http://www.ptolomeo.unam.mx:8080/xmlui/handle/RepoFi/18208 Trabajo escrito para titulación: Artículo Académico de 2023 Sat, 11 Apr 2026 22:35:01 GMT 2026-04-11T22:35:01Z http://www.ptolomeo.unam.mx:8080/xmlui/handle/RepoFi/19335 Probing environmental and tectonic changes underneath Ciudad de México with the urban seismic field Morales Padilla, Diana Cecilia La Ciudad de México ha sido lugar de estudio debido a su complejidad geológica, este articulo centraliza un estudio en los cambios de velocidad sísmica con el paso del tiempo. Observamos y modelamos variaciones estacionales, así como cambios antes, durante y después de los sismos, y también una tendencia a largo plazo en la velocidad sísmica, con diferentes estaciones sismológicas de la ciudad, abarcando desde áreas centrales sobre arcilla lacustre hasta laderas con roca volcánica. La Ciudad de México ha sido lugar de estudio debido a su complejidad geológica, este articulo centraliza un estudio en los cambios de velocidad sísmica con el paso del tiempo, fenómenos naturales como sismos, cambios drástico de temperaturas, entre otros, con diferentes estaciones sismológicas de la ciudad, abarcando desde áreas centrales sobre arcilla lacustre hasta laderas con roca volcánica. Sun, 23 May 0023 00:00:00 GMT http://www.ptolomeo.unam.mx:8080/xmlui/handle/RepoFi/19335 0023-05-23T00:00:00Z http://www.ptolomeo.unam.mx:8080/xmlui/handle/RepoFi/19325 Desarrollo de sistema inteligente aplicado en cadenas de suministros 5.0 a través de vehículos aéreos no tripulados Vázquez Alonso, Carlos Alberto Este proyecto es el resultado de la crisis biológica actual, en la que fue necesario entregar suministros médicos a más de 15 hospitales en el área metropolitana de la Ciudad de México. Durante su desarrollo, contó con el apoyo de Amazon debido a su participación premiada en la categoría de salud en el evento nacional llamado "UNAM - AWS Hackathon". Esto nos permitió aprender más herramientas para la implementación óptima de algoritmos de inteligencia artificial y aprendizaje automático. El diseño del proyecto consistió en aplicar la transformación digital para entregar suministros en cualquier parte del mundo, sin importar si existe una implicación, como un desastre natural o una emergencia de salud pública. Nuestro objetivo es aplicar soluciones digitales implementando Sistemas Inteligentes en la cadena de suministro para cubrir la demanda de un producto, realizando el proceso de entrega mediante vehículos aéreos no tripulados, optimizando los tiempos de entrega y reduciendo los costos de transporte, así como reduciendo el impacto ambiental que conlleva el proceso. Para lograr este objetivo, implementamos herramientas de software para que el vehículo viaje de manera segura, salvaguardando la integridad de la carga. Determinamos puntos de control en puntos geográficos estratégicos, cumpliendo con las necesidades de seguridad y control sanitario que surgen, puntos de control implementados automáticamente utilizando K-Nearest Neighbors (modelo de aprendizaje automático utilizado ya que, debido a sus características y comportamiento, es el modelo de aprendizaje que mejor se adapta a nuestro modelo físico, dado que las variables de control como las distancias nos permiten encontrar el punto más cercano), creando el algoritmo para cualquier ciudad del mundo, de manera diferente. Utilizamos Amazon Web Services (AWS) porque son herramientas fáciles de implementar y tienen suficiente alcance a nivel mundial; sin embargo, es posible implementarlo en cualquier otra plataforma de servicios en la nube (como Google Cloud Platform, Microsoft Azure, etcétera). Estos servicios tienen una infraestructura estable y nos proporcionan todas las herramientas de software que necesitamos para cumplir nuestro objetivo. Los resultados del sistema inteligente nos mostraron que su implementación en vehículos aéreos no tripulados (dron cuádruple) es viable y logra satisfacer todas las necesidades planteadas al inicio del proyecto; debido a limitaciones financieras, debe ejecutarse a través de un simulador. Este proyecto surge de la necesidad de entregar suministros médicos a más de 15 hospitales en la Ciudad de México durante una crisis biológica. Con el apoyo de Amazon, gracias a su participación en el "UNAM - AWS Hackathon", aprendimos a implementar algoritmos de inteligencia artificial y aprendizaje automático. El objetivo es usar sistemas inteligentes y vehículos aéreos no tripulados para optimizar tiempos de entrega y reducir costos e impacto ambiental. Utilizamos herramientas de AWS, aunque es adaptable a otras plataformas en la nube, y creamos un algoritmo para determinar puntos de control estratégicos. Los resultados mostraron que el uso de drones es viable, aunque debido a limitaciones financieras, se probó en un simulador. Fri, 21 Jul 2023 00:00:00 GMT http://www.ptolomeo.unam.mx:8080/xmlui/handle/RepoFi/19325 2023-07-21T00:00:00Z http://www.ptolomeo.unam.mx:8080/xmlui/handle/RepoFi/18585 Monitoring detailed mangrove hurricane damage and early recovery using multisource remote sensing data Vizcaya Martínez, Diego Arturo; Flores de Santiago, Francisco; Valderrama Landeros, Luis; Serrano, David; Rodrígez Sobreyra, Ranulfo; Álvarez Sánchez, León Felipe; Flores Verdugo, Francisco El objetivo de este estudio cuantificó las tendencias de los daños en las copas de los árboles y los signos de recuperación temprana tras el impacto directo del huracán Willa 2018, mediante series temporales de datos de satélite y una clasificación detallada de las copas de los árboles, combinando ortomosaicos y modelos digitales de superficie (MDS) procedentes de un UAV de grado de consumo. Cuantificamos las tendencias en los daños y los primeros signos de recuperación del dosel en un área marginal de Rhizophora mangle de Marismas Nacionales, México, después de la llegada a tierra del huracán Willa en octubre de 2018. Monitoreamos (2016-2021) la defoliación del dosel amplio utilizando 21 índices de vegetación (VI) de la herramienta Google Earth Engine (GEE). También mapeamos una fragmentación detallada del dosel y desarrollamos modelos digitales de superficie (DSM) durante cinco períodos de estudio (2018-2021) con un vehículo aéreo no tripulado (UAV) de grado de consumidor sobre un área de 100 ha. Sobre la base de los datos ópticos de la serie temporal GEE, los resultados indicaron una disminución abrupta del dosel general del manglar. El índice VARI fue el VI más fiable para la clasificación del dosel del manglar a partir de un sensor RGB estándar. El impacto del huracán causó una defoliación global del dosel del 79%. Las series de ortomosaicos UAV indican una recuperación gradual del dosel del manglar, mientras que el modelo lineal predice al menos 8,5 años para alcanzar las condiciones de cobertura del manglar previas al impacto. Sat, 15 Oct 2022 00:00:00 GMT http://www.ptolomeo.unam.mx:8080/xmlui/handle/RepoFi/18585 2022-10-15T00:00:00Z