Artículo (Español (España))
FLIP
This journal provides immediately free access to its contents under the principle that make available the research results for free to the public, helps for a greater global exchange of knowledge.
Therefore, the journal invokes the Creative Commons 4.0
License attributions: Recognition – Non-commertial - Share equal. Commercial use and distribution of original or derivative works are not permitted and must be done with a equal license as the one that regulate the original work.
Abstract
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.
References
[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
Downloads
Cited by
