Por favor, use este identificador para citar o enlazar este ítem: http://dspace.espoch.edu.ec/handle/123456789/8200
Título : Predicción de bofedales en la Reserva de Producción de Fauna Chimborazo a través del tratamiento de imágenes satelitales
Autor : Flores Cantos, Valeria Fernanda
Director(es): Jara Santillán, Carlos Arturo
Tribunal (Tesis): Lozano Rodríguez, Patricio Xavier
Palabras claves : BOFEDALES;IMÁGENES SATELITALES;RESERVA DE PRODUCCIÓN DE FAUNA CHIMBORAZO;BOLÍVAR (PROVINCIA);TUNGURAHUA (PROVINCIA);CHIMBORAZO (PROVINCIA)
Fecha de publicación : 2017
Editorial : Escuela Superior Politécnica de Chimborazo
Citación : Flores Cantos, V. F. (2017). Predicción de bofedales en la Reserva de Producción de Fauna Chimborazo a través del tratamiento de imágenes satelitales. (Tesis de grado. Ingeniero en Ecoturismo). Escuela Superior Politécnica de Chimborazo. Riobamba
Identificador : FRN-CENID-UD;23T0632
Resumen : The present search proposes: to carry out the prediction of bofedales in the Chimborazo Wildlife Production Reserve, through the treatment of Landsat satellite images, for which three Random Forest algorithms were developed. This process was carried out with the calculation of spectral indices that covered abiotic characteristics of the area, generating a predictive model of categorization by means of decision trees: the algorithm chose the class or coverage that obtained the highest value, yielding variables in each level of the tree. The results show that the relevant factors in the categorization for each training are: in the first training the NDWI normalized water differential index with a categorization percentage of 97.88%, being 97.44% bofedal and 99.44% different from bofedal, in the second training was the adjusted vegetation index with the soil brightness factor SAVI 15 with a percentage of 89.45%, being 85.23% bobedal and 90.04% different from bofedal and in the third training the NDVI standardized vegetation index with a 95.95 percentage % being 93.82% bofedal and 99.21% other than bofedal . In order to analyze the percentages and behaviors of the bofedales, a multitemporal analysis of the study area for the years 1991, 2001, 2010 and 2016 was carried out under the same procedure as the Random Forest algorithm; for which we worked with Landsat 8 OLI, 7 ETM and 5 TM satellite images, on the results obtained from the years 1991 and 2016 the IUCN area reduction tool was applied, which project an absolute reduction rate of the ecosystem in the next 16 years, for which I assign the category of critical danger, in this context it is necessary to propose management actions and sustainable use of this ecosystem to avoid its collapse. Key words: REMOTE SENSORS - ALTOANDINOS WETLANDS - ECOSYSTEMIC PASS-BOFEDALES
Descripción : La presente investigación propone: realizar la predicción de bofedales en la Reserva de Producción de Fauna Chimborazo, a través del tratamiento de imágenes satelitales Landsat; para lo cual se desarrolló tres entrenamientos del algoritmo Random Forest. Este proceso se llevó a cabo con el cálculo de índices espectrales que abarcaron características abióticas del área, generando un modelo predictorio de categorización por medio de árboles de decisión; el algoritmo eligió la clase o cobertura que mayor valor obtuvo, arrojando variables en cada nivel del árbol. Los resultados muestran que los factores relevantes en la categorización para cada entrenamiento son: en el primer entrenamiento el índice diferencial de agua normalizado NDWI con un porcentaje de categorización de 97,88%, siendo 97.44% bofedal y 99.44% distinto a bofedal, en el segundo entrenamiento fue el índice de vegetación ajustado con el factor del brillo del suelo SAVI 15 con un porcentaje de 89,45%, siendo 85,23% bofedal y 90,04% distinto a bofedal y en el tercer entrenamiento el índice de vegetación de diferencia normalizada NDVI con un porcentaje de 95,95 %, siendo 93,82% bofedal y 99,21% distinto a bofedal. Con el fin de analizar los porcentajes y comportamientos de los bofedales, se realizó un análisis multitemporal del área de estudio de los años 1991, 2001, 2010 y 2016 bajo el mismo procedimiento del algoritmo Random Forest; para lo cual se trabajó con imagenes satelitales Landsat 8 OLI, 7 ETM y 5 TM, sobre los resultados obtenidos de los años 1991 y 2016 se aplicó la herramienta de reducción del área UICN, la cual proyecto una tasa de reducción absoluta del ecosistema en los próximos 16 años, por lo cual asignó la categoría de peligro crítico, en este contexto es necesario plantear acciones de manejo y uso sostenible de este ecosistema para evitar su colapso. Palabras clave: SENSORES REMOTOS - HUMEDALES ALTOANDINOS - COLAPSO ECOSISTÉMICO- BOFEDALES
URI : http://dspace.espoch.edu.ec/handle/123456789/8200
Aparece en las colecciones: Tesis Ingeniero en Ecoturismo

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
23T0631.pdf10,94 MBAdobe PDFVista previa
Visualizar/Abrir


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