Application of artificial neural networks in modeling deforestation associated with new road infrastructure projects

• Luisa Fernanda Gómez-Ossa ^[1] ; Verónica Botero-Fernández ^[1]
  1. [1] Universidad Nacional de Colombia

     Universidad Nacional de Colombia

     Colombia

     
• Localización: DYNA: revista de la Facultad de Minas. Universidad Nacional de Colombia. Sede Medellín, ISSN 0012-7353, Vol. 84, Nº. 201, 2017, págs. 68-73
• Idioma: inglés
• Títulos paralelos:
  • Aplicación de redes neuronales artificiales en la modelación de la deforestación asociada a nuevos proyectos de infraestructura vial
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 1 Cita
• Resumen
  • español

    La deforestación tropical es un proceso continuo causado principalmente por la construcción de nuevas vías, las cuales sin una planificación ambiental adecuada contribuyen a la pérdida de biodiversidad. Dado que lasredesneuronalesartificiales (RNAs) tienen la capacidad de capturarrelaciones no lineales, se utilizaron para predecir la deforestaciónasociada a nuevasvías, como la VariantePorce y la vía El Bagre-San Jacinto del Cauca, en el departamento de Antioquia. El entrenamiento de las RNAs se realizóenmodo on line con el algoritmo de retropropagación, en el software R. La capacidad de predicción se evaluó con el áreabajo la curva ROC (AUC) y con la red quepresentómejorcapacidadpredictiva se generó lasuperficie de deforestación para el escenario base y el escenariosimuladoincorporandolasnuevasvías. La comparación de escenariosindicaquelasnuevasvíasincrementarían la probabilidad de deforestación de aproximadamente 103.729 hade bosque

  • English

    Tropical deforestation is an ongoing process mainly caused by the construction of new roads, which, without proper environmental planning, contribute to biodiversity loss. Given that the artificial neural networks (ANNs) have the ability to capture nonlinear relationships, they were used to predict deforestation associated with new roads, such as the “VariantePorce” road and the “El Bagre-San Jacinto del Cauca” road in the department of Antioquia. ANN Training was carried out online using the back-propagation algorithm, part of the R software. The predictive capacity was evaluated using the area under the receiver operator characteristic curve (AUC). Also, a network that showed the best predictive capacity for the deforestation surface was generated for the baseline scenario and the simulated scenario incorporating the new roads. The comparison of scenarios suggested that new roads would increase the probability of deforestation for approximately 103.729 haof forest