Implementación de inteligencia artificial para la actualización de zonas homogéneas físicas rurales en el Municipio de Monguí, Boyacá / Mesa Salamanca, Gabriel Alejandro  

Público ISBD Ningún comentario para este registro. Título : Implementación de inteligencia artificial para la actualización de zonas homogéneas físicas rurales en el Municipio de Monguí, Boyacá Tipo de documento: documento electrónico Autores: Mesa Salamanca, Gabriel Alejandro, Autor ; Rodríguez León, Kevin Santiago, Autor ; Mendoza Cañón, Angie Shirley, Autor ; Torres Gutiérrez, William Eduardo, Autor ; Valbuena Gaona, Martha Patricia, Asesor Editorial: Manizales [Colombia] : Universidad de Manizales* Fecha de publicación: 2025 Colección: RiDUM - Trabajos de Grado Especializaciones Subcolección: Especialización en Sistema de Información Geográfica Palabras clave: Machine learning  Ordenamiento territorial  Sistema de Información Geográfica (SIG)  Inteligencia artificial  Imágenes satelitales Resumen: Este proyecto tiene como propósito actualizar las Zonas Homogéneas Físicas Rurales del municipio de Monguí, Boyacá, mediante el uso de herramientas geoespaciales e inteligencia artificial. Ante la alta desactualización catastral en áreas rurales del país, lo que afecta la planificación fiscal y territorial, así como la gestión de recursos y políticas públicas, se propone una metodología práctica y eficiente para identificar y clasificar las Zonas Homogéneas Físicas. Los insumos requeridos son imágenes satelitales de alta resolución espacial y temporal, junto con Modelos Digitales de Elevación (DEM). Se emplearon algoritmos de aprendizaje automático, como las Máquinas de Soporte Vectorial (SVM), para analizar el uso actual del suelo. Asimismo, se implementaron Redes Neuronales Convolucionales (CNN) para identificar y categorizar las vías rurales. Estos análisis fueron complementados con información oficial y validados mediante indicadores técnicos como el coeficiente Kappa, que mide el grado de concordancia, y el F1 Score, que evalúa el equilibrio entre precisión y sensibilidad del modelo. Para determinar las pendientes y disponibilidad de aguas superficiales permanentes se identificaron flujos de acumulación mediante el análisis de un DEM. Los resultados demostraron que esta metodología permite delimitar con precisión las zonas homogéneas físicas rurales, facilitando una mejor comprensión del territorio y reduciendo los tiempos de análisis frente a los métodos tradicionales. Este enfoque, además de ser eficiente, tiene potencial de replicabilidad en otras regiones, lo cual contribuiría a una gestión territorial más eficaz y a la toma de decisiones basada en información precisa y actualizada. Tipo de medio : Computadora En línea: https://ridum.umanizales.edu.co/handle/20.500.12746/7583 Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Implementación de inteligencia artificial para la actualización de zonas homogéneas físicas rurales en el Municipio de Monguí, Boyacá [documento electrónico] / Mesa Salamanca, Gabriel Alejandro, Autor ; Rodríguez León, Kevin Santiago, Autor ; Mendoza Cañón, Angie Shirley, Autor ; Torres Gutiérrez, William Eduardo, Autor ; Valbuena Gaona, Martha Patricia, Asesor . - Manizales [Colombia] : Universidad de Manizales*, 2025. - (RiDUM - Trabajos de Grado Especializaciones. Especialización en Sistema de Información Geográfica) . Palabras clave: Machine learning  Ordenamiento territorial  Sistema de Información Geográfica (SIG)  Inteligencia artificial  Imágenes satelitales Resumen: Este proyecto tiene como propósito actualizar las Zonas Homogéneas Físicas Rurales del municipio de Monguí, Boyacá, mediante el uso de herramientas geoespaciales e inteligencia artificial. Ante la alta desactualización catastral en áreas rurales del país, lo que afecta la planificación fiscal y territorial, así como la gestión de recursos y políticas públicas, se propone una metodología práctica y eficiente para identificar y clasificar las Zonas Homogéneas Físicas. Los insumos requeridos son imágenes satelitales de alta resolución espacial y temporal, junto con Modelos Digitales de Elevación (DEM). Se emplearon algoritmos de aprendizaje automático, como las Máquinas de Soporte Vectorial (SVM), para analizar el uso actual del suelo. Asimismo, se implementaron Redes Neuronales Convolucionales (CNN) para identificar y categorizar las vías rurales. Estos análisis fueron complementados con información oficial y validados mediante indicadores técnicos como el coeficiente Kappa, que mide el grado de concordancia, y el F1 Score, que evalúa el equilibrio entre precisión y sensibilidad del modelo. Para determinar las pendientes y disponibilidad de aguas superficiales permanentes se identificaron flujos de acumulación mediante el análisis de un DEM. Los resultados demostraron que esta metodología permite delimitar con precisión las zonas homogéneas físicas rurales, facilitando una mejor comprensión del territorio y reduciendo los tiempos de análisis frente a los métodos tradicionales. Este enfoque, además de ser eficiente, tiene potencial de replicabilidad en otras regiones, lo cual contribuiría a una gestión territorial más eficaz y a la toma de decisiones basada en información precisa y actualizada. Tipo de medio : Computadora En línea: https://ridum.umanizales.edu.co/handle/20.500.12746/7583 Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i

---

1 (1 - 1 / 1) Por página: 25 50 100 200