Browsing by Author "Bouniot Escobar, Carolina Andrea"
Now showing 1 - 3 of 3
Results Per Page
Sort Options
Item Análisis de recuperación de la vegetación en la Reserva Nacional China Muerta mediante percepción remota.(Universidad de Concepción, 2020) Barra Urrea, Abigail Eugenia; Bouniot Escobar, Carolina AndreaLos incendios forestales son una de las mayores amenazas que enfrentan los bosques tanto en Chile como en el resto del mundo. El seguimiento de la recuperación de la vegetación mediante técnicas de teledetección es una de las formas más precisa y novedosas que existen, ya que la teledetección es una de las herramientas más poderosas para este tipo de análisis. En este estudio se analizó la severidad del fuego y la recuperación de la vegetación para el incendio ocurrido el año 2015 en la Reserva Nacional China Muerta, ubicado en la Región de la Araucanía Chile; en base a imágenes satelitales (Landsat 8) de la zona durante el periodo 2015-2019, donde se estimó el índice de vegetación Normalized Difference Vegetation Index para los meses posteriores del incendio.Item Estudio de una propuesta metodológica para la evaluación de los planos de evacuación ante amenaza de tsunami de Senapred en proceso de actualización.(Universidad de Concepción, 2024) Troncoso Sepúlveda, Gabriela Ignacia; Bouniot Escobar, Carolina AndreaLa Unidad de Mapas de Riesgos del Servicio Nacional de Prevención y Respuesta ante Desastres (SENAPRED) tiene la responsabilidad de actualizar y validar los Planos de Evacuación ante Amenaza de Tsunami. Una de las principales deficiencias del proceso actual de validación es que no se realiza una verificación de los tiempos de evacuación en las vías propuestas por los municipios, lo que puede llevar a la implementación de planes que, aunque cumplen con los estándares mínimos, no optimizan las rutas de evacuación ni los tiempos disponibles, exponiendo a ciertas áreas a mayores riesgos. Para enfrentar estas limitaciones, esta práctica profesional se orientó al estudio de propuesta metodológica que aproveche herramientas de la geomática para fortalecer el proceso de actualización de los planos de evacuación, mediante la modelación de los tiempos de evacuación. El propósito es validar que las vías definidas en los Planos de Evacuación ante Amenaza de Tsunami posibilitan la evacuación en un tiempo no superior a 15 minutos, según lo establece MINVU (2017). Con ello se busca generar un panorama sobre la efectividad de las vías de evacuación e identificar necesidades de mejoras. Con la aplicación de los procesos propuesto se logró realizar un análisis detallado y eficiente de los tiempos de evacuación, incorporando el uso de Sistemas de Información Geográfica (SIG), brindando resultados que reflejan las condiciones del terreno y su influencia en la velocidad de desplazamiento de las personas. La metodología propuesta constituye una base para orientar decisiones estratégicas en la actualización de los Planos de Evacuación, posibilitando con su implementación la realización de una planificación más completa.Item Predicción de datos mareográficos por redes neuronales artificiales.(Universidad de Concepción, 2013) Bouniot Escobar, Carolina Andrea; Montecino Castro, Henry DiverthLa estación mareográfica elegida, de entre las 7 ubicadas en territorio chileno disponibles en el programa GLOSS, fue la estación de Valparaíso localizada en el Molo de Abrigo (-33.0330;-71.6330). Esto se debe a la importancia de la estación a nivel nacional, a la disponibilidad de datos desde 1944, a que posee registros de años consecutivos con menores lagunas, que posibilitan el entrenamiento de la RNA; y por último, a que la estación se encuentra activa en la actualidad (www.sonel.org/-GLOSS,81-.html, visitado: 06/03/2013). Tres grupos de datos fueron utilizados, con el objetivo de recuperar las diferentes señales mareográficas. El primer grupo contaba con 72 horas de datos (entre 01/01/2010 y 03/01/2010), el segundo con 3 meses o 2160 horas (enero, febrero y marzo de 2010), y por último el tercer grupo consistió en 2 años, con 17544 horas (2004 y 2005). En el caso particular de este proyecto, la arquitectura de la red neuronal artificial mantiene los parámetros predeterminados del time series tool para los tres grupos de prueba, esto es, redes formadas de una capa oculta con función de transferencia sigmoidal y una capa de salida con función lineal, algoritmo de entrenamiento Levenberg-Marquardt, cambiando la cantidad de neuronas en la capa oculta y delays, para los tres grupos de datos. El primer grupo se entrena con 10 neuronas en la capa oculta y 8 delays; el segundo grupo consta de 50 delays y 20 neuronas en la capa oculta; y el tercer grupo emplea 25 neuronas y 20 delays. La evaluación de la red se realiza por medio de MSE y coeficiente de correlación. La metodología presentada en este informe, resulta ser optimista para a predicción de datos mareográficos, esto justificado por los siguientes resultados: 68 El primer ejercicio, tomando en consideración que los valores del grupo están entre -13 y 1698 milímetros, presenta un RMSE de aproximadamente un 4% del rango de marea, y un valor de R en torno a 0.9 para los datos de prueba. Los datos del segundo grupo van desde -70 a 1685 milímetros, teniendo un rango de marea igual a 1755 mm, dando como resultado que el RMSE de prueba para este grupo disminuye al 3% de éste rango, y su R sigue cercano al 0.9. El registro de los años 2004 y 2005 tiene un rango de 1910 milímetros, con lo que el error de prueba representa un 1.5% de la variación en la marea, y al igual que los ejercicios anteriores el coeficiente de correlación supera el 0.9. A diferencia del método de predicción oficial, el análisis armónico de mareas, la predicción por RNAs no requiere de conocimientos matemáticos y físicos avanzados, ni de procesos paralelos, como análisis espectrales. El toolbox de Matlab es una herramienta de gran simplicidad, posee una interfaz amigable y fácil de seguir, por lo que permite que el usuario la emplee sin necesidad de tener mayores conocimientos de programación. Con todo cabe mencionar que, para nuevos datos, mientras más lejanos son los valores predichos de la secuencia temporal de entrada, en mayor grado se alejan de las precisiones originales.