Aplicación de redes neuronales artificiales en la modelación de la deforestación asociada a nuevos proyectos de infraestructura vial en las regiones del Nordeste y Bajo Cauca del departamento de Antioquia

Abstract

Resumen: La deforestación tropical es un proceso continuo causado principalmente por la construcción de nuevas vías, las cuales sin una planificación ambiental adecuada contribuyen a la pérdida de biodiversidad. En la presente investigación se estimó un modelo de regresión logística y un modelo de redes neuronales artificiales (RNAs), para predecir la deforestación asociada a nuevas vías en las regiones del Bajo Cauca y Nordeste del departamento de Antioquia para el periodo 1980-2000. Se consideraron variables biofísicas como la pendiente, la aptitud agrícola y variables que representan accesibilidad a mercados como la distancia a ríos, distancia a vías, distancia de menor costo a las cabeceras municipales y distancia al borde del bosque. La regresión logística se realizó para identificar los principales determinantes de la deforestación y dado que las RNAs tienen la capacidad de capturar relaciones no lineales, el conjunto de variables que generó mejores predicciones a partir del modelo de regresión logística se utilizó para la construcción y entrenamiento de RNAs. El entrenamiento se realizó en línea (modo on line) con el algoritmo de retropropagación, en el software R. Para probar la capacidad de predicción de los modelos se evaluó el área bajo la curva ROC (AUC). El modelo de regresión logística presentó un AUC de 0.77 y las RNAs un AUC de 0.79 a 0.82. Con las redes que presentaron altos valores de AUC se realizó un ensamble, a partir del cual se estimó la superficie de deforestación para un escenario base y un escenario simulado incorporando nuevas vías como la variante Porce y la vía El Bagre-San Jacinto del Cauca. La regresión logística indica que los principales factores de la deforestación para el periodo 1980-2000 fueron la distancia a las vías y la distancia al borde del bosque. La superficie estimada por el ensamble de RNAs muestra que los bosques más susceptibles a la deforestación se encuentran cerca de los centros poblados y siguen la localización de las principales vías. Finalmente la comparación de escenarios indica que la construcción de las nuevas vías conduciría a una deforestación de aproximadamente 10,782 ha

Abstract: Tropical deforestation is a continuous process caused mainly by the construction of new roads, which without proper environmental planning contribute to biodiversity loss. In this research, logistic regression models and artificial neural networks (ANNs) were estimated to predict the deforestation associated with new roads in the regions of Bajo Cauca and Northeast of the department of Antioquia for the period 1980-2000. Biophysical variables such as slope, agricultural suitability and accessibility variables representing distance to markets, such as distance to rivers, distance to roads, lowest cost distance to the municipalities and distance to forest edge were considered. Logistic regression was performed to identify the main determinants of deforestation and since the ANNs have the ability to capture nonlinear relationships, the set of variables that generated better predictions from the logistic regression model was used for the construction and training ANNs. The training was conducted online (online mode) with the backpropagation algorithm in the software R. To test the predictive power of the models the area under the ROC curve (AUC) was evaluated. The logistic regression model showed an AUC of 0.77 and ANNs an AUC of 0.79 to 0.82. With the networks that showed high AUC an assembly was held, from which the deforestation surface for a baseline scenario and a simulated scenario that incorporates new roads as Porce variant and the Bagre-San Jacinto del Cauca route was estimated. Logistic regression indicated that the main drivers of deforestation for the period 1980-2000 were the distance to roads and distance to forest edge. The estimated assembly ANNs surface shows that the most susceptible forests to deforestation are located near population centers and follow the location of the main roads. Finally the comparison of both scenarios indicates that the construction of new roads could lead to deforestation of approximately 10,782 ha