Metodología propuesta para evaluar la relación del comportamiento de LST respecto al NDVI basado en la evaluación multitemporal de sus varianzas 2013 - 2020

• Autores: Echevarria Mendoza, Maycol Owen, Lazo Chávez, Derek Enrique
• Formato: tesis de grado
• Fecha de Publicación: 2021
• Institución: Universidad Peruana Unión
• Repositorio: UPEU-Tesis
• Lenguaje: español
• OAI Identifier: oai:repositorio.upeu.edu.pe:20.500.12840/4431
• Enlace del recurso: http://repositorio.upeu.edu.pe/handle/20.500.12840/4431
• Nivel de acceso: acceso abierto
• Materia: LST; NDVI; Modelo matemático; Regresión no lineal por defecto; http://purl.org/pe-repo/ocde/ford#2.07.04

Debido a los impactos potenciales negativos del cambio climático en la humanidad durante los últimos años, teniendo como consecuencia la alteración de estaciones climáticas, aumento de la temperatura global y fenómenos inesperados en lugares estacionales, se origina la importancia de desarrollar mecanismos que ayuden a monitorear y hacer un seguimiento, por ello el objetivo de este trabajo es proponer una metodología para evaluar el comportamiento de la Temperatura de Superficie Terrestre (LST) respecto al Índice Diferencial de Vegetación Normalizada (NDVI) basado en la evaluación multitemporal de sus varianzas 2013-2020. Se procesaron imágenes del satélite landsat 8 obteniendo valores de NDVI y LST, se realizó la corrección radiométrica y atmosférica de los valores, posterior a esto se aplicó la banda pancromática para mejorar la resolución de las imágenes a 15x15 metros pixel, se hizo el Análisis de Componente Principal (PCA) para reducir la dimensión de los valores y mejorar la correlación entre la varianzas de NDVI y LST del año 2020 en relación al 2013. Se obtuvo el coeficiente de correlación de Spearman (Rho) de 0.0267 que indica una correlación casi nula entre los datos de LST y NDVI, después se aplicó el PCA para generar los diagramas de dispersión, siendo el modelo matemático de la regresión polinomial de grado 14 la que se ajusta a la regresión no lineal por defecto, con un R cuadrado ajustado de 0.1421 indicando que la variabilidad de los datos de varianza de LST es explicada por la variabilidad de los datos de NDVI en un 14.21%.