Buscar en Google Scholar
Título: Desarrollo de un modelo de aprendizaje ensamblado para la detección de quema de caña de azúcar en la costa norte y centro del Perú durante el período 2017 – 2022
Campo OCDE: https://purl.org/pe-repo/ocde/ford#1.05.08; https://purl.org/pe-repo/ocde/ford#1.05.01; https://purl.org/pe-repo/ocde/ford#2.07.04
Fecha de publicación: 2024
Institución: Universidad Nacional Mayor de San Marcos
Resumen: Se propone desarrollar un modelo de aprendizaje ensamblado que incorpore técnicas avanzadas de aprendizaje automático, específicamente los árboles de decisión potenciados por gradiente y redes neuronales convolucionales para detectar y mapear las áreas con quema de caña de azúcar. El objetivo de este modelo es proveer información precisa y actualizada sobre la extensión y ubicación de estas zonas, respaldando así una toma de decisiones más informada a fin de mejorar la fiscalización de esta práctica agrícola de las empresas azucareras por parte de los organismos competentes. Se espera que el modelo facilite la identificación oportuna de dichas áreas, dirigiendo los esfuerzos de monitoreo hacia las unidades fiscalizables que lo requieran. De este modo, sería posible redefinir y modificar los instrumentos de gestión ambiental para prevenir y controlar la quema de caña de azúcar, incorporando métodos de cosecha más sostenibles. Además, su aplicación podría extenderse a otros países con desafíos similares, demostrando el potencial de la inteligencia artificial para resolver problemáticas como la detección de áreas quemadas.
Disciplina académico-profesional: Ingeniería Geográfica
Institución que otorga el grado o título: Universidad Nacional Mayor de San Marcos. Facultad de Ingeniería Geológica, Minera, Metalúrgica y Geográfica. Escuela Profesional de Ingeniería Geográfica
Grado o título: Ingeniero Geógrafo
Jurado: Quispe Vilchez , José Luis; Loayza Alatrista, Dante Horacio
Fecha de registro: 11-ene-2025



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons