Influencia de la topografía en la severidad de un incendio forestal de bosque seco tropical en la Cuenca Alta del Río Magdalena.

En las últimas cincuenta décadas se han registrado múltiples incendios en el Bosque seco tropical colombiano, este ecosistema es uno de los más vulnerables a estas continuas perturbaciones. Sin embargo, los estudios de estos incendios comúnmente se basan en las características climáticas y los tipos...

Full description

Autores:
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2021
Institución:
Universidad Distrital Francisco José de Caldas
Repositorio:
RIUD: repositorio U. Distrital
Idioma:
spa
OAI Identifier:
oai:repository.udistrital.edu.co:11349/26465
Acceso en línea:
http://hdl.handle.net/11349/26465
Palabra clave:
Bosque Seco Tropical
Incendio Forestal
Severidad
Topografía
Modelos de Aprendizaje Automático
Ingeniería Forestal - Tesis y disertaciones académicas
Topografía - Cuenca alta del Río Magdalena (Colombia)
Incendios forestales - Cuenca alta del Río Magdalena (Colombia)
Prevención de incendios forestales - Cuenca alta del Río Magdalena (Colombia)
Bosques tropicales - Cuenca alta del Río Magdalena (Colombia)
Tropical Dry Forest
Forest fire
Severity
Topography
Machine learning models
Rights
License
Atribución-NoComercial-SinDerivadas 4.0 Internacional
id UDISTRITA2_0c5e8304240848d5dd846631ce14bf0d
oai_identifier_str oai:repository.udistrital.edu.co:11349/26465
network_acronym_str UDISTRITA2
network_name_str RIUD: repositorio U. Distrital
repository_id_str
dc.title.spa.fl_str_mv Influencia de la topografía en la severidad de un incendio forestal de bosque seco tropical en la Cuenca Alta del Río Magdalena.
dc.title.titleenglish.spa.fl_str_mv Influence of topography on the severity of a tropical dry forest forest fire in the Upper Magdalena River Basin.
title Influencia de la topografía en la severidad de un incendio forestal de bosque seco tropical en la Cuenca Alta del Río Magdalena.
spellingShingle Influencia de la topografía en la severidad de un incendio forestal de bosque seco tropical en la Cuenca Alta del Río Magdalena.
Bosque Seco Tropical
Incendio Forestal
Severidad
Topografía
Modelos de Aprendizaje Automático
Ingeniería Forestal - Tesis y disertaciones académicas
Topografía - Cuenca alta del Río Magdalena (Colombia)
Incendios forestales - Cuenca alta del Río Magdalena (Colombia)
Prevención de incendios forestales - Cuenca alta del Río Magdalena (Colombia)
Bosques tropicales - Cuenca alta del Río Magdalena (Colombia)
Tropical Dry Forest
Forest fire
Severity
Topography
Machine learning models
title_short Influencia de la topografía en la severidad de un incendio forestal de bosque seco tropical en la Cuenca Alta del Río Magdalena.
title_full Influencia de la topografía en la severidad de un incendio forestal de bosque seco tropical en la Cuenca Alta del Río Magdalena.
title_fullStr Influencia de la topografía en la severidad de un incendio forestal de bosque seco tropical en la Cuenca Alta del Río Magdalena.
title_full_unstemmed Influencia de la topografía en la severidad de un incendio forestal de bosque seco tropical en la Cuenca Alta del Río Magdalena.
title_sort Influencia de la topografía en la severidad de un incendio forestal de bosque seco tropical en la Cuenca Alta del Río Magdalena.
dc.contributor.advisor.spa.fl_str_mv Parrado Roselli, Angela
Fernández Gómez, Wilmar Dario
dc.subject.spa.fl_str_mv Bosque Seco Tropical
Incendio Forestal
Severidad
Topografía
Modelos de Aprendizaje Automático
topic Bosque Seco Tropical
Incendio Forestal
Severidad
Topografía
Modelos de Aprendizaje Automático
Ingeniería Forestal - Tesis y disertaciones académicas
Topografía - Cuenca alta del Río Magdalena (Colombia)
Incendios forestales - Cuenca alta del Río Magdalena (Colombia)
Prevención de incendios forestales - Cuenca alta del Río Magdalena (Colombia)
Bosques tropicales - Cuenca alta del Río Magdalena (Colombia)
Tropical Dry Forest
Forest fire
Severity
Topography
Machine learning models
dc.subject.lemb.spa.fl_str_mv Ingeniería Forestal - Tesis y disertaciones académicas
Topografía - Cuenca alta del Río Magdalena (Colombia)
Incendios forestales - Cuenca alta del Río Magdalena (Colombia)
Prevención de incendios forestales - Cuenca alta del Río Magdalena (Colombia)
Bosques tropicales - Cuenca alta del Río Magdalena (Colombia)
dc.subject.keyword.spa.fl_str_mv Tropical Dry Forest
Forest fire
Severity
Topography
Machine learning models
description En las últimas cincuenta décadas se han registrado múltiples incendios en el Bosque seco tropical colombiano, este ecosistema es uno de los más vulnerables a estas continuas perturbaciones. Sin embargo, los estudios de estos incendios comúnmente se basan en las características climáticas y los tipos de coberturas, desconociendo el componente topográfico el cual afecta en la ocurrencia y comportamiento de los incendios. Por lo cual este estudio evaluó la severidad de un incendio ocurrido en un bosque seco tropical del municipio de Honda – Tolima y se determinó el orden de importancia de las variables topográficas (Pendiente, Aspecto, TPI y TWI). Se emplearon los modelos de aprendizaje automático Árboles de decisión y Bosques Aleatorios con el fin de modelar la probabilidad de predicción de la severidad basados en la topografía. Los resultados del presente estudio concluyeron que la influencia de la topografía define en gran medida las diferentes severidades del fuego, demostrando que la pendiente, el aspecto y la posición topográfica son variables con mayor influencia en la clasificación de las severidades del incendio, mientras que la humedad topográfica no fue relevante en dicha determinación. Por lo tanto, es importante tener en cuenta las variables topográficas a la hora de evaluar la severidad para poder generar acciones de mitigación y manejo pre incendio en zonas de alta vulnerabilidad.
publishDate 2021
dc.date.accessioned.none.fl_str_mv 2021-07-22T20:36:27Z
dc.date.available.none.fl_str_mv 2021-07-22T20:36:27Z
dc.date.created.spa.fl_str_mv 2021-06-15
dc.type.degree.spa.fl_str_mv Monografía
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
format http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/11349/26465
url http://hdl.handle.net/11349/26465
dc.language.iso.spa.fl_str_mv spa
language spa
dc.rights.*.fl_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.acceso.spa.fl_str_mv Abierto (Texto Completo)
rights_invalid_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional
http://creativecommons.org/licenses/by-nc-nd/4.0/
Abierto (Texto Completo)
http://purl.org/coar/access_right/c_abf2
dc.format.mimetype.spa.fl_str_mv pdf
institution Universidad Distrital Francisco José de Caldas
bitstream.url.fl_str_mv http://repository.udistrital.edu.co/bitstream/11349/26465/1/AlfonsoMartinezMariaFernanda%2cMontealegreRamirezManuelFelipe2021.pdf
http://repository.udistrital.edu.co/bitstream/11349/26465/2/Licencia%20de%20uso%20y%20publicacion%20de%20los%20autores%20para%20publicar.pdf
http://repository.udistrital.edu.co/bitstream/11349/26465/3/license_rdf
http://repository.udistrital.edu.co/bitstream/11349/26465/4/license.txt
http://repository.udistrital.edu.co/bitstream/11349/26465/5/AlfonsoMartinezMariaFernanda%2cMontealegreRamirezManuelFelipe2021.pdf.jpg
http://repository.udistrital.edu.co/bitstream/11349/26465/6/Licencia%20de%20uso%20y%20publicacion%20de%20los%20autores%20para%20publicar.pdf.jpg
bitstream.checksum.fl_str_mv 9e3b281075ee884cdbae4810d10f7f17
7132e9fb2f752fd188c574d2a1ead829
217700a34da79ed616c2feb68d4c5e06
997daf6c648c962d566d7b082dac908d
5e74790b72e497822ad1b11ffb12b3aa
579177d3c9fc7a69051be4644d29677d
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad Distrital - RIUD
repository.mail.fl_str_mv repositorio@udistrital.edu.co
_version_ 1803712596262518784
spelling Parrado Roselli, AngelaFernández Gómez, Wilmar DarioAlfonso Martínez, María FernandaMontealegre Ramírez, Manuel Felipe2021-07-22T20:36:27Z2021-07-22T20:36:27Z2021-06-15http://hdl.handle.net/11349/26465En las últimas cincuenta décadas se han registrado múltiples incendios en el Bosque seco tropical colombiano, este ecosistema es uno de los más vulnerables a estas continuas perturbaciones. Sin embargo, los estudios de estos incendios comúnmente se basan en las características climáticas y los tipos de coberturas, desconociendo el componente topográfico el cual afecta en la ocurrencia y comportamiento de los incendios. Por lo cual este estudio evaluó la severidad de un incendio ocurrido en un bosque seco tropical del municipio de Honda – Tolima y se determinó el orden de importancia de las variables topográficas (Pendiente, Aspecto, TPI y TWI). Se emplearon los modelos de aprendizaje automático Árboles de decisión y Bosques Aleatorios con el fin de modelar la probabilidad de predicción de la severidad basados en la topografía. Los resultados del presente estudio concluyeron que la influencia de la topografía define en gran medida las diferentes severidades del fuego, demostrando que la pendiente, el aspecto y la posición topográfica son variables con mayor influencia en la clasificación de las severidades del incendio, mientras que la humedad topográfica no fue relevante en dicha determinación. Por lo tanto, es importante tener en cuenta las variables topográficas a la hora de evaluar la severidad para poder generar acciones de mitigación y manejo pre incendio en zonas de alta vulnerabilidad.In the last fifty decades, multiple fires have been registered in the Colombian tropical dry forest, this ecosystem is one of the most vulnerable to these continuous disturbances. However, the studies of these fires are based on the climatic characteristics and the types of coverage, ignoring the topographic which affects the occurrence and behavior of the fires. Therefore, this study evaluated the severity of a fire that occurred in a tropical dry forest in the municipality of Honda - Tolima and the order of importance of the topographic variables (Slope, Aspect, TPI and TWI) was determined. Decision Trees and Random Forests machine learning models were used to model the probability of severity prediction based on topography. The results of the present study concluded that the influence of the topography largely defines the different severities of the fire, showing that the slope, the aspect and the topographic position are variables with the greatest influence on the classification of fire severities, while the Topographic humidity was not relevant in this determination. Therefore, it is important to take into account topographic variables when evaluating severity in order to generate mitigation and management actions before fire in highly vulnerable areas.pdfspaAtribución-NoComercial-SinDerivadas 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/Abierto (Texto Completo)http://purl.org/coar/access_right/c_abf2Bosque Seco TropicalIncendio ForestalSeveridadTopografíaModelos de Aprendizaje AutomáticoIngeniería Forestal - Tesis y disertaciones académicasTopografía - Cuenca alta del Río Magdalena (Colombia)Incendios forestales - Cuenca alta del Río Magdalena (Colombia)Prevención de incendios forestales - Cuenca alta del Río Magdalena (Colombia)Bosques tropicales - Cuenca alta del Río Magdalena (Colombia)Tropical Dry ForestForest fireSeverityTopographyMachine learning modelsInfluencia de la topografía en la severidad de un incendio forestal de bosque seco tropical en la Cuenca Alta del Río Magdalena.Influence of topography on the severity of a tropical dry forest forest fire in the Upper Magdalena River Basin.Monografíainfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fORIGINALAlfonsoMartinezMariaFernanda,MontealegreRamirezManuelFelipe2021.pdfAlfonsoMartinezMariaFernanda,MontealegreRamirezManuelFelipe2021.pdfTrabajo de Gradoapplication/pdf1853213http://repository.udistrital.edu.co/bitstream/11349/26465/1/AlfonsoMartinezMariaFernanda%2cMontealegreRamirezManuelFelipe2021.pdf9e3b281075ee884cdbae4810d10f7f17MD51open accessLicencia de uso y publicacion de los autores para publicar.pdfLicencia de uso y publicacion de los autores para publicar.pdfapplication/pdf640344http://repository.udistrital.edu.co/bitstream/11349/26465/2/Licencia%20de%20uso%20y%20publicacion%20de%20los%20autores%20para%20publicar.pdf7132e9fb2f752fd188c574d2a1ead829MD52metadata only accessCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811http://repository.udistrital.edu.co/bitstream/11349/26465/3/license_rdf217700a34da79ed616c2feb68d4c5e06MD53open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-87167http://repository.udistrital.edu.co/bitstream/11349/26465/4/license.txt997daf6c648c962d566d7b082dac908dMD54open accessTHUMBNAILAlfonsoMartinezMariaFernanda,MontealegreRamirezManuelFelipe2021.pdf.jpgAlfonsoMartinezMariaFernanda,MontealegreRamirezManuelFelipe2021.pdf.jpgIM Thumbnailimage/jpeg5623http://repository.udistrital.edu.co/bitstream/11349/26465/5/AlfonsoMartinezMariaFernanda%2cMontealegreRamirezManuelFelipe2021.pdf.jpg5e74790b72e497822ad1b11ffb12b3aaMD55open accessLicencia de uso y publicacion de los autores para publicar.pdf.jpgLicencia de uso y publicacion de los autores para publicar.pdf.jpgIM Thumbnailimage/jpeg13120http://repository.udistrital.edu.co/bitstream/11349/26465/6/Licencia%20de%20uso%20y%20publicacion%20de%20los%20autores%20para%20publicar.pdf.jpg579177d3c9fc7a69051be4644d29677dMD56open access11349/26465oai:repository.udistrital.edu.co:11349/264652023-06-13 14:02:50.409open accessRepositorio Institucional Universidad Distrital - RIUDrepositorio@udistrital.edu.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