EP Ingeniería Geográfica
https://hdl.handle.net/20.500.12672/5151
2024-03-28T12:28:34ZClasificación climática de lomas costeras basado en estimaciones de precipitación y temperatura de productos satelitales periodo 2000-2019
https://hdl.handle.net/20.500.12672/21709
Clasificación climática de lomas costeras basado en estimaciones de precipitación y temperatura de productos satelitales periodo 2000-2019
Cotito Lezama, Stefany Aracely
Determina la clasificación climática del ecosistema de "Lomas Costeras" a nivel nacional, haciendo uso de las estimaciones de precipitación y temperatura con un ajuste realizado en base a la estación meteorológica “Lomas de Lachay”. Las "Lomas Costeras" son ecosistemas dispersos sobre el desierto costero peruano con una escasa distribución de estaciones meteorológicas, lo cual resulta un obstáculo para efectuar una clasificación climática. Los productos satelitales constituyen una fuente de datos alternativos para zonas con estas características. El sistema de clasificación climática elegido para este fin, fue el sistema Thornthwaite Senamhi-2019, por ser una adaptación del sistema de clasificación de Thornthwaite de 1941 para las características geográficas del Perú. Para la elección de los productos satélites se tomó en cuenta la ubicación del área de estudio, el periodo de análisis y el sistema de clasificación climática. En este caso, el periodo de la clasificación climática corresponde a los años 2000-2019 y las variables meteorológicas que intervienen en el cálculo del sistema de clasificación son precipitación y temperatura, por lo que elegimos productos satelitales de precipitación y temperatura que tuvieran dicha cobertura espacial y temporal. Los productos elegidos fueron el producto TRMM 3B43 correspondiente a precipitaciones mensuales en milímetros y el producto M2IMNXASM correspondiente a las temperaturas mensuales en grados kelvin a 2 metros sobre el terreno o superficie terrestre. Los resultados obtenidos de la investigación arrojan la existencia de 3 tipos de climas sobre el ecosistema de "Lomas Costeras", cuyo principal indicador de variabilidad es el índice de concentración estacional de la humedad, condicionado por la altitud y latitud de distribución del ecosistema.
2024-01-01T00:00:00ZEstimación de concentración de clorofila-a en humedales costeros mediante teledetección. Caso: Laguna Mayor de los Pantanos de Villa, Lima – Perú
https://hdl.handle.net/20.500.12672/20481
Estimación de concentración de clorofila-a en humedales costeros mediante teledetección. Caso: Laguna Mayor de los Pantanos de Villa, Lima – Perú
Quintana Ortiz, Jesús Miguel; Uzuriaga Gonzales, Tania Rocío
Determina la distribución espacial de la concentración de
clorofila-a en la Laguna Mayor del Refugio de Vida Silvestre los Pantanos de
Villa en Chorrillos. En la gestión de humedales costeros existe una problemática ligada a la falta
de información sobre parámetros ecológicos. Actualmente los sistemas de
teledetección se pueden emplear como una herramienta para cubrir esa
necesidad y apoyar en las labores de monitoreo, control y gestión de los
recursos hídricos. Por lo cual, la metodología propuesta emplea imágenes satelitales ópticas, a las cuales
se aplicó diversas correcciones, consta de dos etapas principales: la primera
consiste en la determinación del borde del cuerpo de agua y la segunda
permite estimar la concentración de clorofila-a usando algoritmos empíricos
es decir, apoyados por muestreo dentro de la zona de estudio y métodos
estadísticos. La detección del borde de la laguna demostró ser más efectiva empleando el
método NDWI en comparación a otros índices analizados (NDWI-red,
MNDWI). Respecto a la concentración de Clorofila-a, las imágenes del satélite
SPOT fueron las más apropiadas para realizar su estimación; en específico
con los datos obtenidos luego de aplicar el algoritmo de corrección ATCOR,
se encontraron correlaciones altas y significativas en 3 modelos de bandas
espectrales: Infrarrojo Cercano con Azul (R2 = 0.801 y valor-p = 0.0065), Rojo
con Azul (R2 = 0.882 y valor-p = 0.0017) y Rojo con Verde (R2 = 0.723 y valorp
= 0.0152).
2023-01-01T00:00:00ZEvaluación espacio-temporal de las precipitaciones estimadas por satélite en el Perú
https://hdl.handle.net/20.500.12672/19674
Evaluación espacio-temporal de las precipitaciones estimadas por satélite en el Perú
Manrique Izquierdo, Nadia Alexandra; Graz Yataco, Cristhian Fernando
La precipitación es uno de los parámetros fundamentales para la viabilidad de proyectos
y estudios hidrometeorológicos. Pese al nivel de importancia, el registro de precipitación en
algunas regiones del Perú es limitado, debido a la inaccesibilidad que existe en diversas zonas
que están restringidas por notables factores topográficos y climáticos, que a su vez por falta de
recursos y planificación no se encuentran instrumentalizadas, pues su funcionamiento y
mantenimiento implica un costo elevado. Por tal motivo, la presente investigación evalúa
espacial y temporalmente la precipitación generada por 4 productos satelitales (PERSIANNCDR,
CHIRP, CHIRPS y MSWEP), mediante indicadores métricos y probabilísticos que
permitan comparar la eficiencia y detección entre la información proveniente de las estaciones
pluviométricas de tercer orden y la precipitación estimada por satélite en el Perú.
Tras la obtención de los resultados, se genera una base de datos estadística comparativa
de cada producto satelital, que describe la conducta de la precipitación pluvial en el periodo
del estudio propuesto (1983-2015), determinando el desempeño de los productos satélites en
el Perú. El análisis de la distribución espacial determinó que, en la sierra sur, costa centro y
selva sur, los productos satelitales (PERSIANN-CDR, MSWEP y CHIRPS) lograron un ajuste
cercano a lo registrado por las estaciones pluviométricas, según la comparación a nivel local
en las escalas temporales diaria, mensual y anual.
La propuesta de indicadores estadísticos para la cuantificación de la eficiencia mediante
estadísticos comparativos (RPEARSON, PBIAS, MAE, NSE, PVALUE) y estadísticos
categóricos (POD, FAR, TS) precisaron que el grado de semejanza a nivel local, global y
eventos extremos son moderadamente aceptables al simular el valor esperado de precipitación
en diversas zonas del territorio.
De la evaluación realizada se destaca que PERSIANN-CDR obtuvo resultados óptimos
a nivel global para los estadísticos de comparación (RPEARSON = 0.72, MAE = 39.73, NSE
= 0.19, PBIAS = -18.24, PVALUE = 0.10) y estadísticos categóricos (POD = 0.75, FAR =
0.62, TS = 0.33), definiéndolo como el producto satelital más preciso para estimar la
precipitación. Se espera que los resultados obtenidos sirvan como antecedente estadístico para
futuras investigaciones, los cuales propicien un mejor desarrollo integral del Perú.
2023-01-01T00:00:00ZDetección y mapeo de inundaciones mediante imágenes SAR, usando el método K-Means Clustering para la evaluación de impactos de desastres ocasionados por el fenómeno El Niño. Caso: Cuenca Bajo Piura, Región Piura
https://hdl.handle.net/20.500.12672/19587
Detección y mapeo de inundaciones mediante imágenes SAR, usando el método K-Means Clustering para la evaluación de impactos de desastres ocasionados por el fenómeno El Niño. Caso: Cuenca Bajo Piura, Región Piura
Rodríguez De La Cruz, Joel Alejandro; Moreno Arqque, Maribel
Aporta a través de la detección y mapeo de inundaciones mediante el empleo de imágenes SAR, un eficaz monitoreo e identificación de áreas inundadas para acontecimientos futuros en el país.
El área de estudio de la investigación fue la cuenca Bajo Piura, donde se realizó una prospección
satelital mediante imágenes SAR Sentinel-1 apoyadas de imágenes ópticas Sentinel-2, estableciendo dos fechas de análisis para las imágenes SAR: (1) imagen previa al evento, con fecha del día 03/02/2017 y (2) durante el evento, con fecha 04/04/2017, debido a que se determinó el máximo impacto de la inundación en la cuenca Bajo Piura. En ambos casos se consideró datos importantes como, dirección de vuelo y polarización, los cuales deben ser compatibles en ambas imágenes para un adecuado análisis. Posterior a las correcciones y procesamiento para ambas imágenes radar, se aplicó el algoritmo de clasificación no supervisado k-means clustering, estableciéndose 6 clases, 30 interacciones y 32 000 semillas aleatorias, que funcionó reduciendo la variabilidad de grupos, apreciándose en las estadísticas, los valores establecidos como centroides para las diferentes clases, verificándose que la clase de mayor variación (clase 6, valor=5), obtuvo un valor de centroide de σ°(dB) =1.508, el cual refleja los mayores cambios entre las imágenes SAR analizadas. Mediante la matriz de confusión, se validó la presente clasificación, obteniéndose datos de precisión global de 0,987, datos de confiabilidad resultante al azar de 0,913 e índice Kappa de 0,850 adquiriendo un grado de acuerdo casi perfecto, según la tabla instaurada por Landis y Koch en 1977.
2023-01-01T00:00:00Z