Modelos espaciales para la delimitación de zonas potenciales de afloramientos de agua natural, caso de estudio en el municipio de Jericó – Antioquia
Los afloramientos de agua son sitios de protección especial de la legislación colombiana, que aportan a las fuentes hídricas superficiales, y son fuente de abastecimiento humano en algunas zonas del país. En este ejercicio exploratorio se proponen los modelos estadísticos Pesos de Evidencia (WoE), R...
- Autores:
-
Quintero Ortega, Isaura Janet
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2022
- Institución:
- Universidad de San Buenaventura
- Repositorio:
- Repositorio USB
- Idioma:
- spa
- OAI Identifier:
- oai:bibliotecadigital.usb.edu.co:10819/12966
- Acceso en línea:
- https://hdl.handle.net/10819/12966
- Palabra clave:
- 620 - Ingeniería y operaciones afines
Frecuencia
Estructuras geológicas
Modelos estadísticos
Manantiales
Pesos de evidencia
Razón de frecuencia
Regresión logistica
GIS
Spring
Weights of evidence
Frequency ratio
Logistic regressión
- Rights
- openAccess
- License
- http://purl.org/coar/access_right/c_abf2
Summary: | Los afloramientos de agua son sitios de protección especial de la legislación colombiana, que aportan a las fuentes hídricas superficiales, y son fuente de abastecimiento humano en algunas zonas del país. En este ejercicio exploratorio se proponen los modelos estadísticos Pesos de Evidencia (WoE), Razón de Frecuencia (RF) y Regresión Logística (RL) para la integración de variables espaciales explicativas y delimitar zonas con potencial de afloramiento de agua natural, mediante su identificación y análisis de importancia, y se construyen mapas con la delimitación de posibles zonas con presencia de afloramientos de agua en el municipio de Jericó en el suroeste Antioqueño. Para lograrlo, se utilizó el inventario de afloramientos de agua realizado por el proyecto Minero Quebradona, y diferentes variables explicativas como: geología, geomorfología, cobertura vegetal, estructuras geológicas, formas del terreno, curvaturas, pendientes, aspectos, índice topográfico de humedad y acumulación de flujo. La capacidad de predicción se evaluó mediante las curvas características del funcionamiento del receptor (ROC), área bajo la curva (AUC) y matriz confusión. Las áreas bajo la curva para Pesos de Evidencia (WoE), Razón de Frecuencia (RF) y Regresión Logística (RL) fueron calculadas como 0.854, 0.884 y 0.887 en la predicción. Por lo tanto, se concluyó que la Regresión Logística (RL) tuvo los mejores resultados, aunque algunas variables explicativas obtuvieron baja significancia estadística. Sin embargo, la incorporación de modelos estadísticos cuantitativos optimiza la estrategia de búsqueda de afloramientos de agua en campo, y contribuyen a la buena gestión del recurso hídrico. |
---|