Por favor, use este identificador para citar o enlazar este ítem: https://dspace.unl.edu.ec/jspui/handle/123456789/31746
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorChuncho Morocho, Carlos Guillermo-
dc.contributor.authorSamaniego Herrera, Daniel Eduardo-
dc.date.accessioned2025-01-06T16:23:35Z-
dc.date.available2025-01-06T16:23:35Z-
dc.date.issued2025-01-06-
dc.identifier.urihttps://dspace.unl.edu.ec/jspui/handle/123456789/31746-
dc.descriptionForest fires represent a significant threat, especially in areas with dense vegetation and adverse climatic conditions such as dry forests, and can destroy forests, reduce biodiversity, degrade soil and increase carbon dioxide in the atmosphere, aggravating climate change. This study focuses on identifying areas susceptible to forest fires in the Macará canton, Loja, Ecuador, using machine learning algorithms to develop a predictive model for the management and prevention of these events. Topographic variables, vegetation indices and anthropogenic factors were analyzed using Sentinel-2A data and hot spots from the VIIRS sensor (2018-2021). Subsequently, the information was extracted to create a database. Machine learning algorithms such as logistic regression, decision trees and multivariate adaptive regression splines (MARS) were used. The MARS model showed the best performance with an AUC of 0.97 and a Kappa index of 0.91, indicating high accuracy in predicting areas susceptible to forest fires. The areas with the highest susceptibility were found in zones with high vegetation density, high accessibility and significant human interaction. This model allows the creation of a forest fire susceptibility map, crucial for the planning and implementation of prevention and mitigation strategies by local authorities. In conclusion, this study provides a detailed analysis of the factors that influence forest fires in Macará using the MARS model highlighting the importance of distance to anthropogenic areas, rivers and Moisture, in addition to providing a map of susceptibility to forest fires, which is a practical tool for their management, contributing to the conservation of ecosystems and the welfare of local communities. Limitations include the need for meteorological data and cloud cover, which limits data collection.es_ES
dc.description.abstractLos incendios forestales representan una amenaza significativa, especialmente en áreas con vegetación densa y condiciones climáticas adversas como los bosques secos, así mismo pueden destruir bosques, reducir la biodiversidad, degradar el suelo y aumentar el dióxido de carbono en la atmósfera, agravando el cambio climático. Este estudio se centra en identificar las zonas susceptibles a incendios forestales en el cantón Macará, Loja, Ecuador, utilizando algoritmos de aprendizaje automático para desarrollar un modelo predictivo para la gestión y prevención de estos eventos. Se analizaron variables topográficas, índices de vegetación y factores antropogénicos, utilizando datos de Sentinel-2A y puntos de calor del sensor VIIRS (2018- 2021). Posteriormente, se extrajo la información para crear una base de datos. Se emplearon algoritmos de aprendizaje automático como regresión logística, árboles de decisión y splines de regresión adaptativa multivariante (MARS). El modelo MARS mostró el mejor desempeño con un AUC de 0.97 y un índice Kappa de 0.91, indicando alta precisión en la predicción de áreas susceptibles a incendios forestales. Las áreas con mayor susceptibilidad se encontraron en zonas con alta densidad de vegetación, alta accesibilidad y significativa interacción humana. Este modelo permite crear un mapa de susceptibilidad a incendios forestales, crucial para la planificación y ejecución de estrategias de prevención y mitigación por parte de las autoridades locales. En conclusión, este estudio proporciona un análisis detallado de los factores que influyen en los incendios forestales en Macará mediante el modelo MARS destacando la importancia de la distancia a zonas antrópicas, ríos y la humedad (Moisture), además de que proporciona un mapa de susceptibilidad a incendios forestales, lo cual es una herramienta práctica para su gestión, contribuyendo a la conservación de los ecosistemas y al bienestar de las comunidades locales. Las limitaciones incluyen la necesidad de datos meteorológicos y la nubosidad, la cual limita la obtención de datos.es_ES
dc.format.extent91 p.es_ES
dc.language.isospaes_ES
dc.publisherLojaes_ES
dc.rightsopenAccesses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/ec/es_ES
dc.subjectAPRENDIZAJE AUTOMATICOes_ES
dc.subjectBOSQUE SECOes_ES
dc.subjectINCENDIOS FORESTALESes_ES
dc.titleZonas susceptibles a incendios forestales basado en algoritmos de aprendizaje automático (Machine Learning) en el cantón Macará, Loja – Ecuadores_ES
dc.typebachelorThesises_ES
Aparece en las colecciones: TRABAJOS DE TITULACION AARNR

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
DanielEduardo_SamaniegoHerrera.pdf6,32 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.