Browsing by Author "Quispe Anchayhua, Jhony Jesus"

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Identificación de zonas potenciales de recarga hídrica mediante el Algoritmo Enjambre de Partículas en la microcuenca Yucaes, Ayacucho 2025
    (Universidad Nacional de San Cristóbal de Huamanga, 2025) Quispe Anchayhua, Jhony Jesus; Bendezú Prado, Jaime Leonardo
    La recarga hídrica constituye un proceso fundamental para la sostenibilidad de los recursos hídricos, particularmente en cuencas altoandinas, donde la variabilidad estacional y los efectos del cambio climático intensifican los problemas de disponibilidad de agua. La identificación de zonas potenciales de recarga hídrica es clave para garantizar la seguridad hídrica, orientar prácticas de conservación y diseñar estrategias de manejo sostenible del recurso agua. En la literatura científica, los métodos tradicionales de identificación se han basado en modelos de superposición ponderada que asignan pesos fijos a variables ambientales, como pendiente, suelos, rocas, cobertura y precipitación. Ejemplo de ello son los algoritmos de (Matus et al., 2009) y (Rodríguez Levy et al., 2023). Sin embargo, estas metodologías suelen presentar limitaciones al depender de la asignación subjetiva de ponderaciones, lo cual introduce sesgos y reduce la confiabilidad de los resultados. Este estudio aborda dicha limitación mediante la aplicación del Algoritmo de Enjambre de Partículas (Particle Swarm Optimization, PSO) con enfoque multiobjetivo, el cual optimiza de manera adaptativa la combinación de seis factores ambientales: pendiente del terreno, tipo de suelo, tipo de roca, cobertura vegetal, uso del suelo y precipitación. A través de métricas estadísticas como la varianza y la entropía, el PSO permitió recalibrar las ponderaciones y destacar la influencia diferencial de cada variable. Los resultados mostraron que la pendiente (25.6%) y la precipitación (26.9%) constituyen los factores más determinantes en la delimitación de zonas de recarga, seguidos por el tipo de roca (18.4%), el uso del suelo (15.0%) y la cobertura vegetal (12.1%), mientras que el tipo de suelo presentó una influencia menor (2.0%). Esta redistribución evidencia la capacidad del PSO para reducir la subjetividad en comparación con métodos tradicionales, generando mapas de recarga hídrica con mayor precisión y discriminación espacial. En términos generales, la incorporación de técnicas de inteligencia artificial en la identificación zonas potenciales de recarga hídrica representa un avance significativo hacia la toma de decisiones más objetivas y basadas en datos. Los hallazgos de esta investigación demuestran que el uso de PSO no solo mejora la calidad del análisis espacial, sino que también constituye una herramienta innovadora para la planificación hídrica en regiones andinas. Finalmente, este enfoque abre la posibilidad de integrar futuros modelos hidrológicos dinámicos y validaciones en campo que consoliden la metodología como un soporte técnico esencial en la identificación de zonas potenciales de recarga hídrica.