Clasificación de bofedales en imágenes satelitales multiespectrales de la región Arequipa mediante algoritmos de inteligencia artificial

Simple item page
dc.contributor.advisorRosas Paredes, Karina
dc.contributor.authorCornejo Paredes, Andrea Sofía
dc.contributor.authorPaja Medina, Aremi Isabel
dc.date.accessioned2025-01-08T03:35:36Z
dc.date.available2025-01-08T03:35:36Z
dc.date.issued2024-12-02
dc.description.abstractLos bofedales, ecosistemas de vital importancia a nivel mundial, desempeñan un papel crucial en la sostenibilidad ambiental y en el bienestar de las comunidades. A pesar de su relevancia, mayormente han sido subestimados y carecen de la atención necesaria en términos de estudios detallados y monitoreo. Esta falta de análisis ha generado una brecha en la comprensión de la importancia y la dinámica de estos ecosistemas, lo que resulta en una escasez de información para la toma de decisiones informadas sobre su conservación y gestión. En este contexto, la presente investigación tiene como objetivo principal clasificar bofedales en imágenes satelitales multiespectrales de la región Arequipa mediante la aplicación de algoritmos de aprendizaje supervisado. Además, se busca aportar al corpus del conocimiento científico y apoyar la toma de decisiones en la preservación de este crucial ecosistema. Los objetivos específicos de esta investigación incluyen realizar una investigación exhaustiva cerca del análisis de los bofedales en imágenes satelitales, seleccionar la fuente adecuada de datos de imágenes satelitales multiespectrales, diseñar y entrenar algoritmos para la clasificación de imágenes, y validar los resultados obtenidos. Como resultado esta investigación demuestra la viabilidad y la eficacia de utilizar algoritmos de Inteligencia Artificial, como las Redes Neuronales Convolucionales (CNN), Random Forest y K-Nearest Neighbors (KNN), para la clasificación de imágenes satelitales multiespectrales en el monitoreo de los bofedales en Arequipa. Los resultados obtenidos muestran que la CNN tuvo la mayor precisión con un 70 %, seguida por Random Forest con un 59% y KNN con un 58% .
dc.formatapplication/pdf
dc.identifier.urihttps://hdl.handle.net/20.500.12920/14557
dc.language.isospa
dc.publisherUniversidad Católica de Santa Maríaes_ES
dc.publisher.countryPE
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/es_ES
dc.sourceUniversidad Católica de Santa Maríaes_ES
dc.sourceRepositorio de la Universidad Católica de Santa María - UCSMes_ES
dc.subjectRedes neuronales
dc.subjectAnálisis de imagen
dc.subjectBofedales
dc.titleClasificación de bofedales en imágenes satelitales multiespectrales de la región Arequipa mediante algoritmos de inteligencia artificial
dc.typeinfo:eu-repo/semantics/bachelorThesis
dc.type.versioninfo:eu-repo/semantics/publishedVersion
renati.advisor.dni29601217
renati.advisor.orcid0000-0003-4650-7432
renati.author.dni71768410
renati.author.dni74048310
renati.discipline612076
renati.jurorGuevara Puente de la Vega, Karim
renati.jurorSull Torres, Jose Alfredo
renati.jurorAngulo Osorio, Javier Fernando
renati.levelhttps://purl.org/pe-repo/renati/nivel#tituloProfesional
renati.typehttps://purl.org/pe-repo/renati/type#tesis
thesis.degree.disciplineIngeniería de Sistemas
thesis.degree.grantorUniversidad Católica de Santa María.Facultad de Ciencias e Ingenierías Físicas y Formaleses_ES
thesis.degree.nameIngeniero de Sistemas

Files

Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
71.0701.IS.pdf
Size:
2.36 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
71.0701.IS.RT.pdf
Size:
13 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Autorización_71.0701.IS.pdf
Size:
247.6 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Ingeniería de Sistemas