Return to search

Modelo espacial bayesiano de Cox log-gaussiano usando SPDE para estimar la ocurrencia de incendios forestales en el Perú

Los incendios forestales se han venido incrementando en las últimas cuatro décadas a
nivel mundial. En el Perú de acuerdo a los datos del INDECI, en los últimos 10 años se
evidencia una tendencia creciente. La ocurrencia de estos eventos representa la degradación
de la calidad del aire, de la flora y pone en grave riesgo a muchas personas y zonas agrícolas.
Para una adecuada evaluación de uno de los componentes del riesgo generado por estos
eventos, se requiere analizar la intensidad de su ocurrencia a través de herramientas flexibles.
En este contexto se estudia el patrón puntual de estos eventos, a través del modelo espacial
bayesiano de Cox log-gaussiano (LGCP) bajo el enfoque de ecuaciones diferenciales parciales
estocásticas (SPDE). Los distintos modelos que se evalúan corresponden a la clase de modelos
gaussianos latentes y jerárquicos, lo cual nos permite realizar su estimación bajo inferencia
bayesiana empleando la aproximación de Laplace anidada integrada (INLA), en tiempos que
posibilitan una respuesta rápida y eficiente ante el riesgo generado por estos eventos. / Forest fires have been increasing in the last four decades worldwide. In Peru according to
INDECI data, there has been an increasing trend in the last 10 years. The occurrence of these
events represents the degradation of air quality, flora and puts many people and agricultural
areas at serious risk. For an adequate evaluation of one of the risk components generated
by these events, it is necessary to analyze the intensity of their occurrence through flexible
tools. In this context, the point pattern of these events is studied, through the Bayesian
spatial model of the log Gaussian Cox process(LGCP) under the approach of stochastic
partial differential equations (SPDE). The different models that are evaluated correspond to
the class of latent and hierarchical Gaussian models, which allows us to estimate them under
Bayesian inference using the integrated nested Laplace approximation (INLA), in times that
allow a quick and efficient response to the risk generated by these events.

Identiferoai:union.ndltd.org:PUCP/oai:tesis.pucp.edu.pe:20.500.12404/26064
Date02 October 2023
CreatorsSalcedo Suarez, Omar Ivan
ContributorsQuiroz Cornejo, Zaida Jesus
PublisherPontificia Universidad Católica del Perú, PE
Source SetsPontificia Universidad Católica del Perú
LanguageSpanish
Detected LanguageSpanish
Typeinfo:eu-repo/semantics/masterThesis
Formatapplication/pdf, application/pdf
Rightsinfo:eu-repo/semantics/openAccess, http://creativecommons.org/licenses/by-nc-nd/2.5/pe/

Page generated in 0.0024 seconds