Las redes neuronales artificiales como herramienta : variables, predicciones y proyecciones para el fenómeno isla de calor en Bogotá D.C.

Abstract

El Fenómeno Isla de Calor (UHI) es un actual y creciente problema, presente en varias ciudades al rededor del mundo. Esta definido como el aumento en la temperatura en el gradiente rural a urbano. Sus causas principales son debido al cambio de cobertura, morfología urbana, falta de vegetación y metabolismo urbano. El UHI ha sido explorado extensivamente a través de métodos tradicionales estadísticos, debido al impacto que tiene sobre la vida urbana y la salud humana. Por otra parte, por la amenaza que presenta al futuro de las ciudades en escenarios de cambio climático. Este estudio propone un enfoque diferente, a través de Redes Neuronales Artificiales (ANNs) e Inteligencia Artificial. Las ANNs han sido ampliamente reconocidas en otros campos por su habilidad de predecir, reconocer patrones y describir relaciones no lineales. En ecología, las ANNS han sido extensamente recomendadas por su habilidad para trabajar con valores atípicos, incertidumbre y sistemas abiertos; aún así, son no son frecuentemente utilizadas debido a su reputación negativa de ser 'cajas negras'. La principal ventaja de las ANNs son la habilidad de alterar su comportamiento con base a información externa, que entra a las capas durante la fase de entrenamiento. Este estudio considera diferentes variables constantemente relacionadas con UHI, evalúa su importancia relativa y los pesos sinápticos asignados por la ANN. Por otra parte evalúa la habilidad de las ANN para predecir clima y proyectar escenarios futuros. Finalmente, pone en consideración el uso de las ANNs en estudios similares. Además de las variables altamente relacionadas con UHI, como: precipitación, altura, áreas de vegetación; emisiones de CO2 fue la variable con la importancia relativa mas alta. Los resultados de las predicciones, a pesar de representar alta variación y variables, se ajustaron al promedio de la temperatura máxima. Las proyecciones tuvieron un coeficiente de determinación más alto que el de las predicciones, a pesar de tener menos datos. Los resultados de las ANN debieron ser transformados para su interpretación y no representan explícitamente la relación entre las variables. A pesar y a favor de esto, las ANNs son una herramienta prometedora para los fenómenos ecológicos y deben ser profundamente exploradas.