Predicción de atributos pedogeoquímicos del suelo por interpoladores en áreas libres de hielo de la Antártida
DOI:
https://doi.org/10.33448/rsd-v11i4.27542Palabras clave:
Covariables predictivas; Interpolación; Mapeo digital.Resumen
El objetivo principal de este trabajo es predecir los atributos del suelo en áreas no muestreadas utilizando modelos geoestadísticos, mejorando los parámetros de predicción de los dados seleccionados, utilizando covariables ambientales características de las áreas de hielo antárticas. En este estudio, se recolectaron 58 muestras de suelo de una cuadrícula a una profundidad de 0 a 10 cm en la Península Keller, Isla Rey Jorge, Antártida. Se realizó el análisis químico del suelo y se determinaron los valores de potasio, calcio y magnesio para cada suelo muestreado. En este trabajo se utilizaron interpoladores de kriging simple (SK) y Random Forest para predecir los valores de los atributos del suelo estudiados en áreas no muestreadas. Utilizamos un escáner láser terrestre (TLS) para generar una nube de puntos, para obtener modelos digitales de elevación (DEM) de tamaño de celda de 1, 5, 10, 20 y 30 metros. El uso de covariables no mejoró los parámetros de predicción de bases de suelo en el área de estudio. Los mapas finales no mostraron grandes diferencias basadas en RMSE, principalmente relacionadas con la gran variabilidad espacial de los atributos del suelo en esta región, a pesar de que los mapas temáticos de suelos evidencian diferencia visual. El uso de mapas con mejor resolución obtenidos de TLS no mejora la predicción usando Random Forest para Ca2+. Los interpoladores de predicción del suelo se pueden aplicar para determinar los atributos del suelo en áreas no muestreadas, pero las áreas con alta complejidad necesitan una cuadrícula de muestreo más densa para mejorar el rendimiento de la predicción.
Citas
Breiman, L., Breiman, L. (2001). Statistical Modeling: The Two Cultures. Statistical Science, 16(3): 199–215.
Brenning, A. (2008). Statistical geocomputing combining R and SAGA: The example of landslide susceptibility analysis with generalized additive models. In: SAGA--Seconds Out (Hamburger Beiträge zur Physischen Geographie und Landschaftsökologie, 19: 23–32.
Carneiro, A. P. B., Polito, M. J., Sander, M. W Z. (2010). Trivelpiece. Abundance and spatial distribution of sympatrically breeding Catharacta spp. (skuas) in Admiralty Bay, King George Island, Antarctica. Polar Biology, 33(5): 673–682.
Embrapa. (2011). Manual de métodos de análise de solo, 3rd ed. EMBRAPA/CNPS, Rio de Janeiro (212 pp).
Ferreira, Í. O., Santos, G. R. DOS, Rodrigues, D. D. (2013). Estudo sobre a utilização adequada da krigagem na representação computacional de superfícies batimétricas. Revista Brasileira de Cartografia, 65(5): 831–842.
Francelino, M. R., Schaefer, C. E. G. R., Simas, F. N. B., Filho, E. I. F., Souza, J. J. L. L., Costa, L. M., (2011). Geomorphology and soils distribution under paraglacial conditions in an ice-free area ofAdmiralty Bay, King George Island, Antarctica. Catena 85: 194–204.
Hijmans, R. J. (2015). Geographic Data Analysis and Modeling. R package version 2.4-20. http://CRAN.R-project.org/package=raster.
INPE, 2015. Instituto Nacional de Pesquisas Espaciais-CPTEC. http://antartica.cptec.inpe. br/~antar/weatherdata.shtml.
Kirkwood, C., Cave, M., Beamish, D., Grebby, S., & Ferreira, A. (2016). A machine learning approach to geochemical mapping. Journal of Geochemical Exploration, 167.
Thomazini, A., Teixeira, D. B., Turbay, C. V. G., La Scala Jr, N., Schaefer, C. E. G. R., Mendonça, E. S., (2014). Spatial variability of CO2 emissions from newly exposed paraglacial soils at a glacier retreat zone on King George Island, Maritime Antarctica. Permafr. Periglac. Process. 25: 233–242.
R Core Team. R. (2015). A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0, URL https://www.R-project.org/, consulted novenber 2015.
Mendonça, E. S., La Scala, N., Panosso, A. R., Simas, F. N. B., Schaefer, C. E. G. R., (2010). Spatial variability models of CO2 emissions from soils colonized by grass (Deschampsia antarctica) and moss (Sanionia uncinata) in Admiralty Bay, King George Island. Antarctic Science. 23: 27–33.
Simas, F. N. B., Schaefer, C. E. G. R., Albuquerque Filho, M. R., Francelino, M. R., Fernandes Filho, E. I., & Costa, L. M. (2006). Genesis, properties and classification of Cryosols from Admiralty Bay, Maritime Antarctica. Geoderma 144: 116–122.
Schünemann, A. L., Almeida, P. H. A., Thomazini, A, Fernandes Filho, E I., Francelino, M, R., Schaefer, C. E. G. R., & Pereira, A B. (2018). High-resolution topography for Digital Terrain Model (DTM) in Keller Peninsula, Maritime Antarctica. Anais da Academia Brasileira de Ciências, 90(2, Suppl. 1), 2001-2010.
Vaysse, K., Lagacherie, P., (2015). Evaluating digital soil mapping approaches for mapping GlobalSoilMap soil properties from legacy data in Languedoc-Roussillon (France). Geoderma Reg. 4: 20–30.
Vieira, S. R. (2000) Geoestatística em estudos de variabilidade espacial do solo. In: Novais, R.F., Alvarez V., V.H., Schaefer, G.R., eds. Tópicos em ciência do solo. Viçosa, Sociedade Brasileira de Ciência do Solo, 1, 1-54.
Wasklewicz,. T., STaley D M., Reavis K., & Oguchi T. (2013). 3.6 Digital Terrain Modeling. In: Treatise on Geomorphology, p. 130-216.Webster, R., Oliver, M.A., (1990). Statistical Methods in Soil and Land Resource Survey. Oxford University Press, Oxford, p. 316.
Willmott, C. J, & Matsuura, K. (2005). Advantages of the mean absolute error (MAE) over the root mean square error (RMSE) in assessing average model performance. Clim. Res. 30:79–82.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2022 Adriano Luis Schünemann; André Thomazini; Pedro Henrique Araújo Almeida; Márcio Rocha Francelino; Elpídio Inácio Fernandes Filho; Gérson Rodrigues dos Santos; Mayara Daher de Paula; Carlos Ernesto Gonçalves Reynaud Schaefer; Antonio Batista Pereira
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
