Mapeo digital de carbono orgánico del suelo mediante imágenes satelitales y algoritmos de autoaprendizaje en el ecosistema Herbazal del Páramo, provincia de Chimborazo, Ecuador

Mostrar todas las versiones(2)

Se presenta una metodología para predecir de manera cuantitativa el almacenaje del Carbono Orgánico del Suelo (COS) en zonas alto andinas, en donde, la complejidad paisajística evidenciada por la topografía irregular, dificultades de acceso, clima frío - frío intenso, alta nubosidad, así como su geo...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Ayala Izurieta, Johanna Elizabeth
Otros Autores: García, Víctor
Formato: Tesis Tesis de maestria
Lenguaje:Español
Publicado: 2019
Materias:
Geofísica
Ecuador
Landsat 8
Random Forest
indices multiespectrales
SIG
árboles de decisión
análisis espacial
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/77541
https://doi.org/10.35537/10915/77541
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-77541
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Geofísica
Ecuador
Landsat 8
Random Forest
indices multiespectrales
SIG
árboles de decisión
análisis espacial
spellingShingle Geofísica
Ecuador
Landsat 8
Random Forest
indices multiespectrales
SIG
árboles de decisión
análisis espacial
Ayala Izurieta, Johanna Elizabeth
Mapeo digital de carbono orgánico del suelo mediante imágenes satelitales y algoritmos de autoaprendizaje en el ecosistema Herbazal del Páramo, provincia de Chimborazo, Ecuador
topic_facet Geofísica
Ecuador
Landsat 8
Random Forest
indices multiespectrales
SIG
árboles de decisión
análisis espacial
description Se presenta una metodología para predecir de manera cuantitativa el almacenaje del Carbono Orgánico del Suelo (COS) en zonas alto andinas, en donde, la complejidad paisajística evidenciada por la topografía irregular, dificultades de acceso, clima frío - frío intenso, alta nubosidad, así como su geología, hacen de dicha tarea un gran desafío. La zona de estudio corresponde al ecosistema Herbazal del Páramo (HP) de la provincia de Chimborazo, Ecuador. La metodología emplea variables espectrales derivadas de imágenes satelitales Landsat 8 (sensores OLI y TIRS), Modelo Digital de Elevación (MDE), datos de secuestro de COS in situ en el perfil 0 - 30 cm y variables meteorológicas. Las variables son obtenidas mediante el procesamiento de imágenes satelitales y Sistemas de Información Geográfica (SIG), éstas variables son usadas en la calibración de un algoritmo de autoaprendizaje con Random Forest Regression (RFR) para la predicción de COS. Se logró encontrar 9 variables que controlan la dinámica de distribución de COS en el área de estudio, y a través de ellas generar el modelo final de predicción de COS con una precisión del 82 %, validada mediante muestreo aleatorio simple (MAS). Las variables halladas son: Formación Geológica, Taxonomía, Precipitación, Altura, Orientación, Factor LS, Índice BI, Temperatura Ambiente, Temperatura Superficial - TOA Brightnees Temperature. Mediante SIG se generó el mapa de COS en la zona de estudio y se cuantificó la extensión de las mayores concentraciones de COS, en donde, el mayor porcentaje del área de estudio tiene altas reservas de COS, entre los 150-205 Mg/ha, equivalente al 57 % del área total. A través del presente estudio y sus resultados se presenta una nueva alternativa de cuantificación de COS. El modelo calibrado puede ser extendido sin necesidad de muestrear in situ, muy útil en zonas complejas como el ecosistema páramo. El mapeo digital de COS permitió revelar las elevadas reservas de COS existentes en el ecosistema de estudio, representando un gran aporte en la caracterización de los suelos del territorio nacional. Finalmente, los resultados obtenidos pueden ser utilizados para crear normativas provinciales y nacionales, para evitar la degradación del suelo en este tipo de ecosistemas, considerando la importancia del HP en la estabilización de las estructuras del suelo, regulación hídrica y su aporte en la mitigación del cambio climático.
author2 García, Víctor
author_facet García, Víctor
Ayala Izurieta, Johanna Elizabeth
format Tesis
Tesis de maestria
author Ayala Izurieta, Johanna Elizabeth
author_sort Ayala Izurieta, Johanna Elizabeth
title Mapeo digital de carbono orgánico del suelo mediante imágenes satelitales y algoritmos de autoaprendizaje en el ecosistema Herbazal del Páramo, provincia de Chimborazo, Ecuador
title_short Mapeo digital de carbono orgánico del suelo mediante imágenes satelitales y algoritmos de autoaprendizaje en el ecosistema Herbazal del Páramo, provincia de Chimborazo, Ecuador
title_full Mapeo digital de carbono orgánico del suelo mediante imágenes satelitales y algoritmos de autoaprendizaje en el ecosistema Herbazal del Páramo, provincia de Chimborazo, Ecuador
title_fullStr Mapeo digital de carbono orgánico del suelo mediante imágenes satelitales y algoritmos de autoaprendizaje en el ecosistema Herbazal del Páramo, provincia de Chimborazo, Ecuador
title_full_unstemmed Mapeo digital de carbono orgánico del suelo mediante imágenes satelitales y algoritmos de autoaprendizaje en el ecosistema Herbazal del Páramo, provincia de Chimborazo, Ecuador
title_sort mapeo digital de carbono orgánico del suelo mediante imágenes satelitales y algoritmos de autoaprendizaje en el ecosistema herbazal del páramo, provincia de chimborazo, ecuador
publishDate 2019
url http://sedici.unlp.edu.ar/handle/10915/77541
https://doi.org/10.35537/10915/77541
work_keys_str_mv AT ayalaizurietajohannaelizabeth mapeodigitaldecarbonoorganicodelsuelomedianteimagenessatelitalesyalgoritmosdeautoaprendizajeenelecosistemaherbazaldelparamoprovinciadechimborazoecuador
bdutipo_str Repositorios
_version_ 1764820484644405248

Ejemplares similares