Look-up in Google Scholar
Full metadata record
Leo Willems, Bram
Príncipe Aguirre, Romel Erick
2021-10-22T19:09:41Z
2021-10-22T19:09:41Z
2021
Príncipe, R. (2021). Validación de técnicas mecano estadísticos para la clasificación del ecosistema manglares de Tumbes mediante imágenes de satélite. [Tesis de maestría, Universidad Nacional Mayor de San Marcos, Facultad de Ciencias Físicas, Unidad de Posgrado]. Repositorio institucional Cybertesis UNMSM.
https://hdl.handle.net/20.500.12672/17142
La presente investigación se realizó en el Santuario Nacional Los Manglares de Tumbes (SNLMT). ubicado en el distrito de Zarumilla departamento de Tumbes, está orientado a implementar una metodología que permita caracterizar las coberturas de manglar. Para lo cual, se analizan y procesan las imágenes de los sensores TM. ETM+ y OLI de la serie de satélites LandSat; evaluando parámetros relacionados a la superficie del suelo tales como SAVI1, NDVI2 y NDWI3 con el propósito de establecer índices óptimos que permitan discriminar las diferentes componentes de cobertura de suelo del SNLMT. Las imágenes construidas con dichos índices son analizadas mediante el algoritmo de las redes elásticas (ENA, por sus siglas en ingles) - metodología derivada a partir de principios mecano - estadísticos - para la clasificación no supervisada de la cobertura de suelo del SNLMT. El índice óptimo (SAVI) antes descrito fue empleado como dato de entrada a ENA (ENA - ID), el cual proporcionó siete clusters 4 como resultados, de los cuales los cuatro primeros representan a cuerpo de agua, suelo desnudo, vegetación halófita y bosque seco, mientras que los tres últimos corresponden a coberturas de bosque manglar. Estos resultados fueron validados empleando un método supervizado5 como es el algoritmo de máxima verosimilitud (AMV). Tal proceso de validación consistió en comparaciones gráficas de firmas espectrales promedio y de los valores de áreas de las clases informacionales obtenidos mediante ENA y AMV. Proporcionando como resultado gráficas similares; donde el RMSE fue menor a 0.052 (adimensional) y el factor de correlación (r) mayor a 0.866. Por lo cual, el método ENA resulta ser una herramienta eficiente para la subdivisión de clases de cobertura manglar. Posterior a la validación de ENA - ID se procedió con la ejecución de ENA con los datos de entrada SAVI y NDWI (ENA-2D), cuyos resultados mostraron que no hay una mejora significativa en comparación a ENA - 1D. Finalmente, con el objetivo de observar la evolución del área de la cobertura manglar se realizó el análisis multitemporal y de cambios de las superficies de manglar que vienen representados por los clusters 4, 5 y 6 obtenidas mediante ENA - 1D, el cual proporcionó como resultando la ausencia de cambio en el área de bosque manglar, las diferencias percibidas fueron principalmente debido a la activación de los bosques secos en temporadas de lluvia, además la gráfica de tendencias del área manglar mostró pendiente positiva suave.
application/pdf
spa
Universidad Nacional Mayor de San Marcos
info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/4.0/
Universidad Nacional Mayor de San Marcos
Repositorio de Tesis - UNMSM
Landsat (Satélites de teledetección)
Satélites artificiales
Manglares - Perú
Validación de técnicas mecano estadísticos para la clasificación del ecosistema manglares de Tumbes mediante imágenes de satélite
info:eu-repo/semantics/masterThesis
Universidad Nacional Mayor de San Marcos. Facultad de Ciencias Físicas. Unidad de Posgrado
Física con mención en Geofísica
Magíster en Física con mención en Geofísica
PE
https://purl.org/pe-repo/ocde/ford#2.07.04
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/renati/level#maestro
48373712
https://orcid.org/0000-0002-0666-4655
43281357
533077
Nowak, Hans-Jurgen Christian
Carbonel Huamán, Carlos Augusto Antonio
Peña Baca, Tania Sarith
Takahashi Guevara, Ken
https://purl.org/pe-repo/renati/type#tesis
Pública



This item is licensed under a Creative Commons License Creative Commons