal del área de estudio de los años 1991, 2001, 2010 y 2016 bajo el mismo procedimiento del algoritmo Random Forest; para lo cual se trabajó con imagenes satelitales Landsat 8 OLI, 7 ETM y 5 TM, sobre los resultados obtenidos de los años 1991 y 2016 se aplicó la herramienta de reducción del área UICN, la cual proyecto una tasa de reducción absoluta del ecosistema en los próximos 16 años, por lo cual asignó la categoría de peligro crítico, en este contexto es necesario plantear acciones de manejo y uso sostenible de este ecosistema para evitar su colapso. Palabras clave: SENSORES REMOTOS - HUMEDALES ALTOANDINOS - COLAPSO ECOSISTÉMICO- BOFEDALES |
|---|