Modelo predictivo de la Actividad Vegetal en el Bosque Tropical Seco del Cañón del Río Cauca

Abstract

RESUMEN : Este proyecto se enfoca en evaluar las relaciones que puedan existir entre la actividad vegetal y las variables eco-hidrológicas para la creación de un modelo predictivo de la actividad vegetal en el bosque seco tropical del Cañón del Río Cauca en Colombia. La creación de una herramienta que ayude a predecir la actividad vegetal podría ser fundamental para hacer seguimiento de la salud del bosque en cuestión, para la gestión de los recursos hídricos y la conservación de estos ecosistemas. Para abordar este desafío, el proyecto utilizará métodos estadísticos, así como modelos de Deep Learning, y usará métricas de evaluación con el fin de comparar el comportamiento de estos y así encontrar el modelo más preciso y eficaz, utilizando como entrada variables eco-hidrológicas y ambientales, obtenidas de estaciones del IDEAM y de fotos satelitales de Google Earth Engine, logrando predecir la actividad vegetal (NDVI) en esta región. Aunque el alcance del proyecto se limita a esta cuenca específica y sus datos, su impacto potencial es relevante para las autoridades ambientales, los investigadores y las comunidades locales que buscan tomar decisiones informadas y promover la conservación de los bosques secos tropicales en la región.

ABSTRACT : This project focuses on evaluating the relationships that may exist between vegetation activity and eco-hydrological variables to create a predictive model of vegetation activity in the tropical dry forest of the Cauca River Canyon in Colombia. Developing a tool that helps predict vegetation activity could be crucial for monitoring the health of the forest, managing water resources, and conserving these ecosystems. To address this challenge, the project will use statistical methods as well as deep learning models and employ evaluation metrics to compare their performance and find the most accurate and effective model. The input will include eco-hydrological and environmental variables obtained from IDEAM stations and satellite images from Google Earth Engine, aiming to predict vegetation activity (NDVI) in this region. Although the project's scope is limited to this specific watershed and its data, its potential impact is significant for environmental authorities, researchers, and local communities seeking to make informed decisions and promote the conservation of tropical dry forests in the region.