Variabilidad espacial de los elementos geoquímicos del suelo utilizando un nuevo modelo de aprendizaje automático...

Área de la Ciencia:

• Ciencias del medio ambiente
• Ciencias Agrícolas
• Geoquímica

Sus antecedentes:

• El seguimiento rápido de los elementos geoquímicos del suelo es vital para la agricultura costera sostenible.
• Los factores ambientales tradicionales carecen de sensibilidad para detectar las variaciones geoquímicas regionales.

Objetivo del estudio:

• Desarrollar un modelo que utilice nuevos factores ecológicos para predecir la variabilidad espacial de las EGE (Co, Mn, Sr, V, Zr) en las tierras alcalinas costeras.
• Evaluar la influencia de los factores ecológicos y climáticos en la distribución espacial de las EGE.

Principales métodos:

• Desarrollo de un estimador de Parzen estructurado en árbol para el aumento del gradiente extremo (TPE-XGBoost).
• Integración de la calidad ecológica y la erosión del suelo como factores predictivos.
• Aplicación de las explicaciones aditivas de Shapley (SHAP) y el modelado de ecuaciones estructurales (SEM) para el análisis.

Principales resultados:

• El modelo TPE-XGBoost logró una precisión de predicción (R2) > 0,6 para los cinco SGE utilizando factores ecológicos.
• El análisis SHAP identificó los factores climáticos y ecológicos como los principales impulsores de la variabilidad espacial de los SGEs.
• SEM reveló influencias indirectas de la calidad ecológica y la erosión del suelo en los SGEs a través de las variables climáticas.

Conclusiones:

• Los factores ecológicos de bajo costo pueden predecir con precisión la variabilidad espacial de los SGEs en los agro-ecosistemas costeros.
• Los factores ecológicos y climáticos influyen sinérgicamente en las concentraciones de GSE, lo que afecta a la absorción y descomposición de los cultivos.
• Esta capacidad predictiva apoya el diagnóstico eficiente de la contaminación y la gestión agrícola sostenible.