Uso de sensores remotos para la predicción de casos de malaria en el departamento Orán, Salta, Argentina

Mostrar todas las versiones(3)

La malaria es una enfermedad parasitaria que afecta a millones de personas en el mundo. Los mosquitos del género Anopheles han sido incriminados en su transmisión, existiendo reportes para la Argentina, de conocidas especies vectores también en América. El presente trabajo estuvo enfocado al uso de...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Cuéllar, Ana Carolina
Otros Autores: Dantur Juri, María Julia
Formato: masterThesis
Lenguaje:Español
Publicado: 2019
Materias:
Malaria
Sensores remotos
NDVI
NDWI
LST
Landsat 5
Landsat 7
IRR
Acceso en línea:http://hdl.handle.net/11086/11067
Aporte de:
Repositorio Digital Universitario (UNC) de Universidad Nacional de Córdoba
id I10-R14111086-11067
record_format dspace
institution Universidad Nacional de Córdoba
institution_str I-10
repository_str R-141
collection Repositorio Digital Universitario (UNC)
language Español
topic Malaria
Sensores remotos
NDVI
NDWI
LST
Landsat 5
Landsat 7
IRR
spellingShingle Malaria
Sensores remotos
NDVI
NDWI
LST
Landsat 5
Landsat 7
IRR
Cuéllar, Ana Carolina
Uso de sensores remotos para la predicción de casos de malaria en el departamento Orán, Salta, Argentina
topic_facet Malaria
Sensores remotos
NDVI
NDWI
LST
Landsat 5
Landsat 7
IRR
description La malaria es una enfermedad parasitaria que afecta a millones de personas en el mundo. Los mosquitos del género Anopheles han sido incriminados en su transmisión, existiendo reportes para la Argentina, de conocidas especies vectores también en América. El presente trabajo estuvo enfocado al uso de sensores remotos para la predicción de casos de Malaria en el extremo noroeste de Argentina. El estudio fue llevado a cabo en la ciudad de San Ramón de la Nueva Orán, donde fueron reportados casos de la enfermedad, desde 1986 hasta 2005. Se analizó la relación existente entre los casos de Malaria reportados y las variables ambientales/climáticas (Índice Normalizado de Vegetación (NDVI), Índice Normalizado de Agua (NDWI) y Temperatura de Superficie (LST)) obtenidas de imágenes satelitales Landsat 5 y 7, mediante análisis de regresión multinivel de Poisson. Se observó una fluctuación estacional de los casos de Malaria, con una mayor cantidad de enfermos reportada para los meses de verano. Se generó un modelo de series temporales ARIMA, que incluyó a las variables ambientales, y pudo pronosticar los casos de Malaria ocurridos durante el año 2000. A su vez, la relación entre los casos de Malaria y los factores ambientales/climáticos mostró mediante el uso de la Razón de la Tasa de Incidencia (IRR), que los casos de Malaria estuvieron asociados a un aumento en la LST media así como así también a una disminución del NDVI. Se espera que este trabajo pueda ser utilizado como base para el desarrollo de futuras acciones de prevención y control por parte de las autoridades en salud.
author2 Dantur Juri, María Julia
author_facet Dantur Juri, María Julia
Cuéllar, Ana Carolina
format masterThesis
author Cuéllar, Ana Carolina
author_sort Cuéllar, Ana Carolina
title Uso de sensores remotos para la predicción de casos de malaria en el departamento Orán, Salta, Argentina
title_short Uso de sensores remotos para la predicción de casos de malaria en el departamento Orán, Salta, Argentina
title_full Uso de sensores remotos para la predicción de casos de malaria en el departamento Orán, Salta, Argentina
title_fullStr Uso de sensores remotos para la predicción de casos de malaria en el departamento Orán, Salta, Argentina
title_full_unstemmed Uso de sensores remotos para la predicción de casos de malaria en el departamento Orán, Salta, Argentina
title_sort uso de sensores remotos para la predicción de casos de malaria en el departamento orán, salta, argentina
publishDate 2019
url http://hdl.handle.net/11086/11067
work_keys_str_mv AT cuellaranacarolina usodesensoresremotosparalapredicciondecasosdemalariaeneldepartamentooransaltaargentina
bdutipo_str Repositorios
_version_ 1764820393079603205

Ejemplares similares