##plugins.themes.gdThemes.journalSlogan##
B1
2021-2024
quadriênio
##plugins.themes.gdThemes.general.eIssn##: 2675-5491 | ##plugins.themes.gdThemes.general.issn##: 2675-5491
Modelagem Ambiental | Vol. 7 Núm. 1 (2026)
Jack Endrick Pastrana Mojica Tássia Fraga Belloli Pamela Boelter Herrmann Deyvis Cano Camila Souza Silva
##plugins.themes.gdThemes.author.info##
Doctorando en Teledetección en la Universidad Federal de Rio Grande do Sul (UFRGS) y Magíster en Geografía por la Universidad Federal de Ceará (UFC), con un enfoque principal en la aplicación de tecnologías geoespaciales y sensores remotos en estudios de degradación ambiental y conservación de la Amazonía. Mi labor científica se centra en el monitoreo de ecosistemas forestales, la dinámica de la cobertura vegetal y los procesos de cambio en el uso y cobertura del suelo, con énfasis en ambientes tropicales. Mi experiencia incluye la implementación de modelos de aprendizaje automático y aprendizaje profundo, aplicados al análisis de grandes volúmenes de datos geoespaciales, la integración de imágenes multiespectrales y multitemporales de teledetección, y el desarrollo de modelos predictivos para apoyar la gestión ambiental. Desarrollo estrategias que combinan análisis espacial, inteligencia artificial y modelización ambiental, con el objetivo de promover la sostenibilidad, la conservación forestal y la preservación de ecosistemas.
##plugins.themes.gdThemes.author.info##
Geógrafa egresada de la Universidad Federal de Rio Grande do Sul (2017), con Maestría (2019) y Doctorado (2025) en Teledetección y Geoprocesamiento por el Programa de Posgrado en Teledetección (PPGSR-UFRGS). Cuento con más de 10 años de experiencia en las áreas de Geociencias y Geoecología, con énfasis en los siguientes temas: teledetección aplicada a los recursos hídricos con enfoque en áreas húmedas, Sistemas de Información Geográfica (SIG), procesamiento digital de imágenes, análisis ambiental (evaluación de impactos, restauración, diagnóstico y elaboración de informes técnicos), cartografía y clasificación, caracterización de suelos en humedales y planicies inundables, servicios ecosistémicos, y estimación y optimización de la modelización de biomasa vegetal y almacenamiento de carbono en áreas húmedas (carbono azul).
Actualmente soy investigadora posdoctoral en el Laboratorio de Geoprocesamiento y Análisis Ambiental (LAGAM/UFRGS). Desarrollo un proyecto de I+D+i orientado al mapeo y diseño de estrategias de conservación de áreas húmedas para la mitigación y la resiliencia frente a desastres climáticos en la Región Metropolitana de Porto Alegre, financiado por la Fundación de Apoyo a la Investigación del Estado de Rio Grande do Sul (FAPERGS).
##plugins.themes.gdThemes.author.info##
Soy Magíster y actualmente Doctoranda en Teledetección por la Universidad Federal de Rio Grande do Sul (UFRGS). Cuento con especialización en Información Espacial Georreferenciada, además de formación en Gestión Ambiental (Licenciatura) e Ingeniería Ambiental. Me desempeño como Analista Ambiental, con experiencia académica y profesional en las áreas de geoprocesamiento, teledetección, aplicaciones con VANTs, monitoreo y licenciamiento ambiental, modelización ambiental, aprendizaje automático y análisis espacial.
##plugins.themes.gdThemes.author.info##
Especialista en Teledetección y Sistemas de Información Geográfica aplicados al estudio de recursos naturales y la producción agropecuaria de la Universidad de Buenos Aires, Argentina. Ingeniero Zootecnista de profesión de la Universidad Nacional del Centro del Perú. Magister en Gestión y Planificación Ambiental de la Universidad de Chile. Doctorado en proceso en Sensoriamento Remoto en la Universidade Federal do Rio Grande do Sul, Brasil. Docente investigador en el programa de Ingeniería Ambiental de la Universidad de Huánuco. Coordinador de proyectos de investigación. Experiencia en publicación de artículos científicos en revistas indexadas de Scopus y Web of Science.pasa a portuges e ingles
##plugins.themes.gdThemes.author.info##
Soy Ingeniera Forestal graduada por la Universidad de Brasília, con un período de intercambio académico en la Colorado State University a través del programa Ciencia sin Fronteras. Durante este período, descubrí mi afinidad con las áreas de geoprocesamiento y manejo del fuego al participar en estudios realizados en bosques nativos del norte de Colorado, Estados Unidos. Además, pude perfeccionar mis conocimientos del idioma inglés y desarrollar habilidades como la gestión del tiempo, la oratoria y la toma de notas.
Tengo cinco años de experiencia en Manejo Integrado del Fuego (MIF) en Unidades de Conservación Federales (UCs) del Instituto Chico Mendes de Conservación de la Biodiversidad (ICMBio). Brindo apoyo en la administración y planificación de las acciones de MIF en áreas protegidas y en la sistematización de datos para apoyar la toma de decisiones de la coordinación.
##plugins.themes.gdThemes.publishedIn## marzo 11, 2026
Este estudio busca investigar los diferentes usos del fuego en la gestión territorial mediante el análisis de las quemas prescritas, controladas y de supresión, combinadas con datos del Panel del Fuego del Centro Operacional y de Gestión del Sistema de Protección de la Amazonía (CENSIPAM) para el año 2023. La investigación se llevó a cabo en la Amazonía Legal Brasileña, siguiendo los límites administrativos oficiales, abarcando los estados de Acre, Amapá, Amazonas, Pará, Rondônia, Roraima, Tocantins, Mato Grosso y parte de Maranhão. Los eventos de fuego registrados en 2023 fueron obtenidos a partir de la plataforma del Panel del Fuego, la cual compila una base de datos de variables ambientales y socioespaciales, lo que permite una caracterización más integral de las ocurrencias de fuego. Estos datos se integraron con los registros de quemas prescritas, controladas y de supresión realizadas por las brigadas del ICMBio durante el mismo período. El marco metodológico se basó en técnicas de aprendizaje automático para generar modelos predictivos y proporcionar información sobre los impactos del uso del fuego en las Unidades Federativas brasileñas (estados). El modelo Random Forest alcanzó la mayor precisión global (76%). Las quemas de supresión y prescritas presentaron los valores más altos de precisión (0,90 y 0,69, respectivamente), mientras que las curvas ROC y los valores AUC demostraron un buen desempeño de generalización para estas clases (0,84 y 0,79). Por el contrario, las quemas controladas mostraron un menor desempeño predictivo. Los análisis SHAP (Shapley Additive Explanations) revelaron que variables como la biomasa y las áreas no monitoreadas desempeñan un papel clave en la modelación de la clasificación de los eventos de fuego

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Derechos de autor 2026 Jack Endrick Pastrana Mojica, Tássia Fraga Belloli , Pamela Boelter Herrmann, Deyvis Cano , Camila Souza Silva