Modelo espacial bayesiano de Cox log-gaussiano usando SPDE para estimar la ocurrencia de incendios forestales en el Perú

• Autor: Salcedo Suarez, Omar Ivan
• Formato: tesis de maestría
• Fecha de Publicación: 2023
• Institución: Pontificia Universidad Católica del Perú
• Repositorio: PUCP-Tesis
• Lenguaje: español
• OAI Identifier: oai:tesis.pucp.edu.pe:20.500.12404/26064
• Enlace del recurso: http://hdl.handle.net/20.500.12404/26064
• Nivel de acceso: acceso abierto
• Materia: Incendios forestales--Análisis espacial (Estadística); Recursos forestales--Conservación--Perú; Procesos puntuales; Procesos de Gauss; https://purl.org/pe-repo/ocde/ford#1.01.03

Los incendios forestales se han venido incrementando en las últimas cuatro décadas a nivel mundial. En el Perú de acuerdo a los datos del INDECI, en los últimos 10 años se evidencia una tendencia creciente. La ocurrencia de estos eventos representa la degradación de la calidad del aire, de la flora y pone en grave riesgo a muchas personas y zonas agrícolas. Para una adecuada evaluación de uno de los componentes del riesgo generado por estos eventos, se requiere analizar la intensidad de su ocurrencia a través de herramientas flexibles. En este contexto se estudia el patrón puntual de estos eventos, a través del modelo espacial bayesiano de Cox log-gaussiano (LGCP) bajo el enfoque de ecuaciones diferenciales parciales estocásticas (SPDE). Los distintos modelos que se evalúan corresponden a la clase de modelos gaussianos latentes y jerárquicos, lo cual nos permite realizar su estimación bajo inferencia bayesiana empleando la aproximación de Laplace anidada integrada (INLA), en tiempos que posibilitan una respuesta rápida y eficiente ante el riesgo generado por estos eventos.