Machine Learning para la Clasificación y Análisis de los Índices de Biomasa y su relación con el Cambio Climático, Desierto de Atacama
-
Gómez, Santos
[1]
;
Pino-Vargas, Edwin
[2]
;
Huayna, Germán
[2]
;
Espinoza-Molina, Jorge
[3]
;
Acosta-Caipa, Karina
[3]
;
Cabrera-Olivera, Fredy
[4]
-
[1] Universidad Nacional del Santa
Universidad Nacional del Santa
Chimbote, Perú
-
[2] Universidad Nacional Jorge Basadre Grohmann, Departamento Ingeniería Civil, Av. Miraflores s/n, Tacna
-
[3] Universidad Nacional Jorge Basadre Grohmann, Departamento Arquitectura, Av. Miraflores s/n, Tacna
-
[4] Universidad Nacional Jorge Basadre Grohmann, Departamento Ingeniería Geológica-Geotecnia, Av. Miraflores s/n, Tacna
-
- Localización: Manglar: Revista de Investigación Científica, ISSN-e 2414-1046, ISSN 1816-7667, Vol. 21, Nº. 1, 2024 (Ejemplar dedicado a: Enero-Marzo), págs. 95-106
- Idioma: español
- Enlaces
-
Resumen
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.
