Estado de conservación de la Puya raimondii Harms mediante técnicas de teledetección y modelos Deep Learning en el área de conservación regional bosque de Puya Raimondi - Titankayocc, Ayacucho

• Autor: Zárate Sotelo, José Luis Ricardo
• Formato: tesis de grado
• Fecha de Publicación: 2023
• Institución: Pontificia Universidad Católica del Perú
• Repositorio: PUCP-Tesis
• Lenguaje: español
• OAI Identifier: oai:tesis.pucp.edu.pe:20.500.12404/25457
• Enlace del recurso: http://hdl.handle.net/20.500.12404/25457
• Nivel de acceso: acceso abierto
• Materia: Inteligencia artificial; Sistemas de información geográfica; Plantas--Perú--Ayacucho; Flora--Perú--Ayacucho; Teledetección; https://purl.org/pe-repo/ocde/ford#5.09.00

Los estudios de la Puya raimondii Harms en el Perú son escasos, pese a su valor ecológico y económico para los ecosistemas altoandinos. Actualmente, su situación es grave debido a las amenazas climáticas y antropogénicas que afectan en el crecimiento poblacional de la especie. Consecuencia de ello, la P. raimondii se encuentra declarada en peligro de extinción, ya que presenta poca variabilidad genética para soportar dichos cambios; además, produce una sola inflorescencia al final de su periodo vegetativo. De manera que, el objetivo general de esta tesis es estudiar y evaluar el estado de conservación de la P. raimondii a través de la teledetección y el uso de nuevas técnicas de detección de objetos como son los algoritmos de Deep Learning aplicado en un área representativa de puyas como es el Área de Conservación Regional Bosque de Puya Raimondi - Titankayocc, departamento de Ayacucho. La metodología implica el uso de herramientas de Sistemas de Información Geográfica y análisis espacial basado en la geoestadística para estimar el número de individuos a través de imágenes satelitales de Google Earth; posteriormente, calcular los valores de las variables ambientales como el Índice de Vegetación de Diferencia Normalizada (NDVI) y el Índice de Rugosidad del Terreno (TRI) provenientes de satélites de alta resolución, CBERS-4A y SRTM respectivamente; finalmente, discretizar la información hallada para caracterizar el hábitat de la P. raimondii dentro del área de conservación. En ese sentido, los resultados alcanzados concluyeron en la detección de 58 607 individuos usando imágenes Google Earth. Asimismo, la actividad fotosintética registrada tenía como valor promedio un 0.23 según el NDVI; de igual manera, para el caso del TRI se identificaron los hábitats más propicios para la especie los cuales fueron suelos rugosos ligeros a elevados ubicados principalmente en los ejes Este y Sur. Dicho esto, la propuesta de nuevas estrategias para el estudio de conservación implicó abordar los conceptos relacionados a la ecología vegetal, análisis espacial e inteligencia artificial.