Puescas Chully, Miguel AntonioEspinoza Ramírez, Leonardo Franco2026-04-102026-04-102026https://hdl.handle.net/20.500.12874/66609La presente investigación tuvo como objetivo evaluar los cambios en la cobertura forestal en el taller de enseñanza de investigación forestal y fauna silvestre utilizando vehículos aéreos no tripulados y sensores remotos. La metodología consiste en determinar la cobertura leñosa mediante RGB de las ortofotos generadas en el software Agisoft Metashape, con una tamaño de pixel de 4 cm, utilizamos la clasificación supervisada mediante el algoritmo de Randon Forest en la plataforma de Google Earth Engine , obteniendo las siguientes clases (I) vegetación fotosintéticamente activa, (II) vegetación no fotosintética y (III) suelo desnudo, posteriormente se obtuvo la fracción de la cobertura vegetal, mediante cuadrantes de 50 m x 50 m, superponiendo las capas de vegetación leñosa (vegetación fotosintéticamente activa + vegetación no fotosintética), relacionándolo con 09 índices de vegetación obtenidas de las imágenes satelitales Landsat 5, 7, 8 y 9, los modelos predichos se obtienen mediante las regresión lineal, cuadrática, cubica, exponencial y múltiple. Finalmente se selecciona la ecuación con mayor precisión para estimar la fracción de cobertura vegetal en los periodos de 1986, 1999, 2014 y 2024, relacionando con las precipitaciones pluviales obtenidas de la estación meteorológica de Puerto Pizarro. Los resultados muestran que el algoritmo de Randon Forest tiene una alta capacidad de clasificación de la cobertura terrestre en imágenes de vehículo aéreos no tripulados, obteniendo una exactitud de 0.88 y coeficiente de kappa de 0.82, cuando el valor de seedgrid es de 3, durante la segmentación. La estimación de la fracción de cobertura vegetal, señala que la regresión cubica presenta mejores resultados en los índices de NDVI y OSAVI, con valores de R2 de 0.64 y 0.645, con errores en la estimación de RMSE y MAE de 6.60%, 6.50% y 5.50 % y 5.40 %, sin embargo, la regresión múltiple presenta una mejor precisión , donde el modelo 1, presenta un coeficiente de determinación R2 de 0.6848 y errores RMSE y MAE de 6.17 % y 5.19 %. Finalmente, en el análisis histórico de los cambios de la cobertura vegetal se obtiene un incremento en la xix fracción de la cobertura vegetal en 125.674 ha, dichos resultados son influenciados por la variabilidad climática, originando estimaciones erróneas, en épocas de lluvias intensas por el fenómeno El Niño, generando un efecto acumulativo en años posteriores. La presente investigación genera una metodología científica que ayuda a determinar el grado de deforestación y degradación como la recuperación en un ecosistema bosque seco.application/pdfspahttps://purl.org/coar/access_right/c_abf2https://creativecommons.org/licenses/by/4.0/Fracción de la cobertura vegetalRandon ForestVehiculos Aereos No TripuladosGoogle Earth Enginehttp://purl.org/coar/resource_type/c_7a1fhttps://purl.org/pe-repo/ocde/ford#2.07.045.5 MB