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...

Full description

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
id SANBUENAV2_acdbdc49aaa13889b963d86da33c5d23
oai_identifier_str oai:bibliotecadigital.usb.edu.co:10819/12966
network_acronym_str SANBUENAV2
network_name_str Repositorio USB
repository_id_str
dc.title.spa.fl_str_mv Modelos espaciales para la delimitación de zonas potenciales de afloramientos de agua natural, caso de estudio en el municipio de Jericó – Antioquia
title Modelos espaciales para la delimitación de zonas potenciales de afloramientos de agua natural, caso de estudio en el municipio de Jericó – Antioquia
spellingShingle Modelos espaciales para la delimitación de zonas potenciales de afloramientos de agua natural, caso de estudio en el municipio de Jericó – Antioquia
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
title_short Modelos espaciales para la delimitación de zonas potenciales de afloramientos de agua natural, caso de estudio en el municipio de Jericó – Antioquia
title_full Modelos espaciales para la delimitación de zonas potenciales de afloramientos de agua natural, caso de estudio en el municipio de Jericó – Antioquia
title_fullStr Modelos espaciales para la delimitación de zonas potenciales de afloramientos de agua natural, caso de estudio en el municipio de Jericó – Antioquia
title_full_unstemmed Modelos espaciales para la delimitación de zonas potenciales de afloramientos de agua natural, caso de estudio en el municipio de Jericó – Antioquia
title_sort Modelos espaciales para la delimitación de zonas potenciales de afloramientos de agua natural, caso de estudio en el municipio de Jericó – Antioquia
dc.creator.fl_str_mv Quintero Ortega, Isaura Janet
dc.contributor.advisor.none.fl_str_mv Palomino Ángel, Sebastian
dc.contributor.author.none.fl_str_mv Quintero Ortega, Isaura Janet
dc.subject.ddc.none.fl_str_mv 620 - Ingeniería y operaciones afines
topic 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
dc.subject.other.none.fl_str_mv Frecuencia
Estructuras geológicas
Modelos estadísticos
dc.subject.proposal.spa.fl_str_mv Manantiales
Pesos de evidencia
Razón de frecuencia
Regresión logistica
GIS
dc.subject.proposal.eng.fl_str_mv Spring
Weights of evidence
Frequency ratio
Logistic regressión
description 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.
publishDate 2022
dc.date.issued.none.fl_str_mv 2022
dc.date.accessioned.none.fl_str_mv 2024-02-12T15:57:51Z
dc.date.available.none.fl_str_mv 2024-02-12T15:57:51Z
dc.type.spa.fl_str_mv Trabajo de grado - Especialización
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.content.spa.fl_str_mv Text
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/acceptedVersion
format http://purl.org/coar/resource_type/c_7a1f
status_str acceptedVersion
dc.identifier.citation.none.fl_str_mv I. J. Quintero Ortega, “Modelos espaciales para la delimitación de zonas potenciales de afloramientos de agua natural, caso de estudio en el municipio de Jericó – Antioquia.”, ​Trabajo de grado​ ​Especialización en Sistemas de Información Geográfica​, Universidad de San Buenaventura, ​Facultad de Ingenierías, Medellín,​ ​2022​
dc.identifier.instname.spa.fl_str_mv instname:Universidad de San Buenaventura
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional Universidad de San Buenaventura
dc.identifier.repourl.spa.fl_str_mv repourl:https://bibliotecadigital.usb.edu.co/
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/10819/12966
identifier_str_mv I. J. Quintero Ortega, “Modelos espaciales para la delimitación de zonas potenciales de afloramientos de agua natural, caso de estudio en el municipio de Jericó – Antioquia.”, ​Trabajo de grado​ ​Especialización en Sistemas de Información Geográfica​, Universidad de San Buenaventura, ​Facultad de Ingenierías, Medellín,​ ​2022​
instname:Universidad de San Buenaventura
reponame:Repositorio Institucional Universidad de San Buenaventura
repourl:https://bibliotecadigital.usb.edu.co/
url https://hdl.handle.net/10819/12966
dc.language.iso.none.fl_str_mv spa
language spa
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
rights_invalid_str_mv http://purl.org/coar/access_right/c_abf2
dc.format.extent.none.fl_str_mv 98 páginas
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.publisher.spa.fl_str_mv Universidad de San Buenaventura
dc.publisher.branch.spa.fl_str_mv Medellín
dc.publisher.faculty.spa.fl_str_mv Facultad de Ingeniería
dc.publisher.place.none.fl_str_mv Medellín
dc.publisher.program.spa.fl_str_mv Especialización en Sistemas de Información Geográfica
institution Universidad de San Buenaventura
dc.source.bibliographicCitation.spa.fl_str_mv J. Zandi, P. Ghazvinei, R. Hashim, K. Yusof, J. Ariffin, and S. Motamedi, “Mapping of regional potential groundwater springs using Logistic Regression statistical method,” Water Resources, vol. 43, no. 1, pp. 48–57, 2016, doi: 10.1134/S0097807816010097.
S. Pérez, “Estimación de la curva ROC acumulativa / dinámica,” [Tesis de maestría], Universidad de Oviedo, Facultad de Ciencias, Oviedo, España, 2015.
A. Ozdemir, “GIS-based groundwater spring potential mapping in the Sultan Mountains (Konya, Turkey) using frequency ratio, weights of evidence and logistic regression methods and their comparison,” Journal of Hydrology, vol. 411, no. 3–4, pp. 290–308, 2011, doi: 10.1016/j.jhydrol.2011.10.010.
Z. Pourtaghi and H. Pourghasemi, “GIS-based groundwater spring potential assessment and mapping in the Birjand Township, southern Khorasan Province, Iran,” Hydrogeology Journal, vol. 22, no. 3, pp. 643–662, 2014, doi: 10.1007/s10040-013-1089-6.
W. Chen et al., “GIS-based groundwater potential analysis using novel ensemble weightsof-evidence with logistic regression and functional tree models,” Science of the Total Environment, vol. 634, pp. 853–867, 2018, doi: 10.1016/j.scitotenv.2018.04.055.
M. Ghimire, P. Chapagain, and S. Shrestha, “Mapping of groundwater spring potential zone using geospatial techniques in the Central Nepal Himalayas: A case example of Melamchi– Larke area,” Journal of Earth System Science, vol. 128, no. 2, pp. 1–24, 2019, doi: 10.1007/s12040-018-1048-7.
R. McCarthy, M. McCarthy, W. Ceccucci, and L. Halawi, “Logistic Regression and Binary Logistic Regression,” in Applying Predictive Analytics Finding Value in Data, Primera Ed., Suiza: Springer, 2019, pp. 98–99.
C. Espino and X. Martínez, “Análisis predictivo: técnicas y modelos utilizados y aplicaciones del mismo - herramientas Open Source que permiten su uso,” [Trabajo de grado], Universitat Oberta de Catalunya, Business Inteligence, Cataluña, España, 2017.
A. Corsini, F. Cervi, and F. Ronchetti, “Weight of evidence and artificial neural networks for potential groundwater spring mapping: an application to the Mt. Modino area (Northern Apennines, Italy),” Geomorphology, vol. 111, no. 1–2, pp. 79–87, 2009, doi: 10.1016/j.geomorph.2008.03.015.
P. Goyes and A. Hernandez, “Double landslide susceptibility assessment based on artificial neural networks and weights of evidence,” Boletin de Geología, vol. 43, no. 1, pp. 173–191, 2021, doi: 10.18273/revbol.v43n1-2021009.
W. Meng, “Estadísticas en Python: colinealidad y multicolinealidad,” Towards Data Science, Oct. 01, 2021. [En línea] Disponible en: t.ly/U3MJ.
J. Rodrigo, “Análisis de Componentes Principales (Principal Component Analysis, PCA) y t-SNE,” Ciencias de Datos. Net, Jun. 01, 2017. [En línea]. Disponible en: t.ly/c23m.
L. Gonzalez, “Matriz de Confusión,” Aprende IA, 2019. [En línea]. Disponible en: t.ly/Adk0.
J. I. Barrios, “La matriz de confusión y sus métricas,” Health Big Data, Jul. 26, 2019. [En línea]. Disponible en: t.ly/EyyK.
S. Arias and J. Betancour, “Definición de zonas de descarga hídrica por medio de análisis geomorfológico e imágenes térmicas en la cuenca del río Piedras, Jericó- Antioquia,” [Trabajo de grado], Universidad EAFIT, Escuela de Ciencias, Medellín, Colombia, 2021.
MINERA DE COBRE QUEBRADONA S.A., “Capítulo 5 Caracterización Abiótica,” in Estudio de Impacto Ambiental_I-0010371-MQC-EIA-V2-FA, Medellín, 2021, pp. 1–1873.
J. Jasiewicz and T. Stepinski, “r.geomorphon,” GRASS GIS Manual, Nov. 19, 2020. [En línea]. Disponible en: t.ly/9mRb.
Universidad Nacional de Colombia, “Parámetros morfométricos del relieve,” Laboratorio de Sistemas Complejos Naturales. s.f., [En línea]. Disponible en: t.ly/6QTD
Environmental Systems Research Institute Inc., “Acumulación de flujo,” ArcGIS for Desktop, 2016. [En línea]. Disponible en: t.ly/Qjre.
R. Matellanes, “Cálculo del Indice Topográfico de Humedad TWI,” GIS & Beers, Jul. 03, 2018. [En línea]. Disponible en: t.ly/Ulqa.
V. Vakhshoori and M. Zare, “Landslide susceptibility mapping by comparing weight of evidence, fuzzy logic, and frequency ratio methods,” Geomatics, Natural Hazards and Risk, vol. 7, no. 5, pp. 1731–1752, 2016, doi: 10.1080/19475705.2016.1144655.
K. Bryan, “Classification Of Springs,” The Journal of Geology, vol. 27, no. 7, pp. 522–561, Oct. 1919.
N. Kresic and Z. Stevanovic, “Sustainability and management, types and classifications, recharge and discharge hydrograph of springs,” in Groundwater Hidrology of Springs, 6th ed., Elsevier Inc., Ed. Oxford, UK: Angewandte Chemie International Edition, 2010, pp. 1– 163.
World Meteorological Organization and United Nations Educational Scientific and Cultural Organization, “Lista de términos equivalentes con sus definiciones,” in Glosario Hidrológico Internacional, no. 12, VM0-No.385, Ginebra, Suiza, 2012, pp. 0–461.
dc.source.other.none.fl_str_mv Biblioteca USB Medellín (San Benito): TG-6662t
bitstream.url.fl_str_mv https://bibliotecadigital.usb.edu.co/bitstreams/28bde0f2-ed78-489a-953f-69323cae0699/download
https://bibliotecadigital.usb.edu.co/bitstreams/b6fa3d84-a534-4fee-84c3-4bac771f1adb/download
https://bibliotecadigital.usb.edu.co/bitstreams/bc769cfe-3937-4a95-bd85-148c0cadd9f9/download
https://bibliotecadigital.usb.edu.co/bitstreams/5ff7b781-6ee0-4510-a8df-daebab7b42b1/download
bitstream.checksum.fl_str_mv 518b07ca2de2a65f00a5174599eb029f
ce8fd7f912f132cbeb263b9ddc893467
982cf8ed6129982349fe2cc4ae574a72
4df8002e97f9c6acd64ad8e7ae07582e
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad de San Buenaventura Colombia
repository.mail.fl_str_mv bdigital@metabiblioteca.com
_version_ 1837099276486836224
spelling Palomino Ángel, Sebastianba5296fa-2a6f-4b68-8632-9b88dbb47b4a-1Quintero Ortega, Isaura Janet84cdb7a4-4b3b-4925-8b1f-4c3c15ee234d-12024-02-12T15:57:51Z2024-02-12T15:57:51Z2022Los 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.The groundwater springs are sites of special protection by Colombian legislation, which contribute to surface water resources, and are also sourced human supply in some areas of the country. In this exercise exploratory is proposed the statistical models of Weights of Evidence (WoE), Frequency Ratio (RF) and Logistic Regression (RL) for the integration of explanatory spatial variables and to delimit areas with potential groundwater spring, by means of their identification and analysis of importance, and were built delimitation of posible areas for groundwater spring potencial maps in the town of Jerico in southwestern Antioquia. To acomplish this, it was used the inventory of groundwater spring developed by the Quebradona mining Project, as well as several explanatory variables such as: geology, geomorphology, land use, geological structures, landforms, curvatures, slopes, aspects, topographic index of humidity and flow accumulation. The prediction capacity was evaluated using the Receiver Operating Characteristic (ROC), Area Under the Curve (AUC) and confusion matrix. The areas under the curve for Weights of Evidence (WoE), Frequency Ratio (RF) and Logistic Regression (RL) were calculated as 0.854, 0.884 and 0.887 in the prediction. Therefore, it was concluded that the Logistic Regression (LR) produced the best prediction results, although the model has some explanatory variables with low statistical significance. However, the incorporation of statistical models quantitative optimize the strategy of searching of groundwater spring in the field, and contribute to the good management of water resources.EspecializaciónEspecialista en Sistemas de Información Geográfica98 páginasapplication/pdfI. J. Quintero Ortega, “Modelos espaciales para la delimitación de zonas potenciales de afloramientos de agua natural, caso de estudio en el municipio de Jericó – Antioquia.”, ​Trabajo de grado​ ​Especialización en Sistemas de Información Geográfica​, Universidad de San Buenaventura, ​Facultad de Ingenierías, Medellín,​ ​2022​instname:Universidad de San Buenaventurareponame:Repositorio Institucional Universidad de San Buenaventurarepourl:https://bibliotecadigital.usb.edu.co/https://hdl.handle.net/10819/12966spaUniversidad de San BuenaventuraMedellínFacultad de IngenieríaMedellínEspecialización en Sistemas de Información Geográficainfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2J. Zandi, P. Ghazvinei, R. Hashim, K. Yusof, J. Ariffin, and S. Motamedi, “Mapping of regional potential groundwater springs using Logistic Regression statistical method,” Water Resources, vol. 43, no. 1, pp. 48–57, 2016, doi: 10.1134/S0097807816010097.S. Pérez, “Estimación de la curva ROC acumulativa / dinámica,” [Tesis de maestría], Universidad de Oviedo, Facultad de Ciencias, Oviedo, España, 2015.A. Ozdemir, “GIS-based groundwater spring potential mapping in the Sultan Mountains (Konya, Turkey) using frequency ratio, weights of evidence and logistic regression methods and their comparison,” Journal of Hydrology, vol. 411, no. 3–4, pp. 290–308, 2011, doi: 10.1016/j.jhydrol.2011.10.010.Z. Pourtaghi and H. Pourghasemi, “GIS-based groundwater spring potential assessment and mapping in the Birjand Township, southern Khorasan Province, Iran,” Hydrogeology Journal, vol. 22, no. 3, pp. 643–662, 2014, doi: 10.1007/s10040-013-1089-6.W. Chen et al., “GIS-based groundwater potential analysis using novel ensemble weightsof-evidence with logistic regression and functional tree models,” Science of the Total Environment, vol. 634, pp. 853–867, 2018, doi: 10.1016/j.scitotenv.2018.04.055.M. Ghimire, P. Chapagain, and S. Shrestha, “Mapping of groundwater spring potential zone using geospatial techniques in the Central Nepal Himalayas: A case example of Melamchi– Larke area,” Journal of Earth System Science, vol. 128, no. 2, pp. 1–24, 2019, doi: 10.1007/s12040-018-1048-7.R. McCarthy, M. McCarthy, W. Ceccucci, and L. Halawi, “Logistic Regression and Binary Logistic Regression,” in Applying Predictive Analytics Finding Value in Data, Primera Ed., Suiza: Springer, 2019, pp. 98–99.C. Espino and X. Martínez, “Análisis predictivo: técnicas y modelos utilizados y aplicaciones del mismo - herramientas Open Source que permiten su uso,” [Trabajo de grado], Universitat Oberta de Catalunya, Business Inteligence, Cataluña, España, 2017.A. Corsini, F. Cervi, and F. Ronchetti, “Weight of evidence and artificial neural networks for potential groundwater spring mapping: an application to the Mt. Modino area (Northern Apennines, Italy),” Geomorphology, vol. 111, no. 1–2, pp. 79–87, 2009, doi: 10.1016/j.geomorph.2008.03.015.P. Goyes and A. Hernandez, “Double landslide susceptibility assessment based on artificial neural networks and weights of evidence,” Boletin de Geología, vol. 43, no. 1, pp. 173–191, 2021, doi: 10.18273/revbol.v43n1-2021009.W. Meng, “Estadísticas en Python: colinealidad y multicolinealidad,” Towards Data Science, Oct. 01, 2021. [En línea] Disponible en: t.ly/U3MJ.J. Rodrigo, “Análisis de Componentes Principales (Principal Component Analysis, PCA) y t-SNE,” Ciencias de Datos. Net, Jun. 01, 2017. [En línea]. Disponible en: t.ly/c23m.L. Gonzalez, “Matriz de Confusión,” Aprende IA, 2019. [En línea]. Disponible en: t.ly/Adk0.J. I. Barrios, “La matriz de confusión y sus métricas,” Health Big Data, Jul. 26, 2019. [En línea]. Disponible en: t.ly/EyyK.S. Arias and J. Betancour, “Definición de zonas de descarga hídrica por medio de análisis geomorfológico e imágenes térmicas en la cuenca del río Piedras, Jericó- Antioquia,” [Trabajo de grado], Universidad EAFIT, Escuela de Ciencias, Medellín, Colombia, 2021.MINERA DE COBRE QUEBRADONA S.A., “Capítulo 5 Caracterización Abiótica,” in Estudio de Impacto Ambiental_I-0010371-MQC-EIA-V2-FA, Medellín, 2021, pp. 1–1873.J. Jasiewicz and T. Stepinski, “r.geomorphon,” GRASS GIS Manual, Nov. 19, 2020. [En línea]. Disponible en: t.ly/9mRb.Universidad Nacional de Colombia, “Parámetros morfométricos del relieve,” Laboratorio de Sistemas Complejos Naturales. s.f., [En línea]. Disponible en: t.ly/6QTDEnvironmental Systems Research Institute Inc., “Acumulación de flujo,” ArcGIS for Desktop, 2016. [En línea]. Disponible en: t.ly/Qjre.R. Matellanes, “Cálculo del Indice Topográfico de Humedad TWI,” GIS & Beers, Jul. 03, 2018. [En línea]. Disponible en: t.ly/Ulqa.V. Vakhshoori and M. Zare, “Landslide susceptibility mapping by comparing weight of evidence, fuzzy logic, and frequency ratio methods,” Geomatics, Natural Hazards and Risk, vol. 7, no. 5, pp. 1731–1752, 2016, doi: 10.1080/19475705.2016.1144655.K. Bryan, “Classification Of Springs,” The Journal of Geology, vol. 27, no. 7, pp. 522–561, Oct. 1919.N. Kresic and Z. Stevanovic, “Sustainability and management, types and classifications, recharge and discharge hydrograph of springs,” in Groundwater Hidrology of Springs, 6th ed., Elsevier Inc., Ed. Oxford, UK: Angewandte Chemie International Edition, 2010, pp. 1– 163.World Meteorological Organization and United Nations Educational Scientific and Cultural Organization, “Lista de términos equivalentes con sus definiciones,” in Glosario Hidrológico Internacional, no. 12, VM0-No.385, Ginebra, Suiza, 2012, pp. 0–461.Biblioteca USB Medellín (San Benito): TG-6662t620 - Ingeniería y operaciones afinesFrecuenciaEstructuras geológicasModelos estadísticosManantialesPesos de evidenciaRazón de frecuenciaRegresión logisticaGISSpringWeights of evidenceFrequency ratioLogistic regressiónModelos espaciales para la delimitación de zonas potenciales de afloramientos de agua natural, caso de estudio en el municipio de Jericó – AntioquiaTrabajo de grado - Especializaciónhttp://purl.org/coar/resource_type/c_7a1fTextinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionComunidad Científica y AcadémicaPublicationORIGINALModelos_Espaciales_Delimitacion_Quintero_2022.pdfModelos_Espaciales_Delimitacion_Quintero_2022.pdfapplication/pdf7799747https://bibliotecadigital.usb.edu.co/bitstreams/28bde0f2-ed78-489a-953f-69323cae0699/download518b07ca2de2a65f00a5174599eb029fMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82079https://bibliotecadigital.usb.edu.co/bitstreams/b6fa3d84-a534-4fee-84c3-4bac771f1adb/downloadce8fd7f912f132cbeb263b9ddc893467MD52TEXTModelos_Espaciales_Delimitacion_Quintero_2022.pdf.txtModelos_Espaciales_Delimitacion_Quintero_2022.pdf.txtExtracted texttext/plain101803https://bibliotecadigital.usb.edu.co/bitstreams/bc769cfe-3937-4a95-bd85-148c0cadd9f9/download982cf8ed6129982349fe2cc4ae574a72MD53THUMBNAILModelos_Espaciales_Delimitacion_Quintero_2022.pdf.jpgModelos_Espaciales_Delimitacion_Quintero_2022.pdf.jpgGenerated Thumbnailimage/jpeg6844https://bibliotecadigital.usb.edu.co/bitstreams/5ff7b781-6ee0-4510-a8df-daebab7b42b1/download4df8002e97f9c6acd64ad8e7ae07582eMD5410819/12966oai:bibliotecadigital.usb.edu.co:10819/129662024-09-03 17:45:12.371https://bibliotecadigital.usb.edu.coRepositorio Institucional Universidad de San Buenaventura Colombiabdigital@metabiblioteca.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

Publicaciones similares