Identificación de la textura y el color del suelo mediante algoritmos de aprendizaje automático e imágenes...

Área de la Ciencia:

• * Detección remota
• * Ciencias del suelo
• * Aprendizaje automático

Sus antecedentes:

• * La información precisa sobre el suelo es crucial para la planificación eficaz del uso de la tierra y la agricultura de precisión.
• * Los métodos tradicionales de muestreo del suelo pueden consumir mucho tiempo y ser costosos.
• * Las imágenes de satélite ofrecen un potencial para la estimación de las propiedades del suelo a gran escala y de forma rentable.

Objetivo del estudio:

• * Para estimar la textura del suelo (argile, limo, arena) y el color (Hue, Value, Chroma) utilizando imágenes satelitales.
• * Para comparar el rendimiento de los modelos de regresión de vectores de soporte (SVR) y regresión de árboles de decisión (DTR) para estas estimaciones.
• * Evaluar la utilidad de varios índices derivados de las imágenes de los sensores MODIS como variables de entrada.

Principales métodos:

• * Las propiedades del suelo (textura, color) se midieron in situ.
• * Se calcularon los índices de imágenes satelitales de MODIS y se utilizaron como variables de entrada.
• * Se utilizaron modelos de regresión de vectores de soporte (SVR) y regresión de árbol de decisión (DTR) para la predicción.
• * Se utilizaron métricas de error (RMSE, AMAPE, MAE, MSE, RPD) para la evaluación del modelo.

Principales resultados:

• * El modelo SVR demostró un rendimiento superior en comparación con el modelo DTR en todas las propiedades del suelo evaluadas.
• * El color se predijo con la mayor precisión (RMSE más bajo), mientras que el contenido de arena exhibió el mayor error de predicción.
• * Se encontró una buena concordancia entre los datos de textura del suelo medidos y los predichos por el SVR.
• * Se observaron diferencias temporales significativas en los índices satelitales, pero no consistentes con la variabilidad de la textura del suelo.

Conclusiones:

• * SVR es un método muy eficaz para estimar la textura y el color del suelo a partir de imágenes satelitales.
• * La información del suelo derivada de satélites puede apoyar la planificación del uso de la tierra y las iniciativas de agricultura de precisión.
• * La investigación futura debería explorar la integración de SVR con técnicas de optimización como algoritmos genéticos para mejorar aún más la precisión de la predicción.