Análisis cuantitativo de variabilidad climática en relación a la pérdida superficial con datos Landsat en nevados peruanos 2010-2020

Descripción del Articulo

El cambio climático está afectando al planeta por falta de información respecto a sus temperaturas, precipitaciones y disminución del área superficial de los neva-dos, lo que ocasiona un alto impacto sobre el deshielo de los nevados, por ello es importante tener modelos predictivos de regresiones mu...

Descripción completa

Detalles Bibliográficos
Autores: Flores Kancha, Assael Anthony, Torres Agüero, Jair Efraín
Formato: tesis de grado
Fecha de Publicación:2022
Institución:Universidad Peruana Unión
Repositorio:UPEU-Tesis
Lenguaje:español
OAI Identifier:oai:repositorio.upeu.edu.pe:20.500.12840/5414
Enlace del recurso:http://repositorio.upeu.edu.pe/handle/20.500.12840/5414
Nivel de acceso:acceso abierto
Materia:Regresión múltiple
Variabilidad climática
Retroceso glaciar
Imágenes Landsat
Nevados peruanos
http://purl.org/pe-repo/ocde/ford#1.05.08
id UEPU_04822d70053e3851e4bb0bfbd91b0400
oai_identifier_str oai:repositorio.upeu.edu.pe:20.500.12840/5414
network_acronym_str UEPU
network_name_str UPEU-Tesis
repository_id_str 4840
dc.title.en_ES.fl_str_mv Análisis cuantitativo de variabilidad climática en relación a la pérdida superficial con datos Landsat en nevados peruanos 2010-2020
title Análisis cuantitativo de variabilidad climática en relación a la pérdida superficial con datos Landsat en nevados peruanos 2010-2020
spellingShingle Análisis cuantitativo de variabilidad climática en relación a la pérdida superficial con datos Landsat en nevados peruanos 2010-2020
Flores Kancha, Assael Anthony
Regresión múltiple
Variabilidad climática
Retroceso glaciar
Imágenes Landsat
Nevados peruanos
http://purl.org/pe-repo/ocde/ford#1.05.08
title_short Análisis cuantitativo de variabilidad climática en relación a la pérdida superficial con datos Landsat en nevados peruanos 2010-2020
title_full Análisis cuantitativo de variabilidad climática en relación a la pérdida superficial con datos Landsat en nevados peruanos 2010-2020
title_fullStr Análisis cuantitativo de variabilidad climática en relación a la pérdida superficial con datos Landsat en nevados peruanos 2010-2020
title_full_unstemmed Análisis cuantitativo de variabilidad climática en relación a la pérdida superficial con datos Landsat en nevados peruanos 2010-2020
title_sort Análisis cuantitativo de variabilidad climática en relación a la pérdida superficial con datos Landsat en nevados peruanos 2010-2020
author Flores Kancha, Assael Anthony
author_facet Flores Kancha, Assael Anthony
Torres Agüero, Jair Efraín
author_role author
author2 Torres Agüero, Jair Efraín
author2_role author
dc.contributor.advisor.fl_str_mv Cruz Huaranga, Milda Amparo
dc.contributor.author.fl_str_mv Flores Kancha, Assael Anthony
Torres Agüero, Jair Efraín
dc.subject.en_ES.fl_str_mv Regresión múltiple
Variabilidad climática
Retroceso glaciar
Imágenes Landsat
Nevados peruanos
topic Regresión múltiple
Variabilidad climática
Retroceso glaciar
Imágenes Landsat
Nevados peruanos
http://purl.org/pe-repo/ocde/ford#1.05.08
dc.subject.ocde.en_ES.fl_str_mv http://purl.org/pe-repo/ocde/ford#1.05.08
description El cambio climático está afectando al planeta por falta de información respecto a sus temperaturas, precipitaciones y disminución del área superficial de los neva-dos, lo que ocasiona un alto impacto sobre el deshielo de los nevados, por ello es importante tener modelos predictivos de regresiones multivariantes que permitan pronosticar en el tiempo el área superficial de nevados. En la investigación se utilizó el modelo de regresión multivariada por cada nevado en estudio teniendo como variables regresoras a la temperatura y precipitación, y como variable de-pendiente al área superficial del nevado con datos obtenidos por medio de imá-genes Landsat 4-5, 7 y 8 durante los años 2010-2020. Se obtuvo un modelo del nevado Huaytapallana de la forma =34.274− 2.31971+ 0.1352 con p-valor = 0.034 de significancia y el nevado Coropuna con modelo de forma =101.3487− 6.7201+ 0.3312 teniendo p-valor = 0.036 siendo significativos para su predicción. La media de área superficial más alta fue del Coropuna (53.92 km2) con un SD de 14.94, y la más baja fue del nevado Verónica (16.16 km2) con un SD de 37.77. El nevado Huaytapallana mostró la menor reducción de área superficial disminuyendo en 7%, mientras que el nevado Verónica se redujo en 52%, siendo el más afectado de los 4 nevados, por el deshielo en estudio durante los 10 años de data analizada.
publishDate 2022
dc.date.accessioned.none.fl_str_mv 2022-05-04T14:51:27Z
dc.date.available.none.fl_str_mv 2022-05-04T14:51:27Z
dc.date.issued.fl_str_mv 2022-04-25
dc.type.en_ES.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
dc.identifier.uri.none.fl_str_mv http://repositorio.upeu.edu.pe/handle/20.500.12840/5414
url http://repositorio.upeu.edu.pe/handle/20.500.12840/5414
dc.language.iso.en_ES.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.en_ES.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-sa/3.0/es/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/3.0/es/
dc.format.en_ES.fl_str_mv application/pdf
dc.publisher.en_ES.fl_str_mv Universidad Peruana Unión
dc.publisher.country.en_ES.fl_str_mv PE
dc.source.none.fl_str_mv reponame:UPEU-Tesis
instname:Universidad Peruana Unión
instacron:UPEU
instname_str Universidad Peruana Unión
instacron_str UPEU
institution UPEU
reponame_str UPEU-Tesis
collection UPEU-Tesis
bitstream.url.fl_str_mv https://repositorio.upeu.edu.pe/bitstreams/aba02b7d-c24c-426e-8487-521219ab6a2c/download
https://repositorio.upeu.edu.pe/bitstreams/b2119180-001f-4b06-a2a7-007341f6e49e/download
https://repositorio.upeu.edu.pe/bitstreams/2f8174a9-1df6-4992-b069-a7004fade7a7/download
https://repositorio.upeu.edu.pe/bitstreams/cf867be4-e0d5-4db9-98bf-f2511d576f87/download
bitstream.checksum.fl_str_mv d1e177db39d29f99e2a750fa6460e9d8
ff8658fc73ea29fe78987aa30fc51cfe
8a4605be74aa9ea9d79846c1fba20a33
e97552815de5c7e4849a9b9ced4c1e43
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv DSpace 7
repository.mail.fl_str_mv repositorio-help@upeu.edu.pe
_version_ 1835737889059635200
spelling Cruz Huaranga, Milda AmparoFlores Kancha, Assael AnthonyTorres Agüero, Jair Efraín2022-05-04T14:51:27Z2022-05-04T14:51:27Z2022-04-25http://repositorio.upeu.edu.pe/handle/20.500.12840/5414El cambio climático está afectando al planeta por falta de información respecto a sus temperaturas, precipitaciones y disminución del área superficial de los neva-dos, lo que ocasiona un alto impacto sobre el deshielo de los nevados, por ello es importante tener modelos predictivos de regresiones multivariantes que permitan pronosticar en el tiempo el área superficial de nevados. En la investigación se utilizó el modelo de regresión multivariada por cada nevado en estudio teniendo como variables regresoras a la temperatura y precipitación, y como variable de-pendiente al área superficial del nevado con datos obtenidos por medio de imá-genes Landsat 4-5, 7 y 8 durante los años 2010-2020. Se obtuvo un modelo del nevado Huaytapallana de la forma =34.274− 2.31971+ 0.1352 con p-valor = 0.034 de significancia y el nevado Coropuna con modelo de forma =101.3487− 6.7201+ 0.3312 teniendo p-valor = 0.036 siendo significativos para su predicción. La media de área superficial más alta fue del Coropuna (53.92 km2) con un SD de 14.94, y la más baja fue del nevado Verónica (16.16 km2) con un SD de 37.77. El nevado Huaytapallana mostró la menor reducción de área superficial disminuyendo en 7%, mientras que el nevado Verónica se redujo en 52%, siendo el más afectado de los 4 nevados, por el deshielo en estudio durante los 10 años de data analizada.LIMAEscuela Profesional de Ingeniería AmbientalCambio climático y desastresapplication/pdfspaUniversidad Peruana UniónPEinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/3.0/es/Regresión múltipleVariabilidad climáticaRetroceso glaciarImágenes LandsatNevados peruanoshttp://purl.org/pe-repo/ocde/ford#1.05.08Análisis cuantitativo de variabilidad climática en relación a la pérdida superficial con datos Landsat en nevados peruanos 2010-2020info:eu-repo/semantics/bachelorThesisreponame:UPEU-Tesisinstname:Universidad Peruana Unióninstacron:UPEUSUNEDUIngeniería AmbientalUniversidad Peruana Unión. Facultad de Ingeniería y ArquitecturaIngeniero Ambiental41574112https://orcid.org/0000-0002-1992-66507337162673041676521066Perez Carpio, Jackson EdgardoAranda Castillo, Cesar AsbelGutierrez Rodríguez, Iliana Del CarmenPoma Porras, Orlando AlanCruz Huaranga, Milda Amparohttp://purl.org/pe-repo/renati/nivel#tituloProfesionalhttp://purl.org/pe-repo/renati/type#tesisORIGINALAssael_Tesis_Licenciatura_2022.pdfAssael_Tesis_Licenciatura_2022.pdfapplication/pdf637679https://repositorio.upeu.edu.pe/bitstreams/aba02b7d-c24c-426e-8487-521219ab6a2c/downloadd1e177db39d29f99e2a750fa6460e9d8MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81037https://repositorio.upeu.edu.pe/bitstreams/b2119180-001f-4b06-a2a7-007341f6e49e/downloadff8658fc73ea29fe78987aa30fc51cfeMD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.upeu.edu.pe/bitstreams/2f8174a9-1df6-4992-b069-a7004fade7a7/download8a4605be74aa9ea9d79846c1fba20a33MD53THUMBNAILAssael_Tesis_Licenciatura_2022.pdf.jpgAssael_Tesis_Licenciatura_2022.pdf.jpgGenerated Thumbnailimage/jpeg3041https://repositorio.upeu.edu.pe/bitstreams/cf867be4-e0d5-4db9-98bf-f2511d576f87/downloade97552815de5c7e4849a9b9ced4c1e43MD5420.500.12840/5414oai:repositorio.upeu.edu.pe:20.500.12840/54142022-05-04 10:09:06.818http://creativecommons.org/licenses/by-nc-sa/3.0/es/info:eu-repo/semantics/openAccessopen.accesshttps://repositorio.upeu.edu.peDSpace 7repositorio-help@upeu.edu.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
score 13.860459
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).