Modelos de clasificación multiclase para la predicción del estado sanitario y tipo de daño en el arbolado urbano de Bucaramanga, Santander

Abstract

Contexto. En ciudades como Bucaramanga, el arbolado urbano enfrenta múltiples factores de estrés y deterioro, mientras que su monitoreo se basa en herramientas descriptivas sin capacidad predictiva. El uso de modelos de aprendizaje automático permite anticipar daños y mejorar la gestión arbórea. Propósito. Este estudio busca predecir el estado sanitario del arbolado urbano en seis categorías de daño, e identificar las variables más influyentes en dicha predicción, a partir de datos del censo forestal urbano. Metodología. Se aplicó la metodología SEMMA sobre datos geográficos, dendrométricos y taxonómicos, utilizando modelos de ensamble como Random Forest, XGBoost y LightGBM. Se aplicaron técnicas de balanceo, codificación y validación cruzada, y se evaluó el desempeño con métricas como F1-score, AUC y MCC. Resultados. El modelo optimizado de Random Forest logró un F1-score de 0.7769 y un AUC de 0.9203, superando a su versión original. Las variables más influyentes fueron la comuna, la ubicación geográfica y el tipo de emplazamiento. Conclusiones. Los modelos de clasificación multiclase permiten predecir con buen desempeño el estado sanitario de los árboles. Sin embargo, persisten dificultades en clases similares o poco representadas, por lo que se recomienda explorar modelos especializados o jerárquicos para mejorar la discriminación entre tipos de daño y optimizar decisiones de manejo urbano.