Diseño de una metodología para la estimación espacial de la eutrofización en el lago de tota: un insumo para la contabilización ambiental usando machine learning y estadística bayesiana

La presente monografía propone un nuevo enfoque metodológico que implementa conjuntamente técnicas de percepción remota, algoritmos de aa y estadística bayesiana, para la contabilización espacial del fenómeno de eutrofización en el lt, ubicado en el departamento de Boyacá (Colombia). El objetivo es diseñar un modelo de inferencia que permita simular la densidad de clorofila-a a partir de muestras in-situ y datos multiespectrales de imágenes del l8. La ejecución de este proyecto empezó con el pre procesamiento de la información, se seleccionó la escena de interés, con tratamientos espaciales y espectrales se corrigieron las anomalías atmosféricas y topográficas, se unificaron las unidades de medida, se mejoró la resolución espacial de los datos y se generaron índices de agua para discriminar el área del cuerpo de agua con el algoritmo de agrupación k-means, se evaluó y se seleccionaron las mejores agrupaciones para entrenar el algoritmo pmc, que generó un vector del límite del cuerpo de agua con el que se segmentaron las imágenes fusionadas.\par Se configuraron \ac{iv} y mediciones in-situ como variables explicativas de un modelo de regresión lineal, con el cual se determinó el iv mejor asociado a las mediciones in-situ; primera aproximación espacial del comportamiento del fenómeno. Se calibró el iv seleccionado utilizando la rbcev para simular espacialmente el comportamiento de los datos. La evaluación de la rbcev indicó que los resultados son satisfactorios, permitiendo así la producción de una imagen calibrada de densidad de clorofila-a con la que se calculó y espacializó el estado trófico del lt que resultó estar totalmente en fase mesotrófica. Los datos de clorofila-a calibrados y la información de las imágenes satelitales preprocesadas se ajustaron con el modelo de rsv, el cual mostró un ajuste significativo y permitió extrapolar la información a una imagen de 15 metros de resolución espacial, enriqueciendo el insumo y permitiendo la generación de un mapa de densidad de clorofila-a con mayor detalle para la contabilización de la eutrofización en el lago. Actualmente, es evidente el daño severo causado en las características naturales del lt, pues en las últimas décadas la conservación de este ecosistema estratégico ha venido sufriendo ataques directos debido a prácticas insostenibles. El impacto de este desarrollo está en generar un insumo que profundice en los paradigmas de la inteligencia artificial y la inferencia bayesiana, que exponga las ventajas en los procesos de obtención de información medioambiental, rápida, barata, periódica, precisa y sistemática, y que sea un recurso para la toma de decisiones en la planificación y ordenamiento del territorio, en el marco del cumplimiento de los objetivos de desarrollo sostenible.

• Autores: Córdoba Castelblanco, Nicolás Alberto; Castellanos Ruíz, Sergio Steven
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2022
• Institución: Universidad Distrital Francisco José de Caldas
• Repositorio: RIUD: repositorio U. Distrital
• Idioma: spa
• OAI Identifier: oai:repository.udistrital.edu.co:11349/40763
• Acceso en línea: http://hdl.handle.net/11349/40763
• Palabra clave: Eutrofización; Clorofila-a; Ecosistema Estratégico; Desarrollo Sostenible; Percepción Remota; Aprendizaje Automático; Estadística Bayesiana; Ingenieria catastral y geodesia -- Tesis y disertaciones académicas.; Eutrofización; Percepción remota; Machine learning y estadística bayesiana; Eutrophication; Chlorophyll-a; Strategic Ecosystem; Sustainable Development; Remote Sensing; Machine Learning; Bayesian Statistics
• License: Atribución-NoComercial 4.0 Internacional