Clasificación supervisada basada en machine learning para la detección de deforestación en ecosistemas andinos en el cantón Cuenca, Ecuador

La conservación de los ecosistemas andinos pertenecientes al cantón Cuenca, Ecuador, es de vital importancia para el equilibrio ecológico, no obstante, sufre amenazas críticas debido al creciente avance de la deforestación, principalmente por actividades antropogénicas. Las metodologías aplicadas al monitoreo terrestre son ineficaces en términos de costo y frecuencia temporal, lo que imposibilita una gestión ambiental proactiva. La presente investigación aporta una solución tecnológica destinada a reducir las limitaciones de la vigilancia tradicional. El objetivo principal fue desarrollar un sistema de clasificación automatizado para detectar la pérdida de cobertura forestal mediante el procesamiento masivo de datos en la nube. Siguiendo la metodología CRISP-DM, este estudio, implementado en Python con Google Earth Engine, procesó pilas temporales de Sentinel-2 enriquecidas con índices espectrales, temporales, de textura y topografía. Se aplico el algoritmo Random Forest para manejar la complejidad de la orografía de la zona andina. Los resultados respaldan la solidez del modelo, alcanzando una precisión global del 0.87 y una puntuación F1-score de 0.83 en lo que respecta a la detección de zonas de deforestación. El estudio confirma que el uso del aprendizaje automático es una herramienta útil para el fortalecimiento de la conservación local y el cumplimiento del ODS 15. Para próximas investigaciones se sugiere el uso de datos de radar para mitigar la nubosidad presente en la región andina y ampliar el análisis a otras ciudades del país.