Patrones de incidencia del deterioro del arbolado urbano de Bogotá

En este artículo se presentan las relaciones geoespaciales entre el arbolado urbano de Bogotá con los registros promedio anuales de contaminación, área de influencia de las vías y sitios de interés (Catastro). Se utilizaron datos para el año 2007 de las variables a relacionar. La metodología utilizada es CRISP-DM (Cross Industry Standard Process for Data Mining). Los patrones de relaciones se evaluaron bajo los algoritmos de árboles de decisión el cual define las variables relevantes para cada Dataset y el análisis clúster el cual analiza las variables relevantes respecto a los tipos de afectaciones evaluadas, teniendo que las variables relevantes de cada Dataset fueron especie, porcentaje de afectación general, porcentaje de afectación en... Ver más

Guardado en:

2027-5846

11

2020-10-07

13

26

http://purl.org/coar/access_right/c_abf2

info:eu-repo/semantics/openAccess

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

Ingenierías USBMed - 2020

id afdb61580fc8f83d83fca4c015ec34bb
record_format ojs
spelling Patrones de incidencia del deterioro del arbolado urbano de Bogotá
Universidad San Buenaventura - USB (Colombia)
Text
http://purl.org/coar/access_right/c_abf2
info:eu-repo/semantics/openAccess
http://purl.org/coar/version/c_970fb48d4fbd8a85
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:eu-repo/semantics/article
Secretaria Distrital De Planeación (Sdp) "Análisis Demográfico Y Proyecciones Poblacionales Bogotá, ". pp 4-15, 2018. [2] A. Zamudio, "Estrategias Para Mitigar La Contaminación Del Aire En Zonas Aledañas A Grandes Avenidas De Bogotá," Pp. 1-57, 2016. [3] F. A. Seoane and J. M. Evans, “BENEFICIOS DEL ARBOLADO URBANO EVALUACIÓN DEL BALANCE ENTRE SECUESTRO, DEMANDA ENERGÉTICAY OTROS IMPACTOS. 5, 5.” 2001. [4] Waring, R.H.. "Characteristics Of Trees Predisposed To Die: Stress Causes Distinctive Changes In Photosynthate Allocation. Bioscience, " 37(8), 569–574. 1987. [5] I. B. M. Analytics, “Metodología Fundamental Para La Ciencia De Datos,” P. 6, 2015. [6] J. M. Gutiérrez, “Data Mining,” Univ. D Cantab. Lamet, 2011. [7] A. Guzman Gonzalez. "Zonas De Vida O Formaciones Vegetales Area Jurisdiccional C.A.R, ". pp 5-12. 1996. [15] A. Zamudio, "Estrategias Para Mitigar La Contaminación Del Aire En Zonas Aledañas A Grandes Avenidas De Bogotá," Pp. 1-57, 2016. [8] T. Aluja,” La minería de datos, entre la estadística y la inteligencia artificial. Qüestiió: quaderns d'estadística i investigació operativa, 25(3), 479-498.” 2001 [9] D. Pyle and D. D. Cerra, Data Preparation for Data Mining. 1999. [10] J. A. Gallardo. Metodologia para el desarrollo de proyectos de Mineria de Datos Crisp-DM. Sistemas del Conocimiento. 2014. [11] J. G. Roig, “Algoritmos,” Univ. Abierta Cataluña, 2017. [12] C. García and I. Moreno, “Algoritmos De Aprendizaje: Knn & Kmeans,” Intel. En Redes Telecomuncicación, 2012. [13] O.H.I. Restrepo; H.F. Moreno and E.C.H. Hoyos "Incidencia Del Deterioro Progresivo Del Arbolado Urbano En El Valle De Aburrá, Colombia," Colombia Forestal, 18(2),225-240. 2014. [14] E. Pardo, “Introducción Al Análisis De Datos Textuales . Cap 4: Métodos De Clasificación,” Univ. Nac. [15] Dirección De Regulación, Planeación, Estandarización Y Normalización Estadística Dirpen "Censo Del Arbolado Urbano Bogotá D.C, - Cau 2005 - 2007, Fases I - Iv Septiembre 2005 Septiembre, " 2014. [16] L. J. Moscovitz, “Un Modelo Conceptual Para El Desarrollo De Arboles De Decisión Con Programación Génetica.” Bogota, 2007. [17] S. R. Timarán-Pereira, I. Hernández-Arteaga, S. J. Caicedo-Zambrano, VA. Hidalgo-Troya, and J. C. Alvarado Pérez, "El Proceso De Descubrimiento De Conocimiento En Bases De Datos. En Descubrimiento De Patrones De Desempeño Académico Con Árboles De Decisión En Las Competencias Genéricas De La Formación Profesional (Pp. 63-86)". Bogotá, 2016: Ediciones Universidad
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Ingenierías USBMed - 2020
https://creativecommons.org/licenses/by-nc-nd/4.0
Español
https://revistas.usb.edu.co/index.php/IngUSBmed/article/view/4344
Ingenierías USBMed
application/pdf
Artículo de revista
arbóreo
En este artículo se presentan las relaciones geoespaciales entre el arbolado urbano de Bogotá con los registros promedio anuales de contaminación, área de influencia de las vías y sitios de interés (Catastro). Se utilizaron datos para el año 2007 de las variables a relacionar. La metodología utilizada es CRISP-DM (Cross Industry Standard Process for Data Mining). Los patrones de relaciones se evaluaron bajo los algoritmos de árboles de decisión el cual define las variables relevantes para cada Dataset y el análisis clúster el cual analiza las variables relevantes respecto a los tipos de afectaciones evaluadas, teniendo que las variables relevantes de cada Dataset fueron especie, porcentaje de afectación general, porcentaje de afectación en tronco, sitios de interés, ancho de vías, número de carriles y localidades. En los resultados se encontró que las especies Urapán y Sauco fueron las que presentaron relaciones con las variables evaluadas, siendo Urapán la que se relacionaba con las demás variables de cada Dataset. Esta investigación servirá para la toma de decisiones respecto al manejo del arbolado urbano de Bogotá.
Ramirez Sanchez, Abraham
Hurtado Vasquez, Cristián Camilo
Triana Gómez, Max Alejandro
Dataset
CRISP-DM
arboles de decisión
enfermedad
análisis clúster
Publication
11
2
Núm. 2 , Año 2020 : Ingenierías USBMed
Patterns of incidence of the deterioration of urban trees in Bogota
Journal article
In this paper are presented geospatial relations between Bogota urban trees with the registers of average annual pollution, roads’ influence area and places of interest (Cadastre). For the variables of study there has been used data for year 2007. The methodology used in this case is CRISP-DM (Cross Industry Standard Process for Data Mining). The relations’ patterns have been evaluated under the algorithms of decision trees which define the relevant variables for each Dataset and cluster analysis which analyses the relevant variables regarding the evaluated types of affectations, assuming that the relevant variables of each Dataset were specie, general affectation percentage, trunk affectation percentage, places of interest, roads’ width, number of lanes and District locations. In results, is has been found that species like Urapán and Sauco were those that presented relations with the evaluated variables, being the Urapán the one that related most with the rest of the variables in each Dataset. This research will serve for decisions making regarding the management of urban trees in Bogota. 
Dataset, CRISP-DM, decision trees, cluster analysis, disease, arboreal .
2020-10-07T00:41:14Z
2020-10-07T00:41:14Z
2020-10-07
https://doi.org/10.21500/20275846.4344
10.21500/20275846.4344
26
13
2027-5846
https://revistas.usb.edu.co/index.php/IngUSBmed/article/download/4344/3729
institution UNIVERSIDAD DE SAN BUENAVENTURA
thumbnail https://nuevo.metarevistas.org/UNIVERSIDADDESANBUENAVENTURA_COLOMBIA/logo.png
country_str Colombia
collection Ingenierías USBMed
title Patrones de incidencia del deterioro del arbolado urbano de Bogotá
spellingShingle Patrones de incidencia del deterioro del arbolado urbano de Bogotá
Ramirez Sanchez, Abraham
Hurtado Vasquez, Cristián Camilo
Triana Gómez, Max Alejandro
arbóreo
Dataset
CRISP-DM
arboles de decisión
enfermedad
análisis clúster
Dataset, CRISP-DM, decision trees, cluster analysis, disease, arboreal .
title_short Patrones de incidencia del deterioro del arbolado urbano de Bogotá
title_full Patrones de incidencia del deterioro del arbolado urbano de Bogotá
title_fullStr Patrones de incidencia del deterioro del arbolado urbano de Bogotá
title_full_unstemmed Patrones de incidencia del deterioro del arbolado urbano de Bogotá
title_sort patrones de incidencia del deterioro del arbolado urbano de bogotá
title_eng Patterns of incidence of the deterioration of urban trees in Bogota
description En este artículo se presentan las relaciones geoespaciales entre el arbolado urbano de Bogotá con los registros promedio anuales de contaminación, área de influencia de las vías y sitios de interés (Catastro). Se utilizaron datos para el año 2007 de las variables a relacionar. La metodología utilizada es CRISP-DM (Cross Industry Standard Process for Data Mining). Los patrones de relaciones se evaluaron bajo los algoritmos de árboles de decisión el cual define las variables relevantes para cada Dataset y el análisis clúster el cual analiza las variables relevantes respecto a los tipos de afectaciones evaluadas, teniendo que las variables relevantes de cada Dataset fueron especie, porcentaje de afectación general, porcentaje de afectación en tronco, sitios de interés, ancho de vías, número de carriles y localidades. En los resultados se encontró que las especies Urapán y Sauco fueron las que presentaron relaciones con las variables evaluadas, siendo Urapán la que se relacionaba con las demás variables de cada Dataset. Esta investigación servirá para la toma de decisiones respecto al manejo del arbolado urbano de Bogotá.
description_eng In this paper are presented geospatial relations between Bogota urban trees with the registers of average annual pollution, roads’ influence area and places of interest (Cadastre). For the variables of study there has been used data for year 2007. The methodology used in this case is CRISP-DM (Cross Industry Standard Process for Data Mining). The relations’ patterns have been evaluated under the algorithms of decision trees which define the relevant variables for each Dataset and cluster analysis which analyses the relevant variables regarding the evaluated types of affectations, assuming that the relevant variables of each Dataset were specie, general affectation percentage, trunk affectation percentage, places of interest, roads’ width, number of lanes and District locations. In results, is has been found that species like Urapán and Sauco were those that presented relations with the evaluated variables, being the Urapán the one that related most with the rest of the variables in each Dataset. This research will serve for decisions making regarding the management of urban trees in Bogota. 
author Ramirez Sanchez, Abraham
Hurtado Vasquez, Cristián Camilo
Triana Gómez, Max Alejandro
author_facet Ramirez Sanchez, Abraham
Hurtado Vasquez, Cristián Camilo
Triana Gómez, Max Alejandro
topicspa_str_mv arbóreo
Dataset
CRISP-DM
arboles de decisión
enfermedad
análisis clúster
topic arbóreo
Dataset
CRISP-DM
arboles de decisión
enfermedad
análisis clúster
Dataset, CRISP-DM, decision trees, cluster analysis, disease, arboreal .
topic_facet arbóreo
Dataset
CRISP-DM
arboles de decisión
enfermedad
análisis clúster
Dataset, CRISP-DM, decision trees, cluster analysis, disease, arboreal .
citationvolume 11
citationissue 2
citationedition Núm. 2 , Año 2020 : Ingenierías USBMed
publisher Universidad San Buenaventura - USB (Colombia)
ispartofjournal Ingenierías USBMed
source https://revistas.usb.edu.co/index.php/IngUSBmed/article/view/4344
language Español
format Article
rights http://purl.org/coar/access_right/c_abf2
info:eu-repo/semantics/openAccess
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Ingenierías USBMed - 2020
https://creativecommons.org/licenses/by-nc-nd/4.0
references Secretaria Distrital De Planeación (Sdp) "Análisis Demográfico Y Proyecciones Poblacionales Bogotá, ". pp 4-15, 2018. [2] A. Zamudio, "Estrategias Para Mitigar La Contaminación Del Aire En Zonas Aledañas A Grandes Avenidas De Bogotá," Pp. 1-57, 2016. [3] F. A. Seoane and J. M. Evans, “BENEFICIOS DEL ARBOLADO URBANO EVALUACIÓN DEL BALANCE ENTRE SECUESTRO, DEMANDA ENERGÉTICAY OTROS IMPACTOS. 5, 5.” 2001. [4] Waring, R.H.. "Characteristics Of Trees Predisposed To Die: Stress Causes Distinctive Changes In Photosynthate Allocation. Bioscience, " 37(8), 569–574. 1987. [5] I. B. M. Analytics, “Metodología Fundamental Para La Ciencia De Datos,” P. 6, 2015. [6] J. M. Gutiérrez, “Data Mining,” Univ. D Cantab. Lamet, 2011. [7] A. Guzman Gonzalez. "Zonas De Vida O Formaciones Vegetales Area Jurisdiccional C.A.R, ". pp 5-12. 1996. [15] A. Zamudio, "Estrategias Para Mitigar La Contaminación Del Aire En Zonas Aledañas A Grandes Avenidas De Bogotá," Pp. 1-57, 2016. [8] T. Aluja,” La minería de datos, entre la estadística y la inteligencia artificial. Qüestiió: quaderns d'estadística i investigació operativa, 25(3), 479-498.” 2001 [9] D. Pyle and D. D. Cerra, Data Preparation for Data Mining. 1999. [10] J. A. Gallardo. Metodologia para el desarrollo de proyectos de Mineria de Datos Crisp-DM. Sistemas del Conocimiento. 2014. [11] J. G. Roig, “Algoritmos,” Univ. Abierta Cataluña, 2017. [12] C. García and I. Moreno, “Algoritmos De Aprendizaje: Knn & Kmeans,” Intel. En Redes Telecomuncicación, 2012. [13] O.H.I. Restrepo; H.F. Moreno and E.C.H. Hoyos "Incidencia Del Deterioro Progresivo Del Arbolado Urbano En El Valle De Aburrá, Colombia," Colombia Forestal, 18(2),225-240. 2014. [14] E. Pardo, “Introducción Al Análisis De Datos Textuales . Cap 4: Métodos De Clasificación,” Univ. Nac. [15] Dirección De Regulación, Planeación, Estandarización Y Normalización Estadística Dirpen "Censo Del Arbolado Urbano Bogotá D.C, - Cau 2005 - 2007, Fases I - Iv Septiembre 2005 Septiembre, " 2014. [16] L. J. Moscovitz, “Un Modelo Conceptual Para El Desarrollo De Arboles De Decisión Con Programación Génetica.” Bogota, 2007. [17] S. R. Timarán-Pereira, I. Hernández-Arteaga, S. J. Caicedo-Zambrano, VA. Hidalgo-Troya, and J. C. Alvarado Pérez, "El Proceso De Descubrimiento De Conocimiento En Bases De Datos. En Descubrimiento De Patrones De Desempeño Académico Con Árboles De Decisión En Las Competencias Genéricas De La Formación Profesional (Pp. 63-86)". Bogotá, 2016: Ediciones Universidad
type_driver info:eu-repo/semantics/article
type_coar http://purl.org/coar/resource_type/c_6501
type_version info:eu-repo/semantics/publishedVersion
type_coarversion http://purl.org/coar/version/c_970fb48d4fbd8a85
type_content Text
publishDate 2020-10-07
date_accessioned 2020-10-07T00:41:14Z
date_available 2020-10-07T00:41:14Z
url https://revistas.usb.edu.co/index.php/IngUSBmed/article/view/4344
url_doi https://doi.org/10.21500/20275846.4344
eissn 2027-5846
doi 10.21500/20275846.4344
citationstartpage 13
citationendpage 26
url2_str_mv https://revistas.usb.edu.co/index.php/IngUSBmed/article/download/4344/3729
_version_ 1798463825375133696