(PUCE - Quito, 2026) Cachaguay Alquinga, Alexis Sebastián; Chafla Altamirano, Juan Francisco
En el presente trabajo de maestría se desarrolló un modelo predictivo para la estimación del Índice Ultravioleta en Quito, basado en datos meteorológicos de 4 estaciones y técnicas de aprendizaje automático. Tras comparar algoritmos y evaluar el impacto de la heterogeneidad espacial, se seleccionó LightGBM entrenado exclusivamente con datos de la estación Belisario como el modelo final, alcanzando un 𝑅2 de 0.942, RMSE de 0.809 y un desempeño sobresaliente en rangos críticos (MAE extremo = 1.737; recall IUV >8 = 0.807).
Se implementó una aplicación web interactiva con Streamlit y Folium que permite la edición manual de sensores (RS, TMP, HUM), visualización geográfica satelital de las 33 estaciones (9 de la Secretaría de Ambiente y 24 de EPMAPS) y actualización en tiempo real de predicciones, con indicadores de riesgo y recomendaciones sanitarias según estándares OMS.
Los resultados demuestran que el enfoque por estación individual supera al modelo global en precisión y utilidad práctica, destacando la importancia de considerar la variabilidad microclimática en regiones andinas tropicales. La solución propuesta ofrece una herramienta viable para monitoreo ambiental y prevención de riesgos asociados a la radiación ultravioleta, con potencial de escalabilidad e integración con sistemas de alerta sanitaria.
