Machine Learning para la Clasificación y Análisis de los Índices de Biomasa y su relación con el Cambio Climático, Desierto de Atacama
En este trabajo usamos Machine Learning (Randon Forest) como herramienta para clasificar la biomasa y calcular los índices de vegetación buscando identificar las características de la cobertura vegetal en la cabecera del desierto Atacama. Se busca establecer la correlación entre los índices de veget...
Saved in:
| Main Authors: | , , , , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Universidad Nacional de Tumbes
2024-04-01
|
| Series: | Manglar |
| Subjects: | |
| Online Access: | https://revistas.untumbes.edu.pe/index.php/manglar/article/view/456 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | En este trabajo usamos Machine Learning (Randon Forest) como herramienta para clasificar la biomasa y calcular los índices de vegetación buscando identificar las características de la cobertura vegetal en la cabecera del desierto Atacama. Se busca establecer la correlación entre los índices de vegetación y la precipitación, a fin de conocer su confiabilidad sobre la climatología en esta región. Fue importante el análisis geoespacial basado en Google Earth Engine (GEE) y el procesamiento de imágenes Landsat 5 ETM y Landsat 8 OLI/TIRS, para el período 1985 - 2022, lo que permitió caracterizar el cambio climático. El NDVI, SAVI, GVI y RVI han sido probados y validados en sistemas áridos. El NDVI responde positivamente a la precipitación en temporada húmeda y en forma débil en la temporada de lluvias invernales. Se confirma que el NDVI alto corresponde al verano, después de una sequía prolongada. Hacia los años 2020 y 2022, se registra un aumento de cobertura vegetal en lugares de mayor temperatura, evidenciando cambio climático y reflejado en los índices de biomasa. |
|---|---|
| ISSN: | 1816-7667 2414-1046 |