Mapeo de materia orgánica del suelo a escala de campo

La información sobre la distribución de la materia orgánica (MO) a escala fina es clave no solo para el manejo de la fertilidad del suelo sino también para estimar la reserva de carbono orgánico del suelo. En este trabajo se comparan dos métodos para mapear la variabilidad de MO a escala de campo: e...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Córdoba, Mariano, Balzarini, Mónica
Formato:	Objeto de conferencia
Lenguaje:	Español
Publicado:	2020
Materias:	Ciencias Informáticas Fertilidad Aprendizaje automático Regresión bayesiana
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/115515 http://49jaiio.sadio.org.ar/pdfs/cai/CAI_22.pdf
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

id	I19-R120-10915-115515
record_format	dspace
institution	Universidad Nacional de La Plata
institution_str	I-19
repository_str	R-120
collection	SEDICI (UNLP)
language	Español
topic	Ciencias Informáticas Fertilidad Aprendizaje automático Regresión bayesiana
spellingShingle	Ciencias Informáticas Fertilidad Aprendizaje automático Regresión bayesiana Córdoba, Mariano Balzarini, Mónica Mapeo de materia orgánica del suelo a escala de campo
topic_facet	Ciencias Informáticas Fertilidad Aprendizaje automático Regresión bayesiana
description	La información sobre la distribución de la materia orgánica (MO) a escala fina es clave no solo para el manejo de la fertilidad del suelo sino también para estimar la reserva de carbono orgánico del suelo. En este trabajo se comparan dos métodos para mapear la variabilidad de MO a escala de campo: el algoritmo de aprendizaje automático quantile regression forest (QRF) y la regresión bayesiana, estimada por INLA. Ambos métodos se aplican para estimar la relación entre MO y variables de sitio, de fácil obtención, que es usada para predecir MO en sitios no muestreados. Se emplearon 279 puntos georreferenciados de MO muestreados en tres periodos (2005, 2008 y 2011) en una superficie de 2.240 ha bajo agricultura. Para el ajuste de los modelos de regresión se utilizaron variables topográficas e índices de vegetación como variables explicativas. Los resultados sugieren que la regresión bayesiana para datos con correlación espacio-temporal supera a QRF en términos de error de predicción y mapeo de la variabilidad al menos para el tipo de condiciones topográficas y de suelos del estudio. La posibilidad de mapear la evolución del contenido de MO del suelo a esta escala representa un avance para el monitoreo de la sustentabilidad. Los mapas de variabilidad espacial de la MO a escala de campo pueden ser usados para monitorear el efecto de diferentes prácticas de manejo de suelos o como alertas de medidas de manejo que incrementen la entrada de carbono al sistema.
format	Objeto de conferencia Objeto de conferencia
author	Córdoba, Mariano Balzarini, Mónica
author_facet	Córdoba, Mariano Balzarini, Mónica
author_sort	Córdoba, Mariano
title	Mapeo de materia orgánica del suelo a escala de campo
title_short	Mapeo de materia orgánica del suelo a escala de campo
title_full	Mapeo de materia orgánica del suelo a escala de campo
title_fullStr	Mapeo de materia orgánica del suelo a escala de campo
title_full_unstemmed	Mapeo de materia orgánica del suelo a escala de campo
title_sort	mapeo de materia orgánica del suelo a escala de campo
publishDate	2020
url	http://sedici.unlp.edu.ar/handle/10915/115515 http://49jaiio.sadio.org.ar/pdfs/cai/CAI_22.pdf
work_keys_str_mv	AT cordobamariano mapeodemateriaorganicadelsueloaescaladecampo AT balzarinimonica mapeodemateriaorganicadelsueloaescaladecampo
bdutipo_str	Repositorios
_version_	1764820447005769728

Mapeo de materia orgánica del suelo a escala de campo

Ejemplares similares