Aplicación de redes neuronales artificiales en la modelación de la deforestación asociada a nuevos proyectos de infraestructura vial en las regiones del Nordeste y Bajo Cauca del departamento de Antioquia

Resumen: La deforestación tropical es un proceso continuo causado principalmente por la construcción de nuevas vías, las cuales sin una planificación ambiental adecuada contribuyen a la pérdida de biodiversidad. En la presente investigación se estimó un modelo de regresión logística y un modelo de redes neuronales artificiales (RNAs), para predecir la deforestación asociada a nuevas vías en las regiones del Bajo Cauca y Nordeste del departamento de Antioquia para el periodo 1980-2000. Se consideraron variables biofísicas como la pendiente, la aptitud agrícola y variables que representan accesibilidad a mercados como la distancia a ríos, distancia a vías, distancia de menor costo a las cabeceras municipales y distancia al borde del bosque. La regresión logística se realizó para identificar los principales determinantes de la deforestación y dado que las RNAs tienen la capacidad de capturar relaciones no lineales, el conjunto de variables que generó mejores predicciones a partir del modelo de regresión logística se utilizó para la construcción y entrenamiento de RNAs. El entrenamiento se realizó en línea (modo on line) con el algoritmo de retropropagación, en el software R. Para probar la capacidad de predicción de los modelos se evaluó el área bajo la curva ROC (AUC). El modelo de regresión logística presentó un AUC de 0.77 y las RNAs un AUC de 0.79 a 0.82. Con las redes que presentaron altos valores de AUC se realizó un ensamble, a partir del cual se estimó la superficie de deforestación para un escenario base y un escenario simulado incorporando nuevas vías como la variante Porce y la vía El Bagre-San Jacinto del Cauca. La regresión logística indica que los principales factores de la deforestación para el periodo 1980-2000 fueron la distancia a las vías y la distancia al borde del bosque. La superficie estimada por el ensamble de RNAs muestra que los bosques más susceptibles a la deforestación se encuentran cerca de los centros poblados y siguen la localización de las principales vías. Finalmente la comparación de escenarios indica que la construcción de las nuevas vías conduciría a una deforestación de aproximadamente 10,782 ha

• Autores: Gómez Ossa, Luisa Fernanda
• Fecha de publicación: 2014
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/52176
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/52176; http://bdigital.unal.edu.co/46459/
• Palabra clave: 0 Generalidades / Computer science, information and general works; 55 Ciencias de la tierra / Earth sciences and geology; 62 Ingeniería y operaciones afines / Engineering; Redes neuronales artificiales; Regresión logística; Predicción; Deforestación; Vías; Artificial neural networks; Logistic regression; Prediction; Deforestation; Roads
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional