Memoria para optar al título profesional de Ingeniera en Recursos Naturales Renovables / Las formaciones de bosque y matorral en el norte de Chile, si bien son escazas, son importantísimas para la biodiversidad y los ciclos de la tierra. A pesar de esto, su evolución y cambios no han sido suficientemente estudiados, incluidos los factores que propician su deforestación. En este contexto, el principal objetivo de este estudio fue desarrollar una metodología para construir el escenario de deforestación de formaciones leñosas entre los años 2003-2013, y entre los años 2014-2113, para el norte de Chile. Se utilizaron imágenes satelitales Landsat 5 y Landsat 8, de los años 2003, 2008 y 2013, de las regiones de Arica y Parinacota, Tarapacá, Antofagasta y Atacama. Las imágenes fueron procesadas y agrupadas en un mosaico para cada año, zonificándose en función de NDVI y clasificándose en diferentes coberturas. Se determinó la magnitud y distribución de los cambios en las coberturas de bosque y matorral. Posteriormente, se identificaron los motores de deforestación proyectándose al periodo 2014-2113, junto con la proyección de la deforestación. La deforestación bruta de bosque y matorral fue de 75.903 ha y 577.338 ha, respectivamente. La reforestación de bosque y matorral fue de 110.181 ha y 716.898 ha, respectivamente. Se cuantificó un aumento neto de 34.279 ha para bosques y 139.560 ha para matorrales. En concreto, entre los años 2003 y 2013 hubo un aumento de 1,49% en la superficie de bosque y un aumento de 3,23% de matorral entre las regiones de Arica y Parinacota y Atacama. La tala, extracción de madera y la agricultura son los principales motores de deforestación en el norte de Chile. La agricultura con una leve tendencia al alza no debería representar un motor importante de deforestación en el futuro. La superficie de bosque se acabaría en el año 2038 y la superficie de matorral se acabaría el año 2030. El método de predicción según el promedio anual histórico es el más acertado para proyectar la deforestación. En conclusión, no existe una pérdida neta de formaciones leñosas en el norte de Chile, ya que la reforestación es mayor a la deforestación. Sin embargo, antes del 2040 se podrían agotar las formaciones leñosas si no se establecen medidas para su protección.

Memoria para optar al Título Profesional de Ingeniero Forestal / El aumento de la disponibilidad de sistemas de captura masiva de información geográfica, requiere la evaluación y validación de sus capacidades para su procesado automático. Su utilización se da en diferentes campos: civil, militar, forestal, obras civiles, hidrología, medio ambiente, agricultura. La siguiente memoria tiene por objeto evaluar la exactitud de modelos digitales de elevación (DEMs), obtenidos mediante imágenes estereoscópicas satelitales, proveniente de la constelación PLEIADES de la zona de Monte Oscuro, VII Región del Maule, contrastándolo con modelos digitales de elevación validados: LiDAR, SRTM y ASTER.

Memoria para optar al título de Ingeniero Civil Matemático / El propósito de esta memoria es aportar elementos para el cálculo de dos indicadores que son parte de los Objetivos de Desarrollo Sustentable (ODS), lanzados por la ONU en 2015. Ambos se inscriben dentro del objetivo 11, "Lograr que las ciudades y los asentamientos humanos sean inclusivos, seguros, resilientes y sostenibles". El primer caso se enfoca en el indicador ODS 11.3.1, "cociente entre la tasa de consumo de tierras y la tasa de crecimiento de la población". Se utilizan imágenes satelitales de acceso público (Landsat 8) y de resolución media (30 $m$ por píxel), y etiquetas provenientes del Atlas de Expansión Urbana, proyecto de New York University. Se busca identificar a nivel de píxel la superficie construida presente en las imágenes. Esto se realiza mediante diferentes algoritmos de clasificación: regresión logística, máquinas de soporte vectorial, gradient tree boosting y redes neuronales. Se muestra que la solución con máquinas de soporte vectorial posee una ventaja significativa en su rendimiento. El segundo caso se centra en el indicador ODS 11.7.1 "cuota promedio del área edificada de las ciudades que es espacio abierto para uso público para todos ". Se utilizan imágenes de alta resolución (0.5 m por píxel) y sus metadatos asociados, provenientes de un desafío en línea, donde se busca clasificar entre 62 clases de edificaciones y usos de tierra como por ejemplo, aeropuertos, escuelas, cultivos, minas, etc. Se emplea un modelo a nivel del estado del arte en clasificación de imágenes, Inception-V3, preentrenado en ImageNet 2012, que es capaz de combinar la información de la imagen con los metadatos correspondientes. El modelo obtenido se posiciona dentro del tercio superior de la competencia. Los resultados obtenidos en ambos experimentos permiten suponer que este trabajo presenta propuestas metodológicas factibles, que en el primer caso facilitan cálculo del indicador, y en el segundo, vislumbran la conveniencia de una solución basada en imágenes satelitales. En el Capítulo 1 se introduce el trabajo de memoria y se definen los objetivos del proyecto. En el Capítulo 2 se ahonda en la estructura de las imágenes satelitales, se define el problema de clasificación, se describen los algoritmos de clasificación que son empleados y se analiza brevemente el estado del arte para ambas problemáticas. En los capítulos 3 y 4, se profundiza en los experimentos de clasificación de superficie construida y de edificaciones respectivamente. Finalmente, en el Capítulo 5 se desarrollan algunas recomendaciones y se sintetizan las contribuciones de este trabajo. Se deja de manifiesto que una parte de este trabajo fue presentado en el concurso de posters de la Escuela de Verano Interamericana de Inteligencia Computacional (EVIC) 2017, realizada en Valparaíso, Chile y otra, en la Machine Learning Summer School (MLSS) 2018 realizada en Buenos Aires, Argentina. / CMM - Conicyt PIA AFB170001

No description available.

Memoria para optar al título de Geólogo / 19/10/2021