Modelos de predicción temporal de la contaminación atmosférica mediante análisis de datos satelitales en la provincia de Piura 2025

• Autor: Machado Diez, Mario Armando
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/180358
• Enlace del recurso: https://hdl.handle.net/20.500.12692/180358
• Nivel de acceso: acceso abierto
• Materia: Contaminación atmosférica; Enfermedades respiratorias; Modelos predictivos; https://purl.org/pe-repo/ocde/ford#2.02.04

Este estudio analizó la influencia de la contaminación del aire en la aparición de enfermedades respiratorias, tanto agudas como crónicas, en Piura, Perú. Para ello, se usaron datos satelitales del programa Sentinel, junto con registros clínicos semanales recopilados entre 2022 y 2025. Se evaluaron siete contaminantes: aerosoles AER_340–380 y AER_354–388, ozono (O₃), monóxido de carbono (CO), dióxido de nitrógeno (NO₂), dióxido de azufre (SO₂) y formaldehído (HCHO). Los valores semanales mostraron patrones estacionales, con incrementos marcados de ozono (0.118) y aerosoles durante las semanas con mayor radiación. En paralelo, los casos respiratorios fluctuaron entre 350 y más de 1 900 por semana. El análisis correlacional mostró una relación significativa entre el ozono y los casos respiratorios con un desfase de tres semanas (ρ = 0.404). El CO también presentó una correlación importante (ρ = 0.375) con un desfase mayor. El SO₂, en cambio, tuvo una relación levemente negativa. Entre los modelos predictivos, ARIMAX ofreció el mejor desempeño (RMSE = 168), seguido de Prophet. Aunque Random Forest y XGBoost fueron menos precisos, ayudaron a identificar la relevancia de ciertos contaminantes. La descomposición estacional (STL) reveló aumentos recurrentes de aerosoles y ozono en verano, coincidiendo con más casos respiratorios.