<?xml version="1.0" encoding="UTF-8"?>
<rss xmlns:dc="http://purl.org/dc/elements/1.1/" version="2.0">
<channel>
<title>Facultad de Ingeniería</title>
<link>http://hdl.handle.net/20.500.14070/119</link>
<description/>
<pubDate>Sun, 27 Sep 2026 21:08:29 GMT</pubDate>
<dc:date>2026-09-27T21:08:29Z</dc:date>
<item>
<title>Efecto de la xantina y cantaxantina encapsulada sobre la pigmentación en pollos de carne</title>
<link>http://hdl.handle.net/20.500.14070/1602</link>
<description>Efecto de la xantina y cantaxantina encapsulada sobre la pigmentación en pollos de carne
Serrano Barcena, Christian Silvio
La creciente demanda de carne de pollo ha impulsado el uso de pigmentos en la dieta de los pollos para mejorar la apariencia de su piel, lo que facilita su aceptación en el mercado, ya que una coloración adecuada se asocia con frescura y calidad. El objetivo de este estudio fue evaluar el efecto de la xantina y la cantaxantina encapsulada sobre la pigmentación en pollos de carne. Se utilizó un diseño experimental con 196 pollos distribuidos en tres tratamientos: control (sin pigmento), 0.01%, 0.02% y 0.03% de xantina y cantaxantina. Los pollos fueron evaluados a los 42 días de edad en el distrito de Tambopata, a 238 metros de altitud. Los resultados mostraron que tanto la xantina como la cantaxantina encapsulada mejoraron significativamente la pigmentación. El grupo control presentó una pigmentación mínima (0.39 ± 0.50). Los pollos alimentados con xantina al 0.01% alcanzaron una pigmentación de 2.43 ± 0.50, mientras que los tratados con cantaxantina al 0.01% lograron 4.36 ± 0.49. A concentraciones de 0.02%, la xantina alcanzó 5.50 ± 0.51 y la cantaxantina 8.39 ± 0.50, logrando una coloración óptima para la comercialización. Sin embargo, al 0.03%, la xantina alcanzó 8.46 ± 0.51, mientras que la cantaxantina provocó una sobrepigmentación (12.39 ± 0.50), superando los niveles ideales para el mercado. En conclusión, la adición de 0.02% de cantaxantina encapsulada o 0.03% de xantina es efectiva, pero el uso de 0.03% de cantaxantina debe evitarse debido a la sobrepigmentación observada.
</description>
<pubDate>Mon, 14 Sep 2026 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://hdl.handle.net/20.500.14070/1602</guid>
<dc:date>2026-09-14T00:00:00Z</dc:date>
</item>
<item>
<title>Coeficiente mórfico y funciones de volumen de Myroxylon balsamum (L.) Harms y Dipteryx spp. en el Departamento de Madre de Dios, Perú</title>
<link>http://hdl.handle.net/20.500.14070/1593</link>
<description>Coeficiente mórfico y funciones de volumen de Myroxylon balsamum (L.) Harms y Dipteryx spp. en el Departamento de Madre de Dios, Perú
Cuenca Cruz De Tuesta, Lindsay Massiel; Amau Sallo, Yeni
La investigación determinó el coeficiente mórfico y desarrolló funciones de volumen del fuste maderable para Myroxylon balsamum-estoraque y Dipteryx spp. "shihuahuaco" en concesiones forestales de la provincia de Tahuamanu, Madre de Dios. La cuantificación precisa del volumen es clave para optimizar los planes de manejo forestal, evitar distorsiones en el pago por derechos de aprovechamiento y mejorar la fiscalización de la autoridad forestal. Se evaluó una muestra representativa de 120 árboles apeados de cada especie. Mediante mediciones sucesivas de diámetro a lo largo del fuste comercial cada 2 metros, se calculó el volumen real empleando la fórmula de Smalian. Resultados: Coeficiente mórfico (factor de forma): Fue de 0,73 para M. balsamum y de 0,81 para Dipteryx spp., valores significativamente superiores al coeficiente general de 0,65 recomendado por SERFOR. Funciones de volumen: M. balsamum: La ecuación logarítmica de Schumacher presentó el mejor ajuste estadístico (R²adj = 0,75, RSE = 0,67, AIC = 246,43): V = 0,0008417 X DAP1.5741325 X H 0.6711147 Dipteryx spp.: El modelo de Naslund logró el mejor desempeño (R2adj = 0,92, RSE = 1,31, AIC = 411.95): V = 1,552 - 3,123.10-4 DAP2 + 9,812.10-5 DAP2 H + 3,365.10-3 H2 - 1,831.10-4 DAP . H2 Se concluye que aplicar coeficientes específicos y estas ecuaciones de volumen proporciona estimaciones precisas e insesgadas para el manejo sostenible de ambas especies amazónicas.
</description>
<pubDate>Tue, 01 Sep 2026 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://hdl.handle.net/20.500.14070/1593</guid>
<dc:date>2026-09-01T00:00:00Z</dc:date>
</item>
<item>
<title>Cuantificación de la deforestación mediante la combinación de datos de sensores ópticos y de radar en el sureste de la Amazonia Peruana, provincia de Tahuamanu – Madre de Dios, periodo 2021</title>
<link>http://hdl.handle.net/20.500.14070/1592</link>
<description>Cuantificación de la deforestación mediante la combinación de datos de sensores ópticos y de radar en el sureste de la Amazonia Peruana, provincia de Tahuamanu – Madre de Dios, periodo 2021
Del Aguila Suri, Jhon Enrique
La fusión de imágenes de satélites ópticas y sar tiene el potencial de optimizar el monitoreo de cubierta terrestre en la amazonia tropical, donde los fenómenos climáticos dificultan las observaciones de satélites ópticos. La investigación evaluó la combinación de landsat y datos de radar de apertura sintética (sar) de banda c para cuantificar la deforestación en la provincia de tahuamanu - madre de dios. Se clasifico datos de landsat-8 bandas 6, 5, 4, y sar sentinel-1 de la agencia espacial europea (esa), usando el algoritmo de clasificación random forest para detectar y cuantificar la deforestación para 2021. Se comparo las precisiones de clasificación de los datos de sensores individuales versus combinados. Los datos combinados de landsat-8 (incluido ndvi) y sar sentinel-1 de banda c con polarizaciones vv y vh produjeron mejores precisiones de clasificación general e índice de kappa (88% - 0,84), superando a los datos de sensores individuales (84% - 0,80 para landsat y 82% - 0,78 para sar). El sar fue un predictor influyente en la determinación profunda de áreas húmedas relacionadas con la deforestación, a diferencia de los ópticos que muestra un panorama general del paisaje. La deforestación cuantifico para landsat-8 19435,65 ha, 142,14 ha para sar sentinel-1, y 27125,04 ha para la combinación de landsat-8 (bandas; 6,5,4+ndvi) y sar sentinel-1. El análisis de datos combinados de landsat y sar de banda c proporciona mejor comprensión a los impulsores asociados de la deforestación y la dinámica de bosques tropicales.
</description>
<pubDate>Tue, 25 Aug 2026 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://hdl.handle.net/20.500.14070/1592</guid>
<dc:date>2026-08-25T00:00:00Z</dc:date>
</item>
<item>
<title>Evaluación de la precisión de datos de GEDI para la altura del dosel y estimación de biomasa aérea en una plantación Tectona grandis L. en la Amazonía de Madre de Dios</title>
<link>http://hdl.handle.net/20.500.14070/1591</link>
<description>Evaluación de la precisión de datos de GEDI para la altura del dosel y estimación de biomasa aérea en una plantación Tectona grandis L. en la Amazonía de Madre de Dios
Vargas Quispe, Rosa Sarai; Navarro Perez, Daniel Ernesto
La vegetación forestal y su estructura determinan, en buena medida, cuánto carbono es capaz de almacenar un bosque. Este vínculo cobra particular relevancia en la Amazonía, donde la deforestación avanza a un ritmo que la sitúa entre las regiones más afectadas del planeta. Con ese contexto como punto de partida, la presente investigación se propuso caracterizar la estructura de la vegetación en una plantación de Tectona grandis L. correspondiente al año 2022, combinando para ello información de Sentinel-1, Sentinel-2, SRTM y los datos LiDAR generados por la misión GEDI (niveles L2A y L4B). Todo el procesamiento se ejecutó dentro de Google Earth Engine, plataforma que hizo posible manejar de forma eficiente el volumen y la variedad de datos provenientes de distintos sensores y momentos temporales necesarios para extender los resultados al conjunto de la plantación. La combinación entre Sentinel y GEDI no es casual: ambos sistemas fueron pensados para complementarse, lo que en la práctica facilita reconocer qué zonas deberían priorizarse en términos de conservación. Los resultados muestran que la altura del dosel en la plantación varía entre 5 y 33,70 m, siendo RH95 la métrica que mejor capturó ese comportamiento. Al fusionar las distintas fuentes mediante Random Forest, el modelo de altura logró explicar el 80,30% de la variabilidad (R²). Para la densidad de biomasa, en cambio, el ajuste fue algo menor (R² = 74,10%), con diferencias notables entre la mediana y el total estimado a partir de los datos de campo.
</description>
<pubDate>Tue, 25 Aug 2026 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://hdl.handle.net/20.500.14070/1591</guid>
<dc:date>2026-08-25T00:00:00Z</dc:date>
</item>
</channel>
</rss>
