Aplicación de redes neuronales artificiales y técnicas SIG para la predicción de coberturas forestales

Abstract

En México como en todo el mundo se tiene la necesidad de realizar un inventario de sus recursos forestales, a fin de llevar a cabo en forma oportuna y adecuada la planeación de los programas de manejo. Un método para la obtención de este tipo de información es a través de modelos de predicción. De aquí que el presente estudio tenga como objetivo evaluar la habilidad de las redes neuronales artificiales (RNA) en la predicción de tipos de coberturas forestales. Las RNA desarrolladas en este trabajo se basan en información geográfica (altitud, exposición, pendiente, distancia a los escurrimientos, geología y edafología) e imágenes de satélite transformadas con análisis de componentes principales (ACPI ACP2 y ACP3), para obtener la variable dependiente (vegetación). Esta información fue procesada con una RNA de retropropagación (Backpropagation) con dos capas ocultas, con sus respectivas funciones de activación (tangencial hiperbólica y gausiana). Obteniendo una r2=0.8617 para la fase de entrenamiento y una r2=0.8514 en la fase de prueba, alcanzando un 83% de sitios predichos correctamente, sobrepasando lo alcanzado por Buendía (1996), de un 75% con métodos tradicionales.