Estimación de carbono con redes neuronales artificiales en plantaciones de Pinus patula en Huancas – Chachapoyas.

• Autor: Yajahuanca Gaytán, Katharine Rosabel
• Formato: tesis de maestría
• Fecha de Publicación: 2023
• Institución: Universidad Nacional Toribio Rodríguez de Mendoza de Amazonas
• Repositorio: UNTRM-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.untrm.edu.pe:20.500.14077/3518
• Enlace del recurso: https://hdl.handle.net/20.500.14077/3518
• Nivel de acceso: acceso abierto
• Materia: Machine learning; Teledetección; Modelamiento matemático; Sensores remotos; Manejo forestal; https://purl.org/pe-repo/ocde/ford#4.00.00

El objetivo de esta investigación fue estimar la captura de carbono con redes neuronales artificiales en plantaciones de Pinus patula Schltdl. & cham. en Huancas, Chachapoyas, Perú. La metodología fue de tipo descriptivo, correlacional y de corte transversal, que consistió en la estimación de captura de carbono empleando la ecuación alométrica, para lo cual primero se estimó la biomasa empleando la siguiente ecuación B =0.6575*DAP1.1794 y posteriormente calcular el carbono mediante Ca = Ba * 0.5, logrando estimar que en promedio cada árbol de la plantación estudiada captura 27 kg/C, posteriormente para la estimación de carbono mediante redes neuronales artificiales (RNA) se procedió a la construcción de redes mediante el algoritmo backpropagation en donde se combinaron variables dasométricas e índices espectrales a fin de encontrar la red que mejor estime el carbono, resultando que la RNA construida con DAP y NDVI estima de mejor manera el carbono ya que obtiene R = 0.99 y un RQEM = 3.47; finalmente se realizó el análisis de sostenibilidad con proyección a 5 años para la venta de bonos de CO2 llegando a obtener un TIR = 387 %. Se concluye que las estimaciones de carbono con redes neuronales artificiales son mejores cuando se combinan variables espectrales y dasométricas; así mismo, la venta de bonos de CO2 es rentable y sostenible pues se obtienen altas ganancias económicas.