Predicción Espacial de Fracciones de Tamaño de Partículas del Suelo Utilizando Mapeo Digital del Suelo en la Región Nororiental de India
Autores: Jena, Roomesh Kumar; Moharana, Pravash Chandra; Dharumarajan, Subramanian; Sharma, Gulshan Kumar; Ray, Prasenjit; Deb Roy, Partha; Ghosh, Dibakar; Das, Bachaspati; Alsuhaibani, Amnah Mohammed; Gaber, Ahmed; Hossain, Akbar
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Predicción Espacial de Fracciones de Tamaño de Partículas del Suelo Utilizando Mapeo Digital del Suelo en la Región Nororiental de India
Categoría
Ciencias Medioambientales
Subcategoría
Ciencias medioambientales generales
Palabras clave
Aplicaciones
Textura del suelo
Fracciones de tamaño de partículas
Modelo de bosque aleatorio
Predicción
Variables ambientales
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Numerosas aplicaciones en agricultura, clima, ecología, hidrología y medio ambiente están severamente limitadas por la falta de información detallada sobre la textura del suelo. El propósito de este estudio fue predecir las fracciones de tamaño de partículas del suelo (PSF) en el distrito de Ri-Bhoi del estado de Meghalaya, India, utilizando un modelo de bosque aleatorio (RF). Para la modelización de las fracciones de tamaño de partículas del suelo, empleamos 95 perfiles de suelo (456 capas por profundidad) recopilados de un reciente inventario nacional de recursos de tierras, así como variables ambientales actualmente accesibles. Se predijeron los contenidos de arena, limo y arcilla utilizando el modelo de bosque aleatorio a diferentes profundidades de 0-5, 5-15, 30-60, 60-100 y 100-200 cm. Nuestros resultados mostraron que el R2 para la arena fue de 0.30 (0-5 cm), 0.28 (5-15 cm) y 0.21 (15-30 cm). Para las fracciones de arena, limo y arcilla, respectivamente, el coeficiente de correlación de concordancia (CCC) fue mayor en las profundidades de 0-30 cm, 0-60 cm y 0-15 cm. Cuando hay un monitoreo razonablemente cercano de la probabilidad de cobertura con un nivel de confianza a lo largo de la línea 1:1, la probabilidad de cobertura del intervalo de predicción (PICP) proporciona un buen indicador de lo que se puede anticipar. Las variables más cruciales para la predicción de arena y limo fueron el nivel base de la red de canales (CNBL) y el factor LS, mientras que la temperatura mínima del mes más frío (gradosC) (BIO6) se descubrió para la predicción de arcilla. Para las tres fracciones de textura del suelo, el rango entre los límites de predicción del 5% más bajo y el 95% más alto fue grande, lo que indica que las predicciones espaciales existentes pueden mejorarse. Los mapas de textura del suelo fueron significativamente más precisos y representaron con exactitud las variaciones espaciales de las fracciones de tamaño de partículas. Además, aún hay necesidad de investigar nuevas metodologías para la cartografía digital extensa del suelo, lo que será muy ventajoso para muchas iniciativas internacionales.
Descripción
Numerosas aplicaciones en agricultura, clima, ecología, hidrología y medio ambiente están severamente limitadas por la falta de información detallada sobre la textura del suelo. El propósito de este estudio fue predecir las fracciones de tamaño de partículas del suelo (PSF) en el distrito de Ri-Bhoi del estado de Meghalaya, India, utilizando un modelo de bosque aleatorio (RF). Para la modelización de las fracciones de tamaño de partículas del suelo, empleamos 95 perfiles de suelo (456 capas por profundidad) recopilados de un reciente inventario nacional de recursos de tierras, así como variables ambientales actualmente accesibles. Se predijeron los contenidos de arena, limo y arcilla utilizando el modelo de bosque aleatorio a diferentes profundidades de 0-5, 5-15, 30-60, 60-100 y 100-200 cm. Nuestros resultados mostraron que el R2 para la arena fue de 0.30 (0-5 cm), 0.28 (5-15 cm) y 0.21 (15-30 cm). Para las fracciones de arena, limo y arcilla, respectivamente, el coeficiente de correlación de concordancia (CCC) fue mayor en las profundidades de 0-30 cm, 0-60 cm y 0-15 cm. Cuando hay un monitoreo razonablemente cercano de la probabilidad de cobertura con un nivel de confianza a lo largo de la línea 1:1, la probabilidad de cobertura del intervalo de predicción (PICP) proporciona un buen indicador de lo que se puede anticipar. Las variables más cruciales para la predicción de arena y limo fueron el nivel base de la red de canales (CNBL) y el factor LS, mientras que la temperatura mínima del mes más frío (gradosC) (BIO6) se descubrió para la predicción de arcilla. Para las tres fracciones de textura del suelo, el rango entre los límites de predicción del 5% más bajo y el 95% más alto fue grande, lo que indica que las predicciones espaciales existentes pueden mejorarse. Los mapas de textura del suelo fueron significativamente más precisos y representaron con exactitud las variaciones espaciales de las fracciones de tamaño de partículas. Además, aún hay necesidad de investigar nuevas metodologías para la cartografía digital extensa del suelo, lo que será muy ventajoso para muchas iniciativas internacionales.