Aplicaciones de Machine Learning a la cartografía de manantiales. Clasificación y caracterización de manantiales representativos de la hidrogeología kárstica en el GMU Las Loras

RESUMEN. El Geoparque Mundial de la UNESCO (GMU) Las Loras es muy diverso geológicamente en relación con la interacción del paisaje con las aguas subterráneas, contando con un destacado número de manantiales, mayoritariamente de tipo kárstico, entre los que sobresalen aquellos asociados a cascadas y...

Descripción completa

Detalles Bibliográficos
Autor: Musakka, Elvira Ester
Tipo de recurso: tesis de maestría
Fecha de publicación:2024
País:España
Institución:Universidad Complutense de Madrid (UCM)
Repositorio:Docta Complutense
Idioma:español
OAI Identifier:oai:docta.ucm.es:20.500.14352/109293
Acceso en línea:https://hdl.handle.net/20.500.14352/109293
Access Level:acceso abierto
Palabra clave:55:504(460.18)
556.3(460.18)
Manantiales
Las Loras
Cartografía predictiva
Agua subterránea
Hidrología
2506.04 Geología Ambiental
2506.05 Hidrogeología
id ES_85652f91eca95fd989a97ceb8a95e2c8
oai_identifier_str oai:docta.ucm.es:20.500.14352/109293
network_acronym_str ES
network_name_str España
repository_id_str
spelling Aplicaciones de Machine Learning a la cartografía de manantiales. Clasificación y caracterización de manantiales representativos de la hidrogeología kárstica en el GMU Las LorasApplications of Machine Learning in spring cartography. Classification and characterization of representative springs of karst hydrogeology in the Las Loras UGGPMusakka, Elvira Ester55:504(460.18)556.3(460.18)ManantialesLas LorasCartografía predictivaAgua subterráneaHidrología2506.04 Geología Ambiental2506.05 HidrogeologíaRESUMEN. El Geoparque Mundial de la UNESCO (GMU) Las Loras es muy diverso geológicamente en relación con la interacción del paisaje con las aguas subterráneas, contando con un destacado número de manantiales, mayoritariamente de tipo kárstico, entre los que sobresalen aquellos asociados a cascadas y a generación de formaciones tobáceas. En este Trabajo Fin de Máster se dirige en primer lugar, a desarrollar una clasificación genética de tipo de manantial, a partir de la que se aplica una caracterización de formaciones tobáceas asociadas a tres manantiales petrificantes con formación de tuf, considerados como destacados hábitats de interés comunitario. Los tres manantiales seleccionados para la caracterización de los edificios tobáceos tienen una notable importancia, no solo desde el punto de vista hidrogeológico, sino también ambiental y culturalmente. El GMU Las Loras es un territorio poco conocido lo que destaca la importancia de este estudio. La caracterización y clasificación de los manantiales determinan la importancia de los procesos geológicos en su funcionamiento y tipología. Un tipo de manantial puede compartir características comunes de otros tipos, lo que resalta la caracterización más detallada para reconocer las variaciones entre ellos. Los tres manantiales estudiados en este trabajo se han clasificado de acuerdo con Stevens et al. (2020) como upland hillslope, aunque comparten características comunes de otros tipos de manantiales. Considerando la importancia de los manantiales en el conjunto del GMU Las Loras, se han aplicado las técnicas de Machine Learning (ML) en la identificación de manantiales desaparecidos en el GMU Las Loras. Para ello, se han elegido 14 variables explicativas que permiten predecir el valor de una variable objetivo, con el fin de crear mapas predictivos. Estos mapas se han obtenido usado los algoritmos ABC, RFC y QDA, ya que se consideran como los más representativos para este trabajo. Aunque los resultados de ML no han sido concluyentes en el estudio de manantiales desaparecidos en la zona de estudio, se ha podido confirmar que pueden ser útiles en este tipo de trabajos.Martínez Santos, PedroHera Portillo, África de laUniversidad Complutense de Madrid20242024-07-0120242024-07-01master thesishttp://purl.org/coar/resource_type/c_bdccAMhttp://purl.org/coar/version/c_ab4af688f83e57aainfo:eu-repo/semantics/masterThesisapplication/pdfhttps://hdl.handle.net/20.500.14352/109293reponame:Docta Complutenseinstname:Universidad Complutense de Madrid (UCM)Españolspaopen accesshttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessoai:docta.ucm.es:20.500.14352/1092932026-06-02T12:44:21Z
dc.title.none.fl_str_mv Aplicaciones de Machine Learning a la cartografía de manantiales. Clasificación y caracterización de manantiales representativos de la hidrogeología kárstica en el GMU Las Loras
Applications of Machine Learning in spring cartography. Classification and characterization of representative springs of karst hydrogeology in the Las Loras UGGP
title Aplicaciones de Machine Learning a la cartografía de manantiales. Clasificación y caracterización de manantiales representativos de la hidrogeología kárstica en el GMU Las Loras
spellingShingle Aplicaciones de Machine Learning a la cartografía de manantiales. Clasificación y caracterización de manantiales representativos de la hidrogeología kárstica en el GMU Las Loras
Musakka, Elvira Ester
55:504(460.18)
556.3(460.18)
Manantiales
Las Loras
Cartografía predictiva
Agua subterránea
Hidrología
2506.04 Geología Ambiental
2506.05 Hidrogeología
title_short Aplicaciones de Machine Learning a la cartografía de manantiales. Clasificación y caracterización de manantiales representativos de la hidrogeología kárstica en el GMU Las Loras
title_full Aplicaciones de Machine Learning a la cartografía de manantiales. Clasificación y caracterización de manantiales representativos de la hidrogeología kárstica en el GMU Las Loras
title_fullStr Aplicaciones de Machine Learning a la cartografía de manantiales. Clasificación y caracterización de manantiales representativos de la hidrogeología kárstica en el GMU Las Loras
title_full_unstemmed Aplicaciones de Machine Learning a la cartografía de manantiales. Clasificación y caracterización de manantiales representativos de la hidrogeología kárstica en el GMU Las Loras
title_sort Aplicaciones de Machine Learning a la cartografía de manantiales. Clasificación y caracterización de manantiales representativos de la hidrogeología kárstica en el GMU Las Loras
dc.creator.none.fl_str_mv Musakka, Elvira Ester
author Musakka, Elvira Ester
author_facet Musakka, Elvira Ester
author_role author
dc.contributor.none.fl_str_mv Martínez Santos, Pedro
Hera Portillo, África de la
Universidad Complutense de Madrid
dc.subject.none.fl_str_mv 55:504(460.18)
556.3(460.18)
Manantiales
Las Loras
Cartografía predictiva
Agua subterránea
Hidrología
2506.04 Geología Ambiental
2506.05 Hidrogeología
topic 55:504(460.18)
556.3(460.18)
Manantiales
Las Loras
Cartografía predictiva
Agua subterránea
Hidrología
2506.04 Geología Ambiental
2506.05 Hidrogeología
description RESUMEN. El Geoparque Mundial de la UNESCO (GMU) Las Loras es muy diverso geológicamente en relación con la interacción del paisaje con las aguas subterráneas, contando con un destacado número de manantiales, mayoritariamente de tipo kárstico, entre los que sobresalen aquellos asociados a cascadas y a generación de formaciones tobáceas. En este Trabajo Fin de Máster se dirige en primer lugar, a desarrollar una clasificación genética de tipo de manantial, a partir de la que se aplica una caracterización de formaciones tobáceas asociadas a tres manantiales petrificantes con formación de tuf, considerados como destacados hábitats de interés comunitario. Los tres manantiales seleccionados para la caracterización de los edificios tobáceos tienen una notable importancia, no solo desde el punto de vista hidrogeológico, sino también ambiental y culturalmente. El GMU Las Loras es un territorio poco conocido lo que destaca la importancia de este estudio. La caracterización y clasificación de los manantiales determinan la importancia de los procesos geológicos en su funcionamiento y tipología. Un tipo de manantial puede compartir características comunes de otros tipos, lo que resalta la caracterización más detallada para reconocer las variaciones entre ellos. Los tres manantiales estudiados en este trabajo se han clasificado de acuerdo con Stevens et al. (2020) como upland hillslope, aunque comparten características comunes de otros tipos de manantiales. Considerando la importancia de los manantiales en el conjunto del GMU Las Loras, se han aplicado las técnicas de Machine Learning (ML) en la identificación de manantiales desaparecidos en el GMU Las Loras. Para ello, se han elegido 14 variables explicativas que permiten predecir el valor de una variable objetivo, con el fin de crear mapas predictivos. Estos mapas se han obtenido usado los algoritmos ABC, RFC y QDA, ya que se consideran como los más representativos para este trabajo. Aunque los resultados de ML no han sido concluyentes en el estudio de manantiales desaparecidos en la zona de estudio, se ha podido confirmar que pueden ser útiles en este tipo de trabajos.
publishDate 2024
dc.date.none.fl_str_mv 2024
2024-07-01
2024
2024-07-01
dc.type.none.fl_str_mv master thesis
http://purl.org/coar/resource_type/c_bdcc
AM
http://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.openaire.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.14352/109293
url https://hdl.handle.net/20.500.14352/109293
dc.language.none.fl_str_mv Español
spa
language_invalid_str_mv Español
language spa
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Docta Complutense
instname:Universidad Complutense de Madrid (UCM)
instname_str Universidad Complutense de Madrid (UCM)
reponame_str Docta Complutense
collection Docta Complutense
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869412295674691584
score 15,81155

Similares en LA Referencia