Machine learning para la identificación de zonas de contaminación en el Lago Titicaca mediante imágenes satelitales

Abstract

La creciente presión antrópica sobre el ecosistema del lago Titicaca ha intensificado la necesidad de herramientas precisas para monitorear la contaminación ambiental. En este estudio se evaluó el rendimiento de seis algoritmos supervisados de aprendizaje automático para la clasificación multiclase de zonas contaminadas y no contaminadas a partir de imágenes satelitales Sentinel-2, con una resolución espacial de 10 metros. El objetivo fue determinar el modelo más eficiente para identificar seis tipos de cobertura: aguas residuales, alta turbidez e incendios de totorales (contaminadas); y agua cristalina, totora y suelo expuesto (no contaminadas). La investigación se desarrolló bajo un enfoque cuantitativo, de tipo aplicado y predictivo, con un diseño no experimental. Se recolectaron 600 puntos georreferenciados (100 por clase temática) y se procesaron en la plataforma Google Earth Engine, implementando los algoritmos Support Vector Machines (SVM), Classification and Regression Trees (CART), Random Forest (RF), K-Nearest Neighbors (KNN), Gradient Boosted Trees (GBT) y Naive Bayes. Los resultados mostraron que el modelo SVM obtuvo el mejor rendimiento global, con una precisión del 82,70 % y un coeficiente de Kappa de 0.78. Le siguió KNN, con una precisión del 79,20 % y un Kappa de 0.75. GBT y RF alcanzaron precisiones de 74,16 % y 73,30 %, respectivamente, mientras que Naive Bayes y CART obtuvieron 70,80 % de precisión y un Kappa de 0.65. Se concluye que SVM es el modelo más robusto para la clasificación temática multiclase del lago Titicaca, demostrando su utilidad en el monitoreo ambiental mediante sensores remotos y algoritmos de aprendizaje automático.