Contabilizando la naturaleza composicional de los datos geoquímicos para mejorar la interpretación de sus patrones espaciales univariantes y multivariantes: un estudio de caso de la región de Campania (Italia)
Autores: Pacifico, Lucia Rita; Guarino, Annalise; Iannone, Antonio; Albanese, Stefano
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Contabilizando la naturaleza composicional de los datos geoquímicos para mejorar la interpretación de sus patrones espaciales univariantes y multivariantes: un estudio de caso de la región de Campania (Italia)
Categoría
Ciencias Naturales y Subdisciplinas
Subcategoría
Ciencias de la Tierra y Geología
Palabras clave
Análisis de datos composicionales
Técnicas estadísticas multivariantes
Datos geoquímicos
Suelos
Región de Campania
Análisis de componentes principales
PCA
Elementos químicos
Grupos
Variables
Elementos representativos
Componentes principales
Variabilidad
Ti
La
Sc
Au
Hg
Ag
áreas interiores de los Apeninos
Na
K
Cu
Depósitos volcánicos
Productos de erupciones históricas vesuvianas
Ca
S
Llanuras aluviales
Interpretación
Procesos naturales
Procesos antropogénicos
Variabilidad del suelo.
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 18
Citaciones: Sin citaciones
Este estudio investiga la aplicación del Análisis de Datos Composicionales (CoDA) y técnicas estadísticas multivariantes a datos geoquímicos de los suelos de la región de Campania. El conjunto de datos examinado incluye 3571 muestras de suelo analizadas para 37 elementos químicos. Se empleó el Análisis de Componentes Principales (PCA) para reducir la dimensionalidad del conjunto de datos e identificar relaciones clave entre los elementos. El primer PCA identificó grupos de variables altamente correlacionadas, que luego se redujeron a 20 elementos representativos para un segundo PCA. Los tres componentes principales más significativos (PC1, PC2 y PC3) explicaron aproximadamente el 65% de la variabilidad total. PC1 (que representa el 29.97% de la variabilidad) reveló una anticorrelación entre Ti, La y Sc con Au, Hg y Ag, con puntuaciones positivas ubicadas principalmente en las áreas interiores de los Apeninos. PC2 (21.8%) estuvo dominado por Na, K y Cu, con puntuaciones positivas correspondientes a depósitos volcánicos, alineándose con los patrones de dispersión de los productos de erupciones vesuvianas históricas. PC3 (11%) se asoció con Ca y S, con puntuaciones más altas encontradas en las llanuras aluviales y áreas interiores. Estos resultados demuestran la eficacia de CoDA para minimizar correlaciones espurias y descubrir relaciones latentes entre elementos, mejorando así la interpretación de los procesos naturales y antropogénicos que influyen en la variabilidad del suelo en la región.
Descripción
Este estudio investiga la aplicación del Análisis de Datos Composicionales (CoDA) y técnicas estadísticas multivariantes a datos geoquímicos de los suelos de la región de Campania. El conjunto de datos examinado incluye 3571 muestras de suelo analizadas para 37 elementos químicos. Se empleó el Análisis de Componentes Principales (PCA) para reducir la dimensionalidad del conjunto de datos e identificar relaciones clave entre los elementos. El primer PCA identificó grupos de variables altamente correlacionadas, que luego se redujeron a 20 elementos representativos para un segundo PCA. Los tres componentes principales más significativos (PC1, PC2 y PC3) explicaron aproximadamente el 65% de la variabilidad total. PC1 (que representa el 29.97% de la variabilidad) reveló una anticorrelación entre Ti, La y Sc con Au, Hg y Ag, con puntuaciones positivas ubicadas principalmente en las áreas interiores de los Apeninos. PC2 (21.8%) estuvo dominado por Na, K y Cu, con puntuaciones positivas correspondientes a depósitos volcánicos, alineándose con los patrones de dispersión de los productos de erupciones vesuvianas históricas. PC3 (11%) se asoció con Ca y S, con puntuaciones más altas encontradas en las llanuras aluviales y áreas interiores. Estos resultados demuestran la eficacia de CoDA para minimizar correlaciones espurias y descubrir relaciones latentes entre elementos, mejorando así la interpretación de los procesos naturales y antropogénicos que influyen en la variabilidad del suelo en la región.