Análisis de la cobertura vegetal del distrito de Quinjalca-Amazonas en el período 2000-2020 y su proyección futura.

Descripción del Articulo

La conversión permanente de los bosques primarios en tierras agrícolas, pastos o zonas urbanas a gran escala en el distrito de Quinjalca, afectan los ecosistemas debido a la gran pérdida de flora y fauna silvestre. Esta investigación tuvo como objetivos determinar la cobertura vegetal mediante imáge...

Descripción completa

Detalles Bibliográficos
Autor: Sopla Quiroz, Lady
Formato: tesis de grado
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:20.500.14077/3804
Enlace del recurso:https://hdl.handle.net/20.500.14077/3804
Nivel de acceso:acceso abierto
Materia:Cobertura vegetal
Cadenas de Markov
Perceptrón Multicapa (MLP)
https://purl.org/pe-repo/ocde/ford#4.01.02
Descripción
Sumario:La conversión permanente de los bosques primarios en tierras agrícolas, pastos o zonas urbanas a gran escala en el distrito de Quinjalca, afectan los ecosistemas debido a la gran pérdida de flora y fauna silvestre. Esta investigación tuvo como objetivos determinar la cobertura vegetal mediante imágenes satelitales durante el período 2000 – 2020 y generar un modelo para proyectar a futuro la cobertura vegetal del distrito de Quinjalca, región Amazonas para los años 2035 y 2050. Se realizó una clasificación supervisada con el algoritmo de Random forest incorporada en la plataforma Google Earth Engine (GEE) para detectar cambios de cobertura vegetal, utilizando imágenes satelitales de Landsat del periodo 2000, 2010 y 2020. Se clasifico cinco clases de cobertura vegetal: Bosque denso alto (BDA), Mosaico de pastos y cultivos (MPC), Herbazal/pajonal (HP), Arbustal (AR) y Tejido urbano continuo (TUC). Los mapas generados presentaron una exactitud global de 85 % y un índice de kappa de 0.81. La tendencia futura del cambio de cobertura vegetal se modelo utilizando cadenas de Markov en Terrset; se incorporó cuatro variables impulsoras: distancia de carretas, centros poblados, Modelo digital de elevación y pendiente. Obteniendo un índice de kappa de la predicción de 83.65 % y la tasa de precisión de la prueba Perceptrón Multicapa (MLP) de 82.52 %. Los resultados de la simulación muestran incremento de Mosaico de pastos y cultivos de 1 746.24 hectáreas a 2 098.58 hectáreas entre 2035 y 2050 y se reducirán 153.94 hectáreas de bosque denso alto en 2050.
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).