Análisis espacio temporal y predictivo de la superficie de los cuerpos de agua de la intercuenca del río Chaychapampa, distrito de Velille, Chumbivilcas, Cusco

• Autores: Contreras Valeriano, Lucero Alejandra, Huarancca Mellado, Jonathan Rolando, Bustamante Toledo, Carlos Enrique
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Continental
• Repositorio: CONTINENTAL-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.continental.edu.pe:20.500.12394/15747
• Enlace del recurso: https://hdl.handle.net/20.500.12394/15747
• Nivel de acceso: acceso abierto
• Materia: Validez; Agua; Tecnología; https://purl.org/pe-repo/ocde/ford#2.07.00

La Intercuenca del río Chaychapampa se encuentra en el distrito de Velille, de la provincia de Chumbivilcas, la importancia del área de estudio se debe por sus paisajes naturales y sus actividades económicas que dependen de los recursos hídricos en la zona, por tal motivo el presente trabajo de investigación plantea como el principal objetivo el de realizar un análisis espacio temporal y predictivo de la superficie de los cuerpos de agua de la Intercuenca del rio Chaychapampa, distrito de Velille, Chumbivilcas, Cusco entre los años 2013 a 2022, a partir de la recolección de imágenes por teledetección a través de plataformas como COPERNICUS y la USGS (United States Geological Survey), se determinó la distribución espacial y temporal de los cuerpos de agua gracias con la aplicación del índice de agua de diferencia normalizada (NDWI) que nos permite visualizar el comportamiento de los cuerpos de agua de mes a mes, concluyendo que el año 2018 fue el año con mayor reducción en comparación a todos los años de estudio que se logró calcular gracias al software ArcGIS. La cantidad de la muestra es de 80 datos que fueron procesados en el software STATA empleando test de validación estadística, los cuales fueron Kolmogórov-Smirnov, Test de Mann Kendall, Test de Kruskal Wallis y Test de Dickey Fuller los mismos que fueron base para la construcción del modelo predictivo ARMA (p, q).