Índice de calidad de agua (Ica-Ccme) y las imágenes satelitales de la laguna Patarcocha, región Pasco, 2024

Abstract

El presente trabajo de investigación| tuvo como objetivo determinar la relación entre el Índice de Calidad de Agua (ICA-CCME) y las imágenes satelitales de la laguna Patarcocha, Región Pasco, 2024. Se aplicó procesamiento digital de imágenes satelitales mediante software especializado (Python y QGIS) para determinar los parámetros a partir de la resolución espectral y la clasificación por categoría del ICA-CCME a partir de la resolución radiométrica. La metodología incluye monitoreos in situ para obtener los parámetros del ICA-CCME, así como el uso de “Machine Learning” de Python. Se aplicó modelos algorítmicos de regresión lineal |múltiple en Python para estimar los parámetros de calidad del agua, así como la calificación por categoría. De esta forma, se automatizó la generación de imágenes temáticas para distribución espacial en mosaico de pixeles de acuerdo a la distribución de la concentración de los parámetros fisicoquímicos, así como posteriormente obtener la calificación por categoría propia del ICA-CCME respecto al análisis de la resolución radiométrica. Los resultados muestran una relación significativa (coeficiente de correlación de 0.367, p=0.006 , n=54) entre el ICA-CCME y las imágenes satelitales. Respecto a los parámetros del ICA-CCME, se encontraron correlaciones positivas significativas con los índices espectrales derivados de las bandas espectrales, tales como: Oxígeno Disuelto (r=0.273, p=0.046), DBO5 (r=0.666, p=0.000), DQO (r=0.275, p=0.044), Fósforo Total (r=0.366, p=0.006), Amoniaco Total (r=0.501, p=0.000), pH (r=0.279, p=0.041), Sólidos Suspendidos Totales (r=0.994, p=0.000) y Turbidez (r=0.276, p=0.043). Los resultados indican que las imágenes satelitales constituyen una herramienta eficaz para el monitoreo y estimación de la calidad del agua en la laguna Patarcocha, comprobando datos como: las firmas e índices espectrales posibilitan estimar la concentración de los parámetros ICA-CCME; las tecnologías aplicadas permiten automatizar la clasificación por categorías del ICA-CCME con precisión estadísticamente significativa. Es a partir de estas que se comprueba la Hipótesis General.