Maestría Estadística Aplicada y Ciencia de Datos · 2026

Aplicación de algoritmos de Machine Learning para la clasificación de bosque altoandino mediante imágenes satelitales en los PNN Chingaza y Sumapaz, Colombia

Resumen

Los Parques Nacionales Naturales (PNN) Chingaza y Sumapaz son áreas protegidas del Sistema de Parques Nacionales Naturales de Co-lombia, cuya conservación se articula con entidades ambientales regionales como la Corporación Autónoma Regional de Cundinamarca (CAR). Constituyen áreas estratégicas para la conservación ambiental y el abastecimiento hídrico en Colombia. En estas zonas se localizan ecosistemas de bosque altoandino y el páramo más grande del mundo, hábitat de especies endémicas como los frailejones. Debido a su importancia ecológica, el monitoreo del estado de conservación y de las dinámicas de cambio de uso y cobertura del suelo se realiza mediante herramientas de teledetección y ciencia de datos espaciales. El presente estudio clasifica las coberturas de uso del suelo en los PNN Chingaza y Sumapaz mediante algoritmos de Machine Learning e imágenes satelitales Landsat. Para el PNN Chingaza se empleó una imagen Landsat 8 correspondiente a enero de 2024, mientras que para el PNN Sumapaz se utilizó una imagen Landsat 9 de febrero de 2026. Se realizó una clasificación supervisada basada en cinco clases de cobertura definidas según la metodología Corine Land Cover adaptada para Colombia. Los modelos K-Nearest Neighbors (KNN), Random Forest y XGBoost fueron entrenados utilizando muestras del PNN Chingaza. Posterior-mente, los modelos fueron guardados en formato PKL e implementados sobre el PNN Sumapaz como validación externa. Los modelos alcanzaron precisiones de 0.970173 para KNN, 0.985800 para Random Forest y 0.985871 para XGBoost durante el entrenamiento. En la validación externa realizada sobre el PNN Sumapaz, el modelo KNN presentó la mejor capacidad de generalización, con una precisión de 0.924738, superando a Random Forest y XGBoost.

Palabras clave