Look-up in Google Scholar
Full metadata record
Alcantara Boza , Francisco Alejandro
Flores Farfan, Jair Francisco
2025-01-11T01:53:25Z
2025-01-11T01:53:25Z
2024
Flores, J. (2024). 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. [Tesis de pregrado, Universidad Nacional Mayor de San Marcos, Facultad de Ingeniería Geológica, Minera, Metalúrgica y Geográfica, Escuela Profesional de Ingeniería Geográfica]. Repositorio institucional Cybertesis UNMSM.
https://hdl.handle.net/20.500.12672/24746
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.
application/pdf
spa
Universidad Nacional Mayor de San Marcos
info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-nd/2.5/pe/
Aprendizaje Automático
Caña de azúcar
Costas - Perú
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
info:eu-repo/semantics/bachelorThesis
Universidad Nacional Mayor de San Marcos. Facultad de Ingeniería Geológica, Minera, Metalúrgica y Geográfica. Escuela Profesional de Ingeniería Geográfica
Ingeniería Geográfica
Ingeniero Geógrafo
PE
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
https://purl.org/pe-repo/renati/level#tituloProfesional
27074721
https://orcid.org/0000-0001-9127-4450
71992642
532096
Quispe Vilchez , José Luis
Loayza Alatrista, Dante Horacio
https://purl.org/pe-repo/renati/type#tesis
Pública



This item is licensed under a Creative Commons License Creative Commons