Predicción de avistamientos de aves para la conservación de especies endémicas utilizando algoritmos de aprendizaje automático

Simple item page
dc.contributor.advisorBlandón Castaño, Juan Sebastián
dc.contributor.authorLópez Arango, Paula Andrea
dc.contributor.authorEscobar Martínez, María Victoria
dc.date.accessioned2025-11-07T14:35:05Z
dc.date.available2025-11-07T14:35:05Z
dc.date.issued2025
dc.description.abstractEl presente proyecto muestra los resultados sobre predicción de avistamientos de aves para la conservación de especie endémicas mediante la aplicación de algoritmos de Aprendizaje de Automático. La región de América Latina y el Caribe tiene dos características que hacen que el estudio de los efectos del cambio climático sobre la biodiversidad resulte particularmente relevante: i) es una de las regiones más vulnerables frente al cambio climático y ii) es una de las regiones con mayor concentración de biodiversidad del planeta. En Colombia hay aproximadamente el 20 % de las especies de aves del planeta, convirtiéndose en el país con la mayor diversidad en este ámbito, con un número de especies registradas para el 2020 de 1954, y de las cuales 82 eran endémicas. De esta forma, se desarrolló una metodología de predicción de avistamientos de aves con el fin de aportar insumos para la conservación de especies endémicas a partir de algoritmos de ML. Los resultados de la investigación consistieron en implementar algoritmos en Python/R que aporten a la gestión de datos de avistamientos de aves, además permitiendo tratar datos georreferenciados de variables exógenas, para establecer correlaciones entre estas y datos de avistamientos de aves. El módulo de algoritmos de Modelos de Distribución de Especies permitió la identificación de áreas críticas para la conservación y el desarrollo y/o fortalecimiento del aviturismo para ciertos niveles de amenaza y departamentos específicos. Además, estos resultados llevaron a la generación de conocimiento que sirve de insumo para el desarrollo de planes de conservación y/o planificación del aviturismo en las regiones identificadas.spa
dc.description.abstractThis project presents results on the prediction of bird sightings for the conservation of endemic species through the application of machine learning algorithms. The Latin America and Caribbean region has two characteristics that make the study of climate change effects on biodiversity particularly relevant: (i) it is one of the most vulnerable regions to climate change, and (ii) it has one of the highest concentrations of biodiversity on the planet. Colombia is home to approximately 20% of the world's bird species, making it the country with the greatest diversity in this area, with 1,954 species recorded in 2020, of which 82 were endemic. Based on this, a bird sighting prediction methodology was developed to provide inputs for the conservation of endemic species using ML algorithms. The research results involved implementing algorithms in Python/R to support the management of bird sighting data, also enabling the processing of georeferenced data from exogenous variables to establish correlations between these and bird sighting records. The Species Distribution Models module allowed the identification of critical areas for conservation and the development and/or strengthening of birdwatching tourism (aviturismo) in regions with specific threat levels and departments. Moreover, these results contributed to the generation of knowledge that serves as input for the development of conservation plans and/or birdwatching tourism planning in the identified regions.eng
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ciencia de Datos
dc.format.extent97 p.
dc.format.mimetypeapplication/pdf
dc.identifier.urihttp://hdl.handle.net/11522/5063
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.subjectCiencia de datosspa
dc.subjectPredicciones espaciotemporalesspa
dc.subjectAvesspa
dc.subjectEcoturismospa
dc.subjectBiodiversidadspa
dc.subjectData scienceeng
dc.subjectSpatiotemporal predictionseng
dc.subjectBirdseng
dc.subjectEcotourismeng
dc.subjectBiodiversityeng
dc.titlePredicción de avistamientos de aves para la conservación de especies endémicas utilizando algoritmos de aprendizaje automáticospa
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 - María Victoria Escobar Martínez,María Victoria Escobar Martínez; Paula Andrea López Arango ,.pdf
Size:
6.78 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Licencia de Uso - María Victoria Escobar Martínez,María Victoria Escobar Martínez; Paula Andrea López Arango ,.pdf
Size:
335.57 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