Video Experimental Relacionado
Updated: May 3, 2026

Spatial Multiobjective Optimization of Agricultural Conservation Practices using a SWAT Model and an Evolutionary Algorithm
Published on: December 10, 2012
Modelado híbrido espaciotemporal de la ciclación de nutrientes en ecosistemas de humedales utilizando técnicas
Eric Ariel L Salas1, Kellsie Schrack2, Sakthi S Kumaran2
1Agricultural Research Development Program (ARDP), Central State University, Wilberforce, OH, 45384, USA. eric_asalas@yahoo.com.
Este estudio presenta un novedoso modelo de dos etapas que utiliza datos satelitales y Google Earth Engine para monitorear los nutrientes de los humedales. El marco predice con precisión el nitrógeno y el fósforo, lo que ayuda en los esfuerzos de conservación.
Área de la Ciencia:
- Ciencias Ambientales
- Teledetección
- Ecología
Sus antecedentes:
- El monitoreo preciso de nutrientes en humedales es vital para la conservación, pero se ve desafiado por los métodos tradicionales.
- Las técnicas de campo existentes luchan por capturar de manera efectiva la dinámica de todo el humedal.
- El desarrollo de soluciones de monitoreo avanzadas es crucial para la salud del ecosistema.
Objetivo del estudio:
- Desarrollar y validar un novedoso marco de regresión híbrido de Random Forest de dos etapas para el monitoreo de nutrientes espaciotemporal en humedales.
- Integrar datos de calidad del agua in situ con características de humedales e imágenes satelitales (Sentinel-1, Sentinel-2) utilizando Google Earth Engine.
- Predecir las concentraciones de nitrógeno y fósforo y analizar sus impulsores en la Greenway de Humedales de Beavercreek.
Principales métodos:
- Se empleó un modelo de regresión Random Forest de dos etapas, integrando características discretas de humedales y predictores continuos derivados de satélites.
- El marco utilizó Google Earth Engine para procesar imágenes Sentinel-1 y Sentinel-2 junto con datos de calidad del agua in situ.
- Se predijeron las concentraciones trimestrales de nitrógeno y fósforo durante cuatro años (2021-2024) para la Greenway de Humedales de Beavercreek.
Principales resultados:
- El modelo de dos etapas logró una alta precisión predictiva para el nitrógeno (R² = 0.90) y el fósforo (R² = 0.89).
- Los impulsores de la concentración de nitrógeno incluyeron factores del paisaje y condiciones biofísicas derivadas de la teledetección.
- La concentración de fósforo estuvo influenciada principalmente por la carga de la fuente de los usos del suelo desarrollados.
Conclusiones:
- El marco desarrollado proporciona un monitoreo preciso de nutrientes espaciotemporal, superando las limitaciones de los métodos tradicionales.
- El análisis de la importancia de las variables reveló impulsores distintos para el nitrógeno y el fósforo, lo que informa una gestión específica.
- Los mapas espaciotemporales indicaron estrés estacional de nitrógeno y recuperación de la alteración por fósforo en el sistema de humedales estudiado.
Videos de Conceptos Relacionados
Microenvironments
Deep Sea Microbial Ecology
Soil Microbial Ecology

