Patrones espaciales de peligro de incendios de la cobertura vegetal utilizando MLP-NET y SIG en Amazonas (Perú)

• Autor: Puerta Culqui, Jhoider
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Nacional Toribio Rodríguez de Mendoza de Amazonas
• Repositorio: UNTRM-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.untrm.edu.pe:20.500.14077/4856
• Enlace del recurso: https://hdl.handle.net/20.500.14077/4856
• Nivel de acceso: acceso abierto
• Materia: Patrones espaciales; Peligro de incendios; Cobertura vegetal; MLP-Net; SHAP; Aprendizaje automático; https://purl.org/pe-repo/ocde/ford#1.05.00

Uno de los problemas más significativos que impactan a muchos países, especialmente al departamento Amazonas (Perú), son los incendios en la cobertura vegetal, que causan serios daños a la economía y principalmente al medio ambiente. En este contexto, el presente estudio ofrece un análisis de los patrones espaciales de peligro de incendios de la cobertura vegetal. Para lo cual, se construyó una base de datos SIG con puntos de incendios históricos ocurridos entre 2018 y 2023, además de diez variables predictivas: elevación, pendiente, aspecto, curvatura, distancia a carreteras, NDVI, uso de suelo, temperatura, precipitación y humedad relativa. Posteriormente, se aplicó la correlación de Pearson para identificar la relación lineal entre pares de variables; asimismo, se calculó la razón de ganancia de información (IGR), que evalúa la capacidad predictiva de cada variable en relación con la ocurrencia de incendios; de manera complementaria, se estimó el factor de inflación de varianza (VIF), el cual cuantifica el grado de multicolinealidad entre variables; y, finalmente, se consideró la tolerancia (TOL) como indicador del nivel de independencia de cada predictor. Estas pruebas posibilitaron la valoración de la relevancia y correlación de las variables utilizadas en el modelado. Después de depurar el grupo de predictores, se elaboró una data SIG para el entrenamiento y validación del modelo MLP-Net, utilizando una relación de 70/30 para la partición de los datos. A continuación, se evaluó su rendimiento global mediante métricas muy reconocidas: precisión de la clasificación (ACC), estadístico Kappa y área bajo la curva ROC (AUC). Después se utilizó el SHAP para calcular la importancia de las variables predictoras. Asimismo, para validar el mapa de susceptibilidad a incendios de la cobertura vegetal, se emplearon métodos como la densidad de incendios (DF), el desacuerdo de cantidad (QD) y el acuerdo de cantidad (QA). Los resultados demostraron que el modelo presenta un desempeño altamente satisfactorio, con valores de ACC = 0.92, Kappa = 0.784, AUC = 0.943 y F-1 = 0.896. Por lo tanto, este estudio propone una herramienta robusta y funcional para la gestión del riesgo de incendios de la cobertura vegetal, al facilitar la detección de zonas dentro del departamento de Amazonas que tienen una alta y muy alta susceptibilidad y necesitan que se prioricen más las medidas preventivas de monitoreo y respuesta rápida.