Análisis predictivo del impacto del fenómeno El Niño-Oscilación Sur (ENOS) en el nivel del mar en el Pacífico Colombiano, empleando Modelos de Series de Tiempo y Algoritmos de Machine Learning

Simple item page
dc.contributor.advisorRamírez Buelvas, Sandra Milena
dc.contributor.authorVásquez López, Laura Marcela
dc.contributor.authorBermúdez Rivas, Christian
dc.date.accessioned2025-10-22T16:07:27Z
dc.date.available2025-10-22T16:07:27Z
dc.date.issued2025
dc.description.abstractEste estudio evaluó el impacto del fenómeno El Niño-Oscilación del Sur (ENOS) sobre la variabilidad del nivel del mar en el litoral Pacífico colombiano, con énfasis en las zonas urbanas de Ciudad Mutis, Buenaventura y Tumaco. Se implementó una metodología basada en el estándar CRISP-DM, integrando técnicas de ciencia de datos, modelado geoestadístico y algoritmos de aprendizaje profundo orientados a series de tiempo, con el objetivo de generar escenarios predictivos de sobreelevación del nivel del mar y analizar su impacto espacial sobre ecosistemas y asentamientos humanos vulnerables. Para alcanzar este objetivo, se integraron múltiples fuentes de datos, incluyendo series de tiempo oceanográficas y atmosféricas (nivel del mar, temperatura superficial del mar, presión media a nivel del mar, viento superficial y precipitación acumulada), productos satelitales y de reanálisis (CMEMS, ERA5, MSWEP ), así como datos altimétricos de alta resolución obtenidos mediante sensores como el Light Detention and Ranging - LiDAR. Las series temporales fueron sometidas a procesos de limpieza, transformación (análisis de anomalías, suavizado, estandarización) y análisis de correlación, tanto bivariado como multivariado. Posteriormente, se implementaron modelos de redes neuronales recurrentes tipo Long Short-Term Memory (LSTM ), entrenados con series multivariadas para predecir anomalías del nivel del mar asociadas a diferentes fases del ENOS. Los resultados mostraron que los modelos LSTM alcanzaron un desempeño sobresaliente, con coeficientes de determinación (R2) superiores a 0.920 y errores cuadráticos medios (RMSE ) inferiores a 0.011 m en todas las localidades. El modelo multivariado (Modelo 3), que utilizó directamente las series de tiempo de las anomalías estandarizadas de las variables ambientales, superó en precisión a los modelos basados en componentes canónicos. Se identificaron asociaciones significativas entre el nivel del mar y los índices ENOS, especialmente Niño 3.4, así como con variables locales como la presión y el viento zonal. Los eventos El Niño Canónico y Costero generaron las mayores sobreelevaciones (hasta 0.110 m), mientras que los eventos La Niña provocaron descensos moderados (hasta –0.060 m). En paralelo, se generaron Modelos Digitales de Elevación (MDE ) a partir de datos LiDAR, utilizando técnicas geoestadísticas (kriging) y métodos determinísticos (interpolación lineal, cúbica y por vecinos más cercanos). La interpolación lineal demostró ser la técnica más precisa y estable, con valores de R2 superiores a 0.999 en las tres localidades. Estos MDE fueron fundamentales para la construcción de escenarios de inundación, definidos como la suma de la marea máxima observada (percentil 90), el run-up por oleaje (estimado mediante la fórmula de Stockdon) y la sobreelevación inducida por eventos El Niño. Los mapas de inundación generados evidenciaron impactos sobre ecosistemas de manglar y áreas urbanas de alta vulnerabilidad, particularmente en Tumaco y Buenaventura. En Ciudad Mutis, se observó una afectación considerable sobre zonas ribereñas y humedales costeros. Estos hallazgos resaltaron la utilidad de los modelos LSTM y del análisis geoespacial de alta resolución como herramientas técnicas para la predicción de riesgos costeros, la planificación territorial y la formulación de estrategias de adaptación frente a la variabilidad climática en regiones altamente expuestas.spa
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ciencia de Datos
dc.format.extent173 p.
dc.format.mimetypeapplication/pdf
dc.identifier.urihttp://hdl.handle.net/11522/4953
dc.language.isospa
dc.publisherPontificia Universidad Javeriana Cali
dc.publisher.departmentFacultad de Ingeniería y Ciencias
dc.publisher.programMaestría en Ciencia de Datos
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonshttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subjectEl Niño-Oscilación Surspa
dc.subjectRed Neuronal LSTMspa
dc.subjectLiDARspa
dc.subjectNivel del marspa
dc.subjectImpacto por inundacionesspa
dc.subjectEl Niño-Southern Oscilationeng
dc.subjectLong Shot Term Memoryeng
dc.subjectLiDAReng
dc.subjectSea leveleng
dc.subjectFlooding impactseng
dc.titleAnálisis predictivo del impacto del fenómeno El Niño-Oscilación Sur (ENOS) en el nivel del mar en el Pacífico Colombiano, empleando Modelos de Series de Tiempo y Algoritmos de Machine Learningspa
dc.typemaster thesis
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.localTesis/Trabajo de grado - Monografía - Maestría
dc.type.redcolhttps://purl.org/redcol/resource_type/TM
Files
Original bundle
Now showing 1 - 2 of 2
Thumbnail Image
Name:
Proyecto de Grado Final - Christian Bermúdez Rivas,Laura Marcela Vásquez López.pdf
Size:
88.09 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Licencia de Uso - Christian Bermúdez Rivas,Laura Marcela Vásquez López,.pdf
Size:
371.79 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Maestría en Ciencia de Datos