DISEÑO DE UN MODELO DE MACHINE LEARNING PARA LA LECTURA DEL CLIMA EN EL HUMEDAL EL SALITRE DE BOGOTÁ
Palabras clave:
Clima, Humedal, Machine Learning, Nivel de AguaResumen
A partir del proyecto de virtualización del Humedal el Salitre de Bogotá trabajado desde la vertical de Realidad Virtual del semillero de investigación Sensorama, el cual culminó su primera fase en el 2024 con la publicación en la Revista Ingenio Libre del artículo “HUMEDAL EL SALITRE MODELADO EN UNITY: PROPUESTA INTERACTIVA PARA LA EDUCACIÓN AMBIENTAL” se da continuidad al proyecto dando inicio a su segunda fase cuyo objetivo principal es diseñar un modelo de Machine Learning que haga la lectura del clima a partir de datos obtenidos en la zona para predecir el nivel del agua para que posteriormente se implemente en la herramienta de realidad virtual entregada en la primera fase.
Descargas
Referencias
[1]
N. A. Diaz y N. Martin, «Humedal El Salitre
Modelado en Unity: Propuesta Interactiva
para la Educación Ambiental», Ingenio Li
bre, vol. 14, pp. 83-94, jul. 2024, Accedido: 12
de mayo de 2025. [En línea]. Disponible en:
https://revistas.unilibre.edu.co/index.php/
inge_libre/article/view/11905
[2] M. Roa y M. Ascencio, «Determinación De
Los Principales Efectos Ambientales En Hu
medales Debido A La Variación Climática En
La Ciudad De Bogotá D.C. Como Un Análisis
Del Cambio Climático», 2012. Accedido: 12
de mayo de 2025. [En línea]. Disponible en:
https://repository.udistrital.edu.co/items/5
c964e36-c0b0-4a63-87ef-5d0b1786210a
[3] J. Quintana, «Aprendizaje automático como
herramienta para el manejo integrado
de recursos naturales en un contexto de
cambio climático», jun. 2022, Accedido: 12
de mayo de 2025. [En línea]. Disponible en:
https://rctd.uic.cu/rctd/article/view/170
[4] R. Julio, B. Beatriz, y M. Aldo, «Predicción de
las precipitaciones para la temporada lluvio
sa en Cuba», jun. 2024. [En línea]. Disponible
en: https://cuid.com/2377/v30n2e02
[5] Unity Technologies, «Unity Machine Lear
ning Agents Toolkit (MLAgents)», 2023. [En
línea]. Disponible en: https://docs.unity3d.
com/Packages/com.unity.mlagents%403.0/
manual/index.html
[6] E. Ries, «El método Lean Startup», 2012.
[7] Alcaldía Mayor de Bogotá D.C., «Sistema de
Alerta Bogotá SAB - Información Hidrome
teorológica», https://www.sire.gov.co/web/
sab/inform acion-hidrometeorologica. Ac
cedido: 11 de mayo de 2025. [En línea]. Dispo
nible en: https://www.sire.gov.co/web/sab/
inform acion-hidrometeorologica
[8] W. J. Mitsch y J. G. Gossilink, «The value of
wetlands: importance of scale and landsca
pe setting», Ecological Economics, vol. 35,
n.o 1, pp. 25-33, oct. 2000, doi: 10.1016/S0921
8009(00)00165-8.
[9] M. Reichstein et al., «Deep learning and pro
cess understanding for data-driven Earth
system science», Nature, vol. 566, p. 195, feb.
2019, doi: 10.1038/s41586-019-0912-1.
[10] A. Hamdan, K. Ibekwe, E. Etukudoh, A.
Umoh, y V. Ilojianya, «AI and machine lear
ning in climate change research: A review of
predictive models and environmental im
pact», World Journal of Advanced Research
and Reviews, vol. 21, n.o 1, pp. 1999-2008, ene.
2024, doi: 10.30574/wjarr.2024.21.1.0257.
[11] L. Chen et al., «Artificial intelligence-based
solutions for climate change: a review», 1 de
octubre de 2023, Springer Science and Busi
ness Media Deutschland GmbH. doi: 10.1007/
s10311023-01617-y.
[12] W. S. Vargas-Crispin, E. MontesRaymun
do, M. Castrejón-Valdez, y R. A. Hinojosa
Benavides, «Machine Learning como He
rramienta para Determinar la Variación de
los Recursos Hídricos», Scientific Research
Journal CIDI, vol. 1, n.o 1, pp. 56-69, jul. 2021,
doi: 10.53942/srjcidi.v1i1.46.
[13] Znanye, «Use of Machine Learning in Virtual
Reality: Improving Interaction and Locomo
tion», 2023, [En línea]. Disponible en: https://
www.linkedin.com/pulse/usemachine-lear
ning-vr-possibly-improvinginteraction-lo
comotion
[14] P. Pun, «Enhancing Your AI Using Unity Ma
chine Learning Agents», 2023, [En línea].
Disponible en: https://medium.com/mighty
beargames/enhancing-your-ai-using-unity
machine-learning-agents-bdb7457903ad
[15] A. Yadav, «A Beginner’s Guide to Ma
chine Learning with Unity», 2023, [En lí
nea]. Disponible en: https://medium.com/
biasedalgorithms/a-beginners-guide
tomachine-learning-with-unity9cdb
c889d728
[16] W. J. Mitsch y J. G. Gosselink, «Wetlands and
Climate Change: Impacts and Mitigation
Strategies», Environmental Science, 2015.
[17] M. F. Shahzad, S. Xu, W. M. Lim, X. Yang, y
Q. R. Khan, «Artificial intelligence and social
media on academic performance and men
tal well-being: Student perceptions of po
sitive impact in the age of smart learning»,
Heliyon, vol. 10, n.o 8, abr. 2024, doi: 10.1016/j.
heliyon.2024.e29523.
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Juan Pablo Abril Serna, Natalia Andrea Díaz Roa
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
