Automatización del calculo de la línea altitudinal de nieve, mediante la aplicación de técnica de Machine learning para la determinación de la línea altitudinal de equilibrio al 2022 en la Cordillera Blanca, Ancash, Perú

Abstract

La presente investigación se centró en la estimación de la línea altitudinal de nieve mediante la aplicación del algoritmo de aprendizaje automático "Random Forest", el cual es ampliamente utilizado en el campo de la teledetección para la identificación de diferentes tipos de coberturas de suelo. Estas zonas son relativamente fáciles de fotointerpretar, una vez delimitadas las áreas de entrenamiento, estas son ingresadas en el algoritmo Random Forest (RF), el cual clasifica los píxeles de las imágenes en función de las características espectrales de las bandas Landsat y Sentinel. Una vez estimadas las clases de acumulación y ablación, la zona de contacto entre ambas representa la línea altitudinal de nieve (SLA). A partir de esta línea, y empleando la técnica de estadísticas zonales, se extrae la altitud máxima de la línea de nieve. Esta altitud se utiliza posteriormente para establecer una correlación con la línea de equilibrio altitudinal (ELA), con el objetivo de evaluar la representatividad de la SLA respecto a la ELA, se logró estimar correlaciones entre los 0.67 y 0.77 (R2), lo que nos indica que existe representatividad entre la SLA – ELA. Finalmente, la Línea Altitudinal de Nieve (SLA) se analizó en relación con la precipitación y la temperatura para evaluar el impacto de estos parámetros en su variación. Los resultados indican que el incremento en la temperatura del aire está directamente asociado con el ascenso de la línea altitudinal de nieve (SLA), mientras que la precipitación tiene relación inversa con la SLA, es decir, a mayor precipitación, la SLA tiende a descender.