Estimación del área glaciar mediante inteligencia artificial y cubos de datos. Caso de estudio: Parque Nacional Huascarán, Ancash – Perú del 2018-2022

• Autores: Bautista Buendia, Lesly Aracelly, Calvo Montañez, Junior Antonio
• 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:20.500.12672/22419
• Enlace del recurso: https://hdl.handle.net/20.500.12672/22419
• Nivel de acceso: acceso abierto
• Materia: Huascarán Nevado (Perú); Inteligencia artificial; Estimación; https://purl.org/pe-repo/ocde/ford#1.05.01; https://purl.org/pe-repo/ocde/ford#2.07.04; https://purl.org/pe-repo/ocde/ford#1.05.08

Estima el área glaciar en el Parque Nacional Huascarán, Ancash – Perú, durante el período 2018-2022 mediante el uso de cubos de datos e inteligencia artificial. La investigación surge de la necesidad de desarrollar un método preciso y automatizado para estimar el área glaciar en la región de los Andes, motivada por las dificultades inherentes a las estimaciones manuales y la importancia de monitorear los cambios en los glaciares debido al cambio climático. El avance en técnicas de inteligencia artificial y la creciente disponibilidad de datos satelitales ofrecen una oportunidad para abordar este desafío de manera más efectiva. El modelo tendría diversos impactos positivos, incluyendo una mejor comprensión de la dinámica glaciar en la región, la capacidad de monitorear los efectos del cambio climático de manera más precisa y oportuna, y la provisión de información valiosa para la toma de decisiones en la gestión de recursos naturales y la planificación del desarrollo. El método propuesto para la estimación del área glaciar se fundamenta en la utilización de la arquitectura U-Net de inteligencia artificial. Esta arquitectura, diseñada específicamente para tareas de segmentación de imágenes, permite identificar y delinear con precisión las áreas de interés en las imágenes satelitales, en este caso, el área cubierta por los glaciares. Al combinar esta técnica con datos satelitales de alta resolución y un enfoque observacional longitudinal, se espera obtener estimaciones más precisas y frecuentes del área glaciar en los Andes. Este enfoque no solo ofrece una solución automatizada y eficiente, sino que también aprovecha el potencial de la inteligencia artificial para mejorar la calidad de los resultados y la capacidad de monitoreo de los glaciares en la región.