Por favor, use este identificador para citar o enlazar este ítem: http://infotec.repositorioinstitucional.mx/jspui/handle/1027/592
Análisis de variables ambientales y técnicas de machine learning aplicadas a problemas ecológicos.
MAGALI ARELLANO VAZQUEZ
Acceso Abierto
Atribución-NoComercial-SinDerivadas
Análisis de datos y probabilidad
Aprendizaje automático (Inteligencia artificial)--Métodos estadísticos
Internet de las cosas
Contaminación del aire--México
El análisis de datos y el aprendizaje automático se han convertido en herramientas cada vez más importantes para estudiar y comprender los problemas ecológicos. En los años anteriores se han identificado 3 problemas ecológicos que se han tomado como casos de estudio en los que la aplicación de estas técnicas deriva en importantes aportaciones, tanto en el ámbito académico como en el impacto social a corto plazo. Estos casos de estudio son: 1. Red de estaciones de monitorización de variables climáticas y polinizadores regionales. 2. La dispersión de contaminantes en ciudades. 3. La caracterización y predicción del comportamiento regional del viento. En los últimos años la predicción meteorológica ha pasado de ser una simple observación para basarse en la tecnología, ciencia y las matemáticas avanzadas para predecir el tiempo con precisión. Parte fundamental de esta práctica es el conocimiento de las condiciones meteorológicas, debido a su contribución a un mejor control de la cosecha, la aparición de plagas, los días de siembra y la necesidad de riego. En contraste, la instrumentación, instalación y el mantenimiento necesarios resulta costoso en términos económicos; en particular, para las personas que consideran tener un huerto de menor tamaño, cuya afectación para el proceso de siembra y cosecha de los alimentos radica en el desconocimiento de las condiciones en las que se encuentra el huerto y los pronósticos del clima, los cuales no siempre se adecúan a ciertas regiones ni toman en cuenta microclimas. En el caso de los animales polinizadores, el análisis de datos y el aprendizaje automático pueden utilizarse para identificar las especies de polinizadores de una zona y cartografiar las áreas más importantes para el ecosistema. Estos modelos también tienen el potencial de predecir la dinámica de las poblaciones de polinizadores; por ejemplo, los movimientos y tasas de supervivencia, así como para evaluar su posible impacto en el rendimiento de los cultivos.
INFOTEC Centro de Investigación e Innovación en Tecnologías de la Información y Comunicación.
01-02-2023
Protocolo de investigación
Español
Arellano Vázquez, Magali. (2023). Análisis de variables ambientales y técnicas de machine learning aplicadas a problemas ecológicos. INFOTEC Centro de Investigación e Innovación en Tecnologías de la Información y Comunicación.
CONTROL DE LA CONTAMINACIÓN ATMOSFÉRICA
Versión publicada
publishedVersion - Versión publicada
Aparece en las colecciones: Proyectos 2023

Cargar archivos:


Fichero Tamaño Formato  
Dra_Magali_Arellano-Proyecto_2023.pdf339.55 kBAdobe PDFVisualizar/Abrir