Modelo de detección de alertas de deforestación asociados a cultivos de café en Chinchiná, Caldas en Google Earth Engine con datos Ideam y Hansen.

dc.contributor.advisorCastañeda Peláez, KarenAsesor
dc.contributor.authorAraujo Culma, Clara Inés
dc.contributor.authorNoreña Castaño, Jessica
dc.contributor.authorQuintero Guevara, David
dc.date.accessioned2026-05-09T16:57:52Z
dc.date.available2026-05-09T16:57:52Z
dc.date.issued2025
dc.description.abstractLa deforestación a nivel mundial es considerada uno de los problemas más críticos a nivel mundial, que afecta el equilibrio ecológico y amenaza la biodiversidad. Con el fin de abordar esta problemática, es fundamental contar con herramientas de monitoreo que permitan generar estrategias de manejo y mitigación. Este proceso de investigación plantea la construcción de un modelo para la detección de alertas de deforestación asociados a predios cafeteros, ubicados en el municipio de Chinchiná, Caldas, realizado en la plataforma Google Earth Engine (GEE), utilizando el lenguaje de programación con JavaScrip, y datos geoespaciales de alertas de deforestación a nivel nacional como la información proporcionada por el instituto de Hidrología Meteorología y estudios ambientales (IDEAM), como a nivel internacional como la proporcionada por el proyecto Global Forest Change desarrollada por Hansen y su grupo. La generación de datos geoespaciales ofrece oportunidades para el monitoreo y análisis ambiental, herramientas como las que ofrece (GEE) permite procesar volúmenes de información, facilitando, entre otras, la identificación de áreas afectadas por la deforestación en cultivos de café. Este modelo puede convertirse en información destacada e importante para los usuarios interesados en realizar análisis de deforestación o para aquellos que deben cumplir con normativas como la legislación EUDR (Reglamento de Deforestación de la Unión Europea), que exige políticas de cero (0) deforestaciones en la cadena de suministro. El desarrollo de este modelo dio como resultado un visor interactivo realizado en (GEE), que permite formular consultas por medio de filtros, analizar datos por periodos de tiempo, visualizar las capas temáticas, y generar alertas con gráficos estadísticos. El conjunto de datos analizados y los resultados obtenidos permitieron llegar a la conclusión que el uso de plataformas de teledetección y la integración de tecnologías, como Sistemas de Información Geográfica (SIG) y (GEE), son eficientes en procesos como el monitoreo de deforestación, por ello, se recomienda realizar diferentes tipos de análisis en otras zonas cafeteras del país, con el fin de contrastar cómo varía el comportamiento de la deforestación en cada región.es
dc.formatapplication/pdf
dc.identifier.otherFacultad de Ciencias e Ingeniería​
dc.identifier.urihttps://ridum.umanizales.edu.co/handle/20.500.12746/7836
dc.language.isospa
dc.publisherUniversidad de Manizales
dc.relation.hasversioninfo:eu-repo/semantics/publishedVersion
dc.rights.accesRightsAcceso abierto (metadatos visibles, texto completo descargable)
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/deed.es
dc.subjectAlerta (Hansen e IDEAM),
dc.subjectGoogle Earth Engine (GEE).
dc.subjectDeforestación.
dc.subjectSistema de Información Geográfica (SIG)
dc.subjectAnálisis Geoespacial
dc.titleModelo de detección de alertas de deforestación asociados a cultivos de café en Chinchiná, Caldas en Google Earth Engine con datos Ideam y Hansen.
dc.typeinfo:eu-repo/semantics/bachelorThesis
thesis.degree.disciplineEspecialización en Sistemas de Información Geográfica
thesis.degree.grantorUniversidad de Manizales
thesis.degree.levelEspecialización
thesis.degree.nameEspecialista en Sistemas de Información Geográfica

Archivos

Bloque original

Mostrando 1 - 4 de 4
Miniatura por defecto
Nombre:
Acta_Araujo_2025.pdf
Tamaño:
487.58 KB
Formato:
Adobe Portable Document Format
Miniatura por defecto
Nombre:
Detección_alertas_Araujo_2025.docx
Tamaño:
3.09 MB
Formato:
Microsoft Word XML
Cargando...
Miniatura
Nombre:
Detección_alertas_Araujo_2025.pdf
Tamaño:
2.26 MB
Formato:
Adobe Portable Document Format
Miniatura por defecto
Nombre:
Autorizacion_Araujo_2025.pdf
Tamaño:
336.46 KB
Formato:
Adobe Portable Document Format

Bloque de licencias

Mostrando 1 - 1 de 1
Miniatura por defecto
Nombre:
license.txt
Tamaño:
1.92 KB
Formato:
Item-specific license agreed upon to submission
Descripción: