Predicción de las propiedades químicas del suelo Calcio y Magnesio, a través de una relación suelo-paisaje

Abstract

Los usuarios necesitan saber cómo son las características del suelo en sitios de su interés; pero las propiedades del suelo pueden ser determinadas solo en un número pequeño de puntos de muestreo. Como consecuencia, es necesario predecir cómo es el suelo en los puntos no muestreados. En este estudio se propone un sistema de predicción de valores de propiedades del suelo, basado en redes neuronales de regresión generalizada. Este tipo de red es particularmente útil cuando se dispone de una cantidad pequeña de datos, como ocurre comúnmente en los inventarios de suelo. El sistema propuesto calcula el error medio cuadrático, el error absoluto medio y el coeficiente de determinación como indicadores del error de predicción. También calcula la proporción de puntos sin predicción. Esta información ayuda al usuario a seleccionar la combinación óptima de variables de entrada y parámetros del sistema, de acuerdo a sus necesidades. El sistema permitió generar mapas de concentración de calcio y magnesio en el suelo, a partir de un modelo digital de elevación, una imagen satelital y los valores medidos en un número limitado de puntos de muestreo, en un sector representativo de la cuenca del río Caramacate (estado Aragua, Venezuela). La selección de las variables de entrada a la red y el valor del parámetro s permitió minimizar el error de predicción y el porcentaje de puntos sin clasificar. Los resultados revelan que la selección de las variables de entrada a la red es crucial para garantizar el éxito de la predicción.