Análisis y Proyección de Deforestación en el Bosque Jamanxim Usando Segmentación Satelital y Modelo Logístico con Euler Mejorado

Autores/as

DOI:

https://doi.org/10.70171/k2v46g71

Palabras clave:

deforestación, modelo logístico, procesamiento de imágenes, segmentación satelital

Resumen

Justificación: la deforestación en la Amazonía brasileña es un problema critico que requiere métodos cuantitativos y predictivos para su monitoreo y control. El Bosque Nacional Jamanxim, como área de interés, necesita evaluaciones precisas con tecnología satelital y modelos matemáticos. Objetivo: analizar y proyectar la deforestación en Jamanxim mediante imágenes satelitales y un modelo logístico con Euler mejorado. Metodología: se procesaron imágenes (2000-2019) usando segmentación HSV (umbralización y morfología matemática) para identificar zonas deforestadas. El área afectada se cuantificó en km², se implementó un modelo logístico resuelto con el método Euler mejorado para proyectar 10 años de deforestación, usando Python/Google Colab; las imágenes satelitales empleadas fueron tomadas del observatorio de la Tierra de la NASA (NASA Earth Observatory, s.f.), lo que garantiza una fuente confiable y de acceso abierto. Esta combinación metodológica, aunque aún con márgenes de error, ofrece una base útil para la toma de decisiones orientadas a la conservación forestal. Resultados: se confirmó una expansión sostenida, con el aumento de áreas taladas progresivamente. El modelo logístico proyectó crecimiento continuo, aunque con un límite teórico. Conclusión: la combinación de visión artificial y modelado matemático ofrece una herramienta viable para el monitoreo ambiental. Los resultados destacan la urgencia de intervenciones de conservación y la utilidad de esta metodología para la toma de decisiones.

Descargas

Los datos de descarga aún no están disponibles.

Referencias

Bobbadi, C., Nalluri, E., Chukka, J., Wajahatullah, M., & Sailaja, K. L. (2022). HsvGvas: HSV color model to recognize greenness of forest land for the estimation of change in the vegetation areas. En Algorithms for Intelligent Systems (pp. 265–280). Springer. https://doi.org/10.1007/978-981-16-8225-4_21

Boyce, W. E., & DiPrima, R. C. (2017). Elementary differential equations and boundary value problems (11.ª ed.). Wiley.

Burden, R. L., & Faires, J. D. (2011). Numerical analysis (9.ª ed.). Brooks/Cole.

Ferrante, L., & Fearnside, P. M. (2019). Brazil’s new president and “ruralists” threaten Amazonia’s environment, traditional peoples and the global climate. Environmental Conservation, 46(4), 261–263. https://doi.org/10.1017/S0376892919000213

García-Cornejo, T. I., & Salgado-Loor, K. A. (2025). Sostenibilidad de la Cadena de Valor del Cacao Ecuatoriano de Exportación: Percepciones de los Actores Interesados. Erevna Research Reports, 3(2), e2025007. https://doi.org/10.70171/4fmwh293

GIS and Beers. (2024). Pansharpening: mejorando la resolución de imágenes satélite. http://www.gisandbeers.com/pansharpening-mejorando-la-resolucion-de-imagenes-satelite/

González, R. C., & Woods, R. E. (2018). Digital image processing (4.ª ed.). Pearson.

MDPI. (2024). DSNUNet: An improved forest change detection network by fusion of optical and SAR data. https://www.mdpi.com/2072-4292/14/19/5046

MapBiomas. (2023). Relatório anual sobre a cobertura e uso da terra no Brasil – Amazonia Legal. Projeto MapBiomas – Coleção 8. https://mapbiomas.org

Murugesan, K., Balasubramani, P., Murugan, P. R., & Sankaranarayanan, S. (2021). Color-based SAR image segmentation using HSV+FKM clustering for estimating the deforestation rate of LBA‑ECO LC‑14 modeled deforestation scenarios, Amazon basin: 2002–2050. Arabian Journal of Geosciences, 14, 777. https://doi.org/10.1007/s12517-021-07069-4

NASA Earth Observatory. (s.f.). Making sense of Amazon deforestation patterns. https://acortar.link/Ev60L2

Planet Labs. (2024). Planet releases AI-powered forest carbon monitoring product. https://acortar.link/HJaQuv

Procesamiento de imágenes satelitales. (2024). Procesamiento de imágenes satelitales para la determinación de la cobertura vegetal. https://revistas.unilibre.edu.co/index.php/innovando/article/view/11984

Puerta, R.H., Iannacone, J.A., Reátegui, M.E. (2023). Una revisión del uso de imágenes Sentinel-2 para el monitoreo de la cobertura boscosa a nivel global. Ingeniería y Competitividad 25(3); e-30612708. https://doi.org/10.25100/iyc.v25i3.12708

Silva Junior, C. H. L., Pessôa, A. C. M., Carvalho, N. S., Reis, J. B. C., Anderson, L. O., & Aragão, L. E. O. C. (2021). The Brazilian Amazon deforestation rate in 2020 is the greatest of the decade. Nature Ecology & Evolution, 5, 144–145. https://acortar.link/nD81Xb

Tapia Catacora, P. C. (2024). Segmentación de imágenes satelitales aplicadas a la Amazonía peruana con redes U-Net. Universidad Nacional del Altiplano. https://repositorio.unap.edu.pe/handle/20.500.14082/20378

UAO. (2024). Desarrollo de modelos de aprendizaje profundo para la detección de deforestación con Sentinel-2. https://acortar.link/m5IVF1

Ultralytics. (2025). Detección de la deforestación mediante IA. https://www.ultralytics.com/es/blog/harnessing-ai-to-combat-deforestation

Umbaugh, S. E. (2010). Digital image processing and analysis: Human and computer vision applications with CVIPtools (2.ª ed.). CRC Press.

UNFCCC REDD+. (2024). Protocolo de procesamiento digital de imágenes para cuantificación de deforestación. https://redd.unfccc.int/files/anexo_a_protocolo_procesamiento_digital.pdf

World Resources Institute. (2025). Global Forest Watch: Forest monitoring, land use & deforestation. https://www.globalforestwatch.org

Descargas

Publicado

2025-09-30

Número

Sección

Artículos originales

Cómo citar

Jiménez-Gómez, W. A., & Moreno-Rojas , A. (2025). Análisis y Proyección de Deforestación en el Bosque Jamanxim Usando Segmentación Satelital y Modelo Logístico con Euler Mejorado. Erevna Research Reports, 3(2), e2025023. https://doi.org/10.70171/k2v46g71