Explorando por Autor "Larrea Gallegos, Gustavo Martín"

Mostrando 1 - 3 de 3

Texto completo enlazado
Análisis de ciclo de vida de la construcción de una carretera en una zona de amortiguamiento en la provincia de Manu, Madre de Dios
(Pontificia Universidad Católica del Perú, 2016-12-07) Larrea Gallegos, Gustavo Martín; Vázquez Rowe, Ian
La propuesta de la construcción de una carretera afirmada de 45 kilómetros en una zona ambientalmente sensible ubicada entre el Parque Nacional del Manu y la Reserva Comunal Amarakaeri ha encendido un apasionado debate entre diferentes entidades gubernamentales y no gubernamentales. Esto ha puesto en duda los posibles beneficios que inicialmente el proyecto puede generar. Por ello, se ha realizado una evaluación ambiental utilizando la herramienta de Análisis de Ciclo de Vida, evaluando aspectos como el cambio climático, formación de material particulado, eutrofización, agotamiento de ozono, entre otros. Se utilizó una unidad funcional de 1 kilómetro de carretera en 1 año de uso y se evaluaron las etapas de construcción, uso y mantenimiento. Se utilizó información primaria en lo referido al consumo de material y se modelaron emisiones como el CO2 biogénico y el material particulado. Se utilizó la metodología de cálculo IPCC 2013 para cambio climático y ReCiPe 2008 para 17 categorías de impacto restantes. Este estudio es pionero en su tipo y los resultados obtenidos reflejan que el costo ambiental de este tipo de proyectos es dramáticamente mayor que el pronosticado. En lo que refiere al cambio climático, se reveló que 11 toneladas de CO2eq por kilómetro de carretera son generados producto de los efectos directos de la construcción de la carretera. La destrucción del bosque primario y secundario representa aproximadamente el 80% de estas emisiones, mientras que el 20% restante corresponde a la construcción, uso y mantenimiento de la carretera. Para las restantes categorías de impacto, la formación de partículas aparece no solo como una importante fuente de impacto ambiental debido a las emisiones del vehículo, sino también debido a la pulverización del material de la superficie. Por el contrario, el agotamiento de los recursos abióticos (por ejemplo, agua, metales o combustibles fósiles) mostró un menor impacto ambiental que lo esperado debido a que se utilizaron materias primas locales y el nivel tecnológico era básico. Finalmente, se recomienda realizar evaluaciones más exhaustivas y con visión de ciclo de vida en todos los proyectos viales ubicados en zonas de alta complejidad ambiental. Por ello, se considera que los resultados e inventarios obtenidos pueden ser de mucha utilidad para ser usados en situaciones similares al caso de estudio presentado en esta investigación.
Texto completo enlazado
Análisis de la expansión vial en la Amazonía peruana y su impacto en el cambio climático
(Pontificia Universidad Católica del Perú, 2019-03-19) Larrea Gallegos, Gustavo Martín; Vázquez Rowe, Ian
La selva amazónica alberga alrededor del 60 % del bosque tropical del mundo y es un elemento fundamental en términos de biodiversidad, clima y secuestro de carbono del planeta. En este contexto, el Gobierno Peruano ratiﬁcó el año 2015 sus intenciones por reducir sus emisiones de Gases de Efecto Invernadero en un 20 % con respecto a un escenario habitual mediante reducciones en el sector de cambio de uso de suelos. La construcción de carreteras es una de las principales actividades asociadas a este sector e importante generador de deforestación. En los últimos años el Perú se ha atravesado un considerable incremento de su infraestructura vial, y se espera que esta expansión siga en aumento. En este sentido, la presente investigación tiene como principal objetivo contribuir al entendimiento de los efectos que la expansión vial puede generar en el cambio de uso de suelos, y posteriormente en el cambio climático en toda la Amazonía peruana. Para ello, se construyeron diferentes modelos de aprendizaje automático (random forest, regresión logística y redes neuronales) para predecir la potencial deforestación en un periodo de 15 años. Se utilizó información georreferenciada y herramientas computacionales del estado del arte. Los resultados indican que, evaluando solo un proyecto vial en particular, se podrían generar 73.2 Mt de CO2eq. Este valor supera en demasía a las 60 Mt de CO2eq estimadas por el Gobierno Peruano como meta de reducción. Por lo que se concluye que las estimaciones realizadas por el estado subestiman los efectos de la construcción de carreteras. Finalmente, el marco metodológico presentado es novedoso y útil para construir e implementar modelos de predicción de deforestación para el cálculo de emisiones de GEI y puede ser implementado para analizar otros casos de estudio
Texto completo enlazado
Clasificación del territorio peruano de acuerdo con su potencial de agua subterránea utilizando algoritmos de aprendizaje automatizado
(Pontificia Universidad Católica del Perú, 2020-12-16) Portocarrero Rodríguez, César Augusto; Larrea Gallegos, Gustavo Martín
El agravamiento del estrés hídrico tanto en el sector urbano como en el rural motiva cada vez más a los tomadores de decisión a impulsar la explotación sostenible de este recurso. Para ello, se requiere conocer con certeza los emplazamientos con un mayor potencial de explotación. Para hacer frente a este problema sin recurrir a perforaciones directas, la presente investigación tiene como objetivo principal explorar el potencial hidrológico subterráneo del Perú correspondiente a acuíferos de baja profundidad mediante la aplicación de modelos de clasificación de bosques aleatorios y redes neuronales, dos algoritmos de aprendizaje automatizado. Esta rama de la inteligencia artificial permite generar modelos multidimensionales y con variables complejas sin efectuar presuposiciones estadísticas. Para explicar el potencial de agua subterránea, se recurren a variables topográficas, hidrológicas, geológicas, pedológicas y ambientales que influyen en diferente medida en la conductividad hidráulica subterránea y en la tasa de recarga de los acuíferos. Los resultados obtenidos indican que el mejor desempeño equiparable al estado del arte se obtiene para el modelo de bosques aleatorios (exactitud=0.77, puntaje F1=0.73, AUC=0.88) y que la construcción de modelos especializados en una región dada permite mejorar la capacidad de los modelos al reducir la varianza de los datos. Las variables más importantes en los modelos fueron: aspecto, densidad de drenaje, elevación, NDWI y precipitación. La principal limitación identificada en el desempeño de los modelos es la escasa cantidad y distribución irregular de los pozos de caudal conocido en el Perú, factor que parcializa el modelo hacia la costa, la región mejor documentada. El presente estudio sirve como marco referencial para la construcción de futuros modelos de aprendizaje automatizado una vez se amplíe el inventario público de pozos de agua subterránea o en caso privados introduzcan su propio inventario. El código empleado para el procesamiento de variables geoespaciales se encuentra en https://code.earthengine.google.com/fe63cd6184b009824ed3c843fdc5544d. El código utilizado para la construcción de modelos se encuentra registrado en Github en https://github.com/cesport/Tesis. Aplicaciones para visualizar los resultados de manera interactiva están disponibles para computadoras en https://cesarportocarrero.users.earthengine.app/view/gwp-peru y dispositivos móviles en https://cesarportocarrero.users.earthengine.app/view/gwp-peru-movil.