Andrea S. Cornejo Paredes, Aremi I. Paja Medina, Karina Rosas Paredes, Manuel Zuñiga Carnero, Enrique Zuñiga Portilla, José A. Sulla Torres, Gwendolyn Peyre

Memorias de la Vigésima Tercera Conferencia Iberoamericana en Sistemas, Cibernética e Informática: CISCI 2024, pp. 315-321 (2024); https://doi.org/10.54808/CISCI2024.01.315

Andrea S. Cornejo Paredes
Ingeniería de Sistemas, Universidad Católica de Santa María, Arequipa, Perú

Aremi I. Paja Medina
Ingeniería de Sistemas, Universidad Católica de Santa María, Arequipa, Perú

Karina Rosas Paredes
Ingeniería de Sistemas, Universidad Católica de Santa María, Arequipa, Perú

Manuel Zuñiga Carnero
Ingeniería de Sistemas, Universidad Católica de Santa María, Arequipa, Perú

Enrique Zuñiga Portilla
Ingeniería de Sistemas, Universidad Católica de Santa María, Arequipa, Perú

José A. Sulla Torres
Ingeniería de Sistemas, Universidad Católica de Santa María, Arequipa, Perú

Gwendolyn Peyre
Universidad de los Andes, Bogotá, Colombia

Cite this paper as:
Cornejo Paredes, A. S., Paja Medina, A. I., Rosas Paredes, K., Zuñiga Carnero, M., Zuñiga Portilla, E., Sulla Torres, J. A., Peyre, G. (2024). Clasificación de Bofedales en Imágenes Satelitales Multiespectrales de la Región Arequipa mediante Algoritmos de Inteligencia Artificial. En N. Callaos, Jesús de la Fuente Arias, J. Horne, B. Sánchez, A. Tremante (Eds.), Memorias de la Vigésima Tercera Conferencia Iberoamericana en Sistemas, Cibernética e Informática: CISCI 2024, pp. 315-321. International Institute of Informatics and Cybernetics. https://doi.org/10.54808/CISCI2024.01.315

A nivel mundial, dada la importancia ecológica se presenta una necesidad de mapear la presencia de bofedales por su papel crítico en la conservación de ecosistemas frágiles. Sin embargo, la evaluación actual enfrenta desafíos significativos debido a métodos costosos y subjetivos, lo que complica la obtención de datos precisos. En diversas regiones, los bofedales, ecosistemas ricos en biodiversidad, se ven amenazados por factores como el cambio climático y la degradación ambiental. La falta de monitoreo y conocimiento tecnológico limita la capacidad de tomar decisiones informadas y estudiar a fondo estas áreas vitales. Esta investigación tiene como objetivo Clasificar bofedales en imágenes satelitales multiespectrales de la región Arequipa mediante la aplicación de algoritmos de aprendizaje supervisado a fin de contribuir al conocimiento científico con una mejor comprensión de la distribución de los bofedales. Los resultados obtenidos mostraron que el algoritmo CNN es el algoritmo más preciso, seguido de RF y KNN para la clasificación de bofedales de la región de Arequipa.