:: Ponentes ‎ >


Wilmer Muñoz M.Sc  




Ingeniero Topográfico y Magister en Ingeniería de Sistemas y Computación de la Universidad del Valle. Actualmente perteneciente al grupo de investigación GISMODEL que su vez es vinculado con el centro de investigación CIBioFi, apoyando como investigador en el proyecto #9. Montaje de una plataforma informática para el modelado del cambio climático y su impacto sobre el clúster agroindustrial, la biodiversidad, y las poblaciones humanas.



wilmer.munoz@correounivalle.edu.co



Título de la ponencia: "Integración multiescala entre modelos climáticos globales y regionales"

El cambio climático es un problema que afecta gran parte de las actividades humanas, en especial la agricultura. En esta investigación se realizó la exploración del comportamiento climático en la región del Valle del Cauca para futuros escenarios, con el uso de Modelos Climáticos Globales (GCM) que pronostican diferentes variables climáticas alrededor de los futuros 100 años, con resoluciones espaciales de 100 Km x 100 Km aproximadamente. En particular, se integraron las metodologías de modelación climática regional para el mejoramiento de resolución espacial (Downscaling) de los GCM a resoluciones espaciales de 5.6 Km x 5.6 Km aproximadamente, con la ayuda de técnicas de inteligencia artificial para la modelación, información de datos satelitales y estaciones locales que permite generar información con resolución espacial útil para la toma de decisiones frente a las futuras condiciones climáticas que se pueden presentar, en especial las variables climáticas de precipitación y temperatura. Como técnicas de inteligencia artificial se exploraron, redes neuronales, máquinas de soporte vectorial, Random Forest y Redes Bayesianas, identificando que, para la región del Valle del Cauca con sus condiciones ambientales, las técnicas de Random Forest, máquinas de soporte vectorial con kernel radial y redes neuronales multicapa con el algoritmo backpropagation y función de activación sigmoid de dos y una capa oculta presentan mejores resultados de predicción.