Análisis de patrones de características de especies andinas de las reservas Chimborazo y Sangay utilizando el método k-means clustering
Article Sidebar
Main Article Content
Resumo
A lo largo de los años, los investigadores han reconocido la importancia del estudio de los páramos y su conservación, tanto por su impacto en la provisión de agua para las ciudades, así como su potencialidad turístico y biodiversidad. El objetivo de la presente investigación es realizar un análisis de patrones presente en las características de las diferentes especies de la región andina de las reservas Chimborazo y Parque Nacional Sangay. Para el análisis se recolectó 67 muestras de diferentes especies en ambas reservas, de las cuales se realizaron mediciones de hojas, planta y flores, posteriormente se aplicó algoritmos de aprendizaje no supervisado de machine learning denominado k-means clustering utilizando como lenguaje de programación a Python. Al finalizar el proceso de agrupamiento de las especies, arrojó como resultado la obtención de tres categorías de acuerdo a la relación existente entre las características de cada especie, siendo dos componentes los más importantes para la categorización, estas fueron el alto de la planta así como el alto de la hoja.
Downloads
Article Details
Referências
Bustamante, M., Albán, M., & Argüello, M. (2011). Los Paramos De Chimborazo Un Estudio Socioambiental Para La Toma De Decisiones. 151. www.flacsoandes.edu.ec
Cantillo H, E. E., Rodríguez R, K. J., & Avella M, E. A. (2004). Diversidad y Caracterización Florística Estructural de la Vegetación Arbórea en la Reserva Forestal Carpatos (Guasca Cundinamarca). Colombia Forestal, 8(17), 5. https://doi.org/10.14483/udistrital.jour.colomb.for.2004.1.a01
Carbonell, J. G., & Mitchell, T. M. (n.d.). AN OVERVIEW OF MACHINE LEARNING. In MACHINE LEARNING: An Artificial Intelligence Approach. Morgan Kaufmann. https://doi.org/10.1016/B978-0-08-051054-5.50005-4
Villa, A. (2006). Caracterizacion diametrica de las especies maderables en bosques primarios del Cerro Murrucucú. Gestión y Ambiente, 9(2), 73–90. https://doi.org/10.15446/ga.v9n2.52064
Garibay-Orijel, R., Morales-Marañon, E., Domínguez-Gutiérrez, M., & Flores-García, A. (2013). Caracterización morfológica y genética de las ectomicorrizas formadas entre Pinus montezumae y los hongos presentes en los bancos de esporas en la Faja Volcánica Transmexicana. Revista Mexicana de Biodiversidad, 84(1), 153–169. https://doi.org/10.7550/rmb.29839
Google Map. (2019). https://www.google.com/maps/
Muller, A. C., & Guido, S. (2017). Introduction to machine learning with scikit-learn. In Kaggle’s blog. https://github.com/justmarkham/scikit-learn-videos
Pascual, D., Pla, F., & Sánchez, S. (n.d.). Algoritmos de a grupamiento.
Scikit-learn. (n.d.). Retrieved January 30, 2020, from scikit-learn.org
The scikit-yb developers. (2019). Elbow Method. https://www.scikit-yb.org/en/latest/api/cluster/elbow.html
Vásconez, P., Medina, G., & Hofstede, R. (2001). Los Páramos del Ecuador. Botánica Económica de Los Andes Centrales, 2006, 91–109.
Verga, A., Navall, M., Joseau, J., Royo, O., & Degano, W. (2009). en las regiones fitogeográficas Chaqueña y Espinal norte de. Quebracho, 17, 31–40.