000			03330 a2200325 4500
003			PE-TmUNAS
005			20250116111856.0
007			ta
008			240115s2023 pe bda|| |||| 001 0 spa d
040			_aBiblioteca Central de la Universidad Nacional Agraria de la Selva _bspa _cCatalogación de la Biblioteca Central de la Universidad Nacional Agraria de la Selva, transcrita por la Biblioteca Central de la Universidad Nacional Agraria de la Selva, sin modificaciones posteriores. _dBiblioteca Central de la Universidad Nacional Agraria de la Selva _erda
041	0		_aspa _hspa
082	0	4	_222 _a577.3
100			_aRai Fajardo Gamarra
245	1	0	_aAnálisis de la deforestación de los años 2016 y 2022 en el distrito Castillo Grande,Huánuco,Perú / _cPresentado por Rai Fajardo Gamarra ; [Ronald Hugo Puerta Tuesta,asesor]
264	3	1	_aTingo María - Perú : _bUniversidad Nacional Agraria de la Selva, Ingeniería en Recursos Naturales Renovables , _c2023.
300			_a71 hojas : _bIlustraciones (colores), diagrama (colores), figura (colores), mapas (colores) , _c30 cm.
336			_2rdacontent _atexto impreso
337			_2rdamedia _asin mediación
338			_2rdacarrier _avolumen
500			_aEn la bibliografía de su tesis incluyo artículos de internet.
500			_aRegistro de tesis conducente al título profesional
500			_aACTA DE SUSTENTACIÓN DE TESIS N°076- 2023- FRNR- UNAS
505	2		_aIntroducción -- Revisión de literatura -- Materiales y métodos -- Resultados y discusión -- Conclusiones -- Propuestas a futuro -- Referencias.
520	2		_aLa presente investigación se llevó a cabo en el distrito de Castillo Grande, provincia de Leoncio Prado, región de Huánuco, Perú. El objetivo principal fue evaluar la deforestación ocurrida de los años 2016 y 2022, utilizando imágenes Sentinel 2 y tres algoritmos de clasificación supervisada: Support Vector Machines (SVM), Decisión Tres (DT) y Random Forest (RF). Se llevó a cabo una comparación de la precisión temática de los mapas de deforestación generados con cada algoritmo, siendo Random Forest el que presentó los mejores resultados con valores de índice Kappa de 0,85 y 0,90 para los años 2016 y 2022, respectivamente. Esto indica que Random Forest fue el más eficiente en la clasificación de áreas deforestadas. Se estimó que la superficie deforestada en el año 2016 fue de 3 284,59 hectáreas, mientras que en el año 2022 esta cifra aumentó a 5 440,23 hectáreas. La tasa de deforestación anual se calculó en 368,63 hectáreas por año (ha/año). En conclusión, el estudio demostró que el algoritmo Random Forest es altamente efectivo para estimar la superficie deforestada en el distrito de Castillo Grande, superando más del 50% del área de estudio. Los resultados obtenidos resaltan la importancia de monitorear y abordar el problema de la deforestación en esta región, con el fin de implementar estrategias de conservación y manejo sostenible de los recursos forestales.
521	3		_aMaterial bibliográfico para estudiantes universitarios docente e investigadores _bPE-TmUNAS.
526	0		_aUniversidad Nacional Agraria de la Selva, facultad de CIencias Económicas y Administrativas
546			_aEn Español.
942			_2ddc _cTESIS
998			_baeoa _c/aeoa/vmvi/emml
999			_c185434 _d185434