Análisis espaciotemporal de la deforestación en el campus mutile (2005-2023) usando Google Earth Engine Spatio-temporal analysis of deforestation on the mutile campus (2005-2023) using Google Earth Engine

• Martínez Martínez, Diego Camilo ^[1] ; Camacho Marín, Raúl Alfonso ^[1] ; Bautista Garnica, Borys Armando ^[1] ; Vega Macias, Israel Patricio ^[2]
  1. [1] R&MConsulting.
  2. [2] Meteorológicas- UTLVTE. FACAP.
• Localización: GICOS: Revista del Grupo de Investigaciones en Comunidad y Salud, ISSN-e 2610-797X, Vol. 9, Nº. 3, 2024 (Ejemplar dedicado a: septiembre-diciembre), págs. 326-343
• Idioma: español
• Títulos paralelos:
  • Spatio-temporal analysis of deforestation on the mutile campus (2005-2023) using Google Earth Engine
• Enlaces
  • Texto completo
• Resumen
  • español

    Este estudio analiza la deforestación en el campus Mutile de la Universidad Técnica Luis Vargas Torres entre 2005 y 2023, utilizando imágenes satelitales procesadas con Google Earth Engine (GEE). El objetivo principal es cuantificar el área total deforestada, identificar los años con mayor pérdida de cobertura forestal y analizar la tendencia de la deforestación a lo largo del tiempo. Mediante el análisis de imágenes de los satélites Landsat 5, 7 y 8, se estimó una pérdida total de 51.82 hectáreas, con picos significativos en los años 2017 y 2012, donde se registraron 18.9 ha y 11.97 ha de deforestación, respectivamente. El análisis estadístico reveló una media anual de deforestación de 5.03 ha, con una desviación estándar de 6.86 ha, lo que indica una alta variabilidad en los datos. Además, la regresión lineal mostró una pendiente de 0.11 ha/año, sugiriendo una tendencia moderadamente creciente de deforestación en el periodo estudiado. La visualización mediante un boxplot destacó la presencia de valores atípicos, reflejando eventos esporádicos de alta intensidad en la tala ilegal. Las recomendaciones incluyen el establecimiento de un sistema de monitoreo continuo con GEE, el fortalecimiento de la vigilancia y la implementación de políticas de conservación en áreas críticas del campus. Este estudio subraya la importancia de la teledetección para la gestión sostenible de los recursos forestales en zonas vulnerables.This study analyzes deforestation in the Mutile campus of the Universidad Técnica Luis Vargas Torres between 2005 and 2023, using satellite images processed with Google Earth Engine (GEE). The main objective is to quantify the total deforested area, identify the years with the greatest loss of forest cover, and analyze the trend of deforestation over time. By analyzing images from Landsat 5, 7 and 8 satellites, a total loss of 51.82 ha was estimated, with significant peaks in the years 2017 and 2012, where 18.9 ha and 11.97 ha of deforestation were recorded, respectively. Statistical analysis revealed an annual mean deforestation of 5.03 ha, with a standard deviation of 6.86 ha, indicating high variability in the data. In addition, the linear regression showed a slope of 0.11 ha/year, suggesting a moderately increasing trend of deforestation over the period studied. Visualization using a boxplot highlighted the presence of outliers, reflecting sporadic events of high intensity illegal logging. Recommendations include the establishment of a continuous monitoring system with ESG, the strengthening of surveillance, and the implementation of conservation policies in critical areas of the campus. This study highlights the importance of remote sensing for sustainable management of forest resources in vulnerable areas.Recibido: 01-09-2024Aceptado: 18-10-2024 Publicado: 01-11-2024

  • English

    This study analyzes deforestation in the Mutile campus of the Universidad Técnica Luis Vargas Torres between 2005 and 2023, using satellite images processed with Google Earth Engine (GEE). The main objective is to quantify the total deforested area, identify the years with the greatest loss of forest cover, and analyze the trend of deforestation over time. By analyzing images from Landsat 5, 7 and 8 satellites, a total loss of 51.82 ha was estimated, with significant peaks in the years 2017 and 2012, where 18.9 ha and 11.97 ha of deforestation were recorded, respectively. Statistical analysis revealed an annual mean deforestation of 5.03 ha, with a standard deviation of 6.86 ha, indicating high variability in the data. In addition, the linear regression showed a slope of 0.11 ha/year, suggesting a moderately increasing trend of deforestation over the period studied. Visualization using a boxplot highlighted the presence of outliers, reflecting sporadic events of high intensity illegal logging. Recommendations include the establishment of a continuous monitoring system with ESG, the strengthening of surveillance, and the implementation of conservation policies in critical areas of the campus. This study highlights the importance of remote sensing for sustainable management of forest resources in vulnerable areas.