Automatización del calculo de la línea altitudinal de nieve, mediante la aplicación de técnica de Machine learning para la determinación de la línea altitudinal de equilibrio al 2022 en la Cordillera Blanca, Ancash, Perú

Descripción del Articulo

La presente investigación se centró en la estimación de la línea altitudinal de nieve mediante la aplicación del algoritmo de aprendizaje automático "Random Forest", el cual es ampliamente utilizado en el campo de la teledetección para la identificación de diferentes tipos de coberturas de...

Descripción completa

Detalles Bibliográficos
Autor: Fernandez Vega, Juan de Dios
Formato: tesis de grado
Fecha de Publicación:2024
Institución:Universidad Nacional Mayor de San Marcos
Repositorio:UNMSM-Tesis
Lenguaje:español
OAI Identifier:oai:cybertesis.unmsm.edu.pe:20.500.12672/25088
Enlace del recurso:https://hdl.handle.net/20.500.12672/25088
Nivel de acceso:acceso abierto
Materia:RandomForest
Geografía física
https://purl.org/pe-repo/ocde/ford#1.05.00
id UNMS_88524456af0054abcfa5758a86311ae4
oai_identifier_str oai:cybertesis.unmsm.edu.pe:20.500.12672/25088
network_acronym_str UNMS
network_name_str UNMSM-Tesis
repository_id_str 410
dc.title.none.fl_str_mv Automatización del calculo de la línea altitudinal de nieve, mediante la aplicación de técnica de Machine learning para la determinación de la línea altitudinal de equilibrio al 2022 en la Cordillera Blanca, Ancash, Perú
title Automatización del calculo de la línea altitudinal de nieve, mediante la aplicación de técnica de Machine learning para la determinación de la línea altitudinal de equilibrio al 2022 en la Cordillera Blanca, Ancash, Perú
spellingShingle Automatización del calculo de la línea altitudinal de nieve, mediante la aplicación de técnica de Machine learning para la determinación de la línea altitudinal de equilibrio al 2022 en la Cordillera Blanca, Ancash, Perú
Fernandez Vega, Juan de Dios
RandomForest
Geografía física
https://purl.org/pe-repo/ocde/ford#1.05.00
title_short Automatización del calculo de la línea altitudinal de nieve, mediante la aplicación de técnica de Machine learning para la determinación de la línea altitudinal de equilibrio al 2022 en la Cordillera Blanca, Ancash, Perú
title_full Automatización del calculo de la línea altitudinal de nieve, mediante la aplicación de técnica de Machine learning para la determinación de la línea altitudinal de equilibrio al 2022 en la Cordillera Blanca, Ancash, Perú
title_fullStr Automatización del calculo de la línea altitudinal de nieve, mediante la aplicación de técnica de Machine learning para la determinación de la línea altitudinal de equilibrio al 2022 en la Cordillera Blanca, Ancash, Perú
title_full_unstemmed Automatización del calculo de la línea altitudinal de nieve, mediante la aplicación de técnica de Machine learning para la determinación de la línea altitudinal de equilibrio al 2022 en la Cordillera Blanca, Ancash, Perú
title_sort Automatización del calculo de la línea altitudinal de nieve, mediante la aplicación de técnica de Machine learning para la determinación de la línea altitudinal de equilibrio al 2022 en la Cordillera Blanca, Ancash, Perú
author Fernandez Vega, Juan de Dios
author_facet Fernandez Vega, Juan de Dios
author_role author
dc.contributor.advisor.fl_str_mv Alva Huayaney, Miguel Ernesto
dc.contributor.author.fl_str_mv Fernandez Vega, Juan de Dios
dc.subject.none.fl_str_mv RandomForest
Geografía física
topic RandomForest
Geografía física
https://purl.org/pe-repo/ocde/ford#1.05.00
dc.subject.ocde.none.fl_str_mv https://purl.org/pe-repo/ocde/ford#1.05.00
description La presente investigación se centró en la estimación de la línea altitudinal de nieve mediante la aplicación del algoritmo de aprendizaje automático "Random Forest", el cual es ampliamente utilizado en el campo de la teledetección para la identificación de diferentes tipos de coberturas de suelo. Estas zonas son relativamente fáciles de fotointerpretar, una vez delimitadas las áreas de entrenamiento, estas son ingresadas en el algoritmo Random Forest (RF), el cual clasifica los píxeles de las imágenes en función de las características espectrales de las bandas Landsat y Sentinel. Una vez estimadas las clases de acumulación y ablación, la zona de contacto entre ambas representa la línea altitudinal de nieve (SLA). A partir de esta línea, y empleando la técnica de estadísticas zonales, se extrae la altitud máxima de la línea de nieve. Esta altitud se utiliza posteriormente para establecer una correlación con la línea de equilibrio altitudinal (ELA), con el objetivo de evaluar la representatividad de la SLA respecto a la ELA, se logró estimar correlaciones entre los 0.67 y 0.77 (R2), lo que nos indica que existe representatividad entre la SLA – ELA. Finalmente, la Línea Altitudinal de Nieve (SLA) se analizó en relación con la precipitación y la temperatura para evaluar el impacto de estos parámetros en su variación. Los resultados indican que el incremento en la temperatura del aire está directamente asociado con el ascenso de la línea altitudinal de nieve (SLA), mientras que la precipitación tiene relación inversa con la SLA, es decir, a mayor precipitación, la SLA tiende a descender.
publishDate 2024
dc.date.accessioned.none.fl_str_mv 2025-01-28T20:43:47Z
dc.date.available.none.fl_str_mv 2025-01-28T20:43:47Z
dc.date.issued.fl_str_mv 2024
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
dc.identifier.citation.none.fl_str_mv Fernandez, J. (2024). Automatización del calculo de la línea altitudinal de nieve, mediante la aplicación de técnica de Machine learning para la determinación de la línea altitudinal de equilibrio al 2022 en la Cordillera Blanca, Ancash, Perú. [Tesis de pregrado, Universidad Nacional Mayor de San Marcos, Facultad de Ciencias Sociales, Escuela Profesional de Geografía]. Repositorio institucional Cybertesis UNMSM.
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12672/25088
identifier_str_mv Fernandez, J. (2024). Automatización del calculo de la línea altitudinal de nieve, mediante la aplicación de técnica de Machine learning para la determinación de la línea altitudinal de equilibrio al 2022 en la Cordillera Blanca, Ancash, Perú. [Tesis de pregrado, Universidad Nacional Mayor de San Marcos, Facultad de Ciencias Sociales, Escuela Profesional de Geografía]. Repositorio institucional Cybertesis UNMSM.
url https://hdl.handle.net/20.500.12672/25088
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.none.fl_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional Mayor de San Marcos
dc.publisher.country.none.fl_str_mv PE
publisher.none.fl_str_mv Universidad Nacional Mayor de San Marcos
dc.source.none.fl_str_mv reponame:UNMSM-Tesis
instname:Universidad Nacional Mayor de San Marcos
instacron:UNMSM
instname_str Universidad Nacional Mayor de San Marcos
instacron_str UNMSM
institution UNMSM
reponame_str UNMSM-Tesis
collection UNMSM-Tesis
bitstream.url.fl_str_mv https://cybertesis.unmsm.edu.pe/bitstreams/a93c1927-812b-4ce8-ac9a-10b6c9fcccb5/download
https://cybertesis.unmsm.edu.pe/bitstreams/7fd031c9-d0d1-4daa-82a5-3f7461cf3bd4/download
https://cybertesis.unmsm.edu.pe/bitstreams/bf8005c5-3fad-4c84-99fd-aa79ef223723/download
https://cybertesis.unmsm.edu.pe/bitstreams/355d9306-0e8a-4449-ae2f-af36abb65167/download
https://cybertesis.unmsm.edu.pe/bitstreams/3ba2c089-8b78-4f9f-88d2-3bf31c7099c8/download
https://cybertesis.unmsm.edu.pe/bitstreams/d3e5d0a1-be88-40b8-a87a-376c84d56498/download
https://cybertesis.unmsm.edu.pe/bitstreams/e3f5d57c-60b0-4ea2-8262-969651dfd44f/download
https://cybertesis.unmsm.edu.pe/bitstreams/5aa36d08-26fb-46d8-bac7-b631b681a370/download
https://cybertesis.unmsm.edu.pe/bitstreams/edf088ac-cdbc-4fa6-b6bd-fa279f262fcf/download
https://cybertesis.unmsm.edu.pe/bitstreams/f7d5b944-0f0b-4142-93bf-8d3a6417e0c4/download
https://cybertesis.unmsm.edu.pe/bitstreams/f6e62215-fb6e-40ca-83b3-4dd0b8f244ca/download
bitstream.checksum.fl_str_mv 2195bafa9ad3aaeb30d04aba2380663a
b18fa0ab4456bf244b23e13842d81580
2a9b8d4fcc237f8972cb18a80b4a63e4
1f14487299a8a795dc379bc1df9968a0
bb9bdc0b3349e4284e09149f943790b4
ff85f98ad30e724a915aa1662df2900f
17e375acd35e5ea98ceb68bb913ed630
26a02bde2c5e2a511f66e4b4c86ec45c
00670f1a627b3bcb1af10c5d901b01d7
ce26ae111f6c90d0fc6b781819762cf9
dd12d6d58170dcd257448de12a41730c
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Cybertesis UNMSM
repository.mail.fl_str_mv cybertesis@unmsm.edu.pe
_version_ 1844715923036962816
spelling Alva Huayaney, Miguel ErnestoFernandez Vega, Juan de Dios2025-01-28T20:43:47Z2025-01-28T20:43:47Z2024Fernandez, J. (2024). Automatización del calculo de la línea altitudinal de nieve, mediante la aplicación de técnica de Machine learning para la determinación de la línea altitudinal de equilibrio al 2022 en la Cordillera Blanca, Ancash, Perú. [Tesis de pregrado, Universidad Nacional Mayor de San Marcos, Facultad de Ciencias Sociales, Escuela Profesional de Geografía]. Repositorio institucional Cybertesis UNMSM.https://hdl.handle.net/20.500.12672/25088La presente investigación se centró en la estimación de la línea altitudinal de nieve mediante la aplicación del algoritmo de aprendizaje automático "Random Forest", el cual es ampliamente utilizado en el campo de la teledetección para la identificación de diferentes tipos de coberturas de suelo. Estas zonas son relativamente fáciles de fotointerpretar, una vez delimitadas las áreas de entrenamiento, estas son ingresadas en el algoritmo Random Forest (RF), el cual clasifica los píxeles de las imágenes en función de las características espectrales de las bandas Landsat y Sentinel. Una vez estimadas las clases de acumulación y ablación, la zona de contacto entre ambas representa la línea altitudinal de nieve (SLA). A partir de esta línea, y empleando la técnica de estadísticas zonales, se extrae la altitud máxima de la línea de nieve. Esta altitud se utiliza posteriormente para establecer una correlación con la línea de equilibrio altitudinal (ELA), con el objetivo de evaluar la representatividad de la SLA respecto a la ELA, se logró estimar correlaciones entre los 0.67 y 0.77 (R2), lo que nos indica que existe representatividad entre la SLA – ELA. Finalmente, la Línea Altitudinal de Nieve (SLA) se analizó en relación con la precipitación y la temperatura para evaluar el impacto de estos parámetros en su variación. Los resultados indican que el incremento en la temperatura del aire está directamente asociado con el ascenso de la línea altitudinal de nieve (SLA), mientras que la precipitación tiene relación inversa con la SLA, es decir, a mayor precipitación, la SLA tiende a descender.application/pdfspaUniversidad Nacional Mayor de San MarcosPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/4.0/RandomForestGeografía físicahttps://purl.org/pe-repo/ocde/ford#1.05.00Automatización del calculo de la línea altitudinal de nieve, mediante la aplicación de técnica de Machine learning para la determinación de la línea altitudinal de equilibrio al 2022 en la Cordillera Blanca, Ancash, Perúinfo:eu-repo/semantics/bachelorThesisreponame:UNMSM-Tesisinstname:Universidad Nacional Mayor de San Marcosinstacron:UNMSMSUNEDUGeógrafoUniversidad Nacional Mayor de San Marcos. Facultad de Ciencias Sociales. Escuela Profesional de GeografíaGeografía31654715https://orcid.org/0000-0002-5539-457576356964532026Gabriel Campos, Edwin NatividadRamos Alonzo, Robert BartolomeVera Antialón, Arturo Jorgehttps://purl.org/pe-repo/renati/level#tituloProfesionalhttps://purl.org/pe-repo/renati/type#tesis408173844090595209680101ORIGINALFernandez_vj.pdfFernandez_vj.pdfapplication/pdf5063810https://cybertesis.unmsm.edu.pe/bitstreams/a93c1927-812b-4ce8-ac9a-10b6c9fcccb5/download2195bafa9ad3aaeb30d04aba2380663aMD51C361_2025_Fernandez_vj_AUTORIZACION.pdfC361_2025_Fernandez_vj_AUTORIZACION.pdfapplication/pdf155973https://cybertesis.unmsm.edu.pe/bitstreams/7fd031c9-d0d1-4daa-82a5-3f7461cf3bd4/downloadb18fa0ab4456bf244b23e13842d81580MD52C361_2025_Fernandez_vj_REPORTE.pdfC361_2025_Fernandez_vj_REPORTE.pdfapplication/pdf14469035https://cybertesis.unmsm.edu.pe/bitstreams/bf8005c5-3fad-4c84-99fd-aa79ef223723/download2a9b8d4fcc237f8972cb18a80b4a63e4MD53CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8905https://cybertesis.unmsm.edu.pe/bitstreams/355d9306-0e8a-4449-ae2f-af36abb65167/download1f14487299a8a795dc379bc1df9968a0MD54LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://cybertesis.unmsm.edu.pe/bitstreams/3ba2c089-8b78-4f9f-88d2-3bf31c7099c8/downloadbb9bdc0b3349e4284e09149f943790b4MD55TEXTFernandez_vj.pdf.txtFernandez_vj.pdf.txtExtracted texttext/plain101976https://cybertesis.unmsm.edu.pe/bitstreams/d3e5d0a1-be88-40b8-a87a-376c84d56498/downloadff85f98ad30e724a915aa1662df2900fMD56C361_2025_Fernandez_vj_AUTORIZACION.pdf.txtC361_2025_Fernandez_vj_AUTORIZACION.pdf.txtExtracted texttext/plain4356https://cybertesis.unmsm.edu.pe/bitstreams/e3f5d57c-60b0-4ea2-8262-969651dfd44f/download17e375acd35e5ea98ceb68bb913ed630MD58C361_2025_Fernandez_vj_REPORTE.pdf.txtC361_2025_Fernandez_vj_REPORTE.pdf.txtExtracted texttext/plain2609https://cybertesis.unmsm.edu.pe/bitstreams/5aa36d08-26fb-46d8-bac7-b631b681a370/download26a02bde2c5e2a511f66e4b4c86ec45cMD510THUMBNAILFernandez_vj.pdf.jpgFernandez_vj.pdf.jpgGenerated Thumbnailimage/jpeg16408https://cybertesis.unmsm.edu.pe/bitstreams/edf088ac-cdbc-4fa6-b6bd-fa279f262fcf/download00670f1a627b3bcb1af10c5d901b01d7MD57C361_2025_Fernandez_vj_AUTORIZACION.pdf.jpgC361_2025_Fernandez_vj_AUTORIZACION.pdf.jpgGenerated Thumbnailimage/jpeg21197https://cybertesis.unmsm.edu.pe/bitstreams/f7d5b944-0f0b-4142-93bf-8d3a6417e0c4/downloadce26ae111f6c90d0fc6b781819762cf9MD59C361_2025_Fernandez_vj_REPORTE.pdf.jpgC361_2025_Fernandez_vj_REPORTE.pdf.jpgGenerated Thumbnailimage/jpeg11371https://cybertesis.unmsm.edu.pe/bitstreams/f6e62215-fb6e-40ca-83b3-4dd0b8f244ca/downloaddd12d6d58170dcd257448de12a41730cMD51120.500.12672/25088oai:cybertesis.unmsm.edu.pe:20.500.12672/250882025-02-02 03:02:14.177https://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccessopen.accesshttps://cybertesis.unmsm.edu.peCybertesis UNMSMcybertesis@unmsm.edu.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
score 12.602697
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).