Mapeo de variaciones de salud del suelo dentro del campo utilizando conductividad eléctrica aparente, topografía y aprendizaje automático
Autores: Adhikari, Kabindra; Smith, Douglas R.; Collins, Harold; Hajda, Chad; Acharya, Bharat Sharma; Owens, Phillip R.
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Mapeo de variaciones de salud del suelo dentro del campo utilizando conductividad eléctrica aparente, topografía y aprendizaje automático
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Agronomía y Ciencia de los Cultivos
Palabras clave
Mapas
Salud del suelo
Predictores
ECa
Topografía
SHI
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 19
Citaciones: Sin citaciones
Mapas de alta resolución de mediciones de salud del suelo podrían ayudar a los agricultores a ajustar los recursos de entrada y las prácticas de gestión para maximizar las ganancias. Las variaciones de la salud del suelo dentro del campo pueden ser mapeadas utilizando la topografía local y la conductividad eléctrica aparente (ECa) como predictores. Para abordar estos problemas, se realizó un estudio en los suelos de la Pradera Negra de Texas con los siguientes objetivos: (i) evaluar y mapear las variaciones de la salud del suelo dentro del campo utilizando aprendizaje automático; (ii) evaluar la utilidad de la topografía y ECa como predictores de la salud del suelo; y (iii) cuantificar la relación entre ECa e índice de salud del suelo y utilizar ECa para estimar la distribución espacial de la salud del suelo.
Descripción
Mapas de alta resolución de mediciones de salud del suelo podrían ayudar a los agricultores a ajustar los recursos de entrada y las prácticas de gestión para maximizar las ganancias. Las variaciones de la salud del suelo dentro del campo pueden ser mapeadas utilizando la topografía local y la conductividad eléctrica aparente (ECa) como predictores. Para abordar estos problemas, se realizó un estudio en los suelos de la Pradera Negra de Texas con los siguientes objetivos: (i) evaluar y mapear las variaciones de la salud del suelo dentro del campo utilizando aprendizaje automático; (ii) evaluar la utilidad de la topografía y ECa como predictores de la salud del suelo; y (iii) cuantificar la relación entre ECa e índice de salud del suelo y utilizar ECa para estimar la distribución espacial de la salud del suelo.