Estimación de propiedades de un suelo mediante teledetección y aprendizaje automático
Barra lateral del artículo
Contenido principal del artículo
Resumen
La aptitud del suelo para un cultivo, se puede determinar mediante indicadores de calidad, que pueden ser obtenidos por diferentes métodos. La investigación tuvo como objetivo la estimación de propiedades de un Vertisuelo dedicado al cultivo del arroz mediante teledetección y aprendizaje automático. Se determinaron “in situ” propiedades químicas y físicas del suelo que inciden en la fisiología del arroz, con un muestreo completamente aleatorizado de 100 puntos a una profundidad de 0 m a 0,20 m. Las propiedades se estimaron a partir del Índice de Vegetación por Diferencia Normalizada (NDVI) mediante herramientas de aprendizaje automático. La materia orgánica, el calcio, el magnesio y el fósforo, se pueden estimar mediante regresión lineal con el NDVI, teniendo en cuenta que tuvieron Errores Estándares de 0,27; 3,41; 4,12 y 1,68, respectivamente, y los coeficientes de determinación cercanos a 1. La técnica de bosques aleatorios mostró el mejor rendimiento, con valores en su determinación cercanos a 1 y un error en su estimación y validación cercanos a 0.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes:
- Los autores/as conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra, el cuál estará simultáneamente sujeto a la Licencia Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) que permite a terceros compartir la obra siempre que se indique su autor y su primera publicación esta revista. Bajo esta licencia el autor será libre de:
- Compartir — copiar y redistribuir el material en cualquier medio o formato
- Adaptar — remezclar, transformar y crear a partir del material
- El licenciador no puede revocar estas libertades mientras cumpla con los términos de la licencia
Bajo las siguientes condiciones:
- Reconocimiento — Debe reconocer adecuadamente la autoría, proporcionar un enlace a la licencia e indicar si se han realizado cambios. Puede hacerlo de cualquier manera razonable, pero no de una manera que sugiera que tiene el apoyo del licenciador o lo recibe por el uso que hace.
- NoComercial — No puede utilizar el material para una finalidad comercial.
- No hay restricciones adicionales — No puede aplicar términos legales o medidas tecnológicas que legalmente restrinjan realizar aquello que la licencia permite.
- Los autores/as podrán adoptar otros acuerdos de licencia no exclusiva de distribución de la versión de la obra publicada (p. ej.: depositarla en un archivo telemático institucional o publicarla en un volumen monográfico) siempre que se indique la publicación inicial en esta revista.
- Se permite y recomienda a los autores/as difundir su obra a través de Internet (p. ej.: en archivos telemáticos institucionales o en su página web) antes y durante el proceso de envío, lo cual puede producir intercambios interesantes y aumentar las citas de la obra publicada. (Véase El efecto del acceso abierto).
Citas
ABDALKARIM, K.; GAZNAYEE, H.A.A.; AL-QURAISHI, A.M.F.; ABDALLA, Z.O.: “Predictive Digital Mapping of Surface Soil Properties using Remote Sensing and Multivariate Statistical Analysis.”, Zanco Journal of Pure and Applied Sciences, 35(6): 189-203, 2023, ISSN: 2412-3986.
ANGLADETTE, A.: El arroz. Agricultura Tropical, Colección Agricultura Tropical, Ed. Editorial Blume, 867 p., 1969, ISBN: 84-7313-835-X.
AYOUBI, S.; SHAHRI, A.P.; KARCHEGANI, P.M.; SAHRAWAT, K.L.: “Application of artificial neural network (ANN) to predict soil organic matter using remote sensing data in two ecosystems”, Biomass and remote sensing of biomass, 10: 181-196, 2011.
BAROUDY, A.A.L.; ALI, A.M.; MOHAMED, E.S.; MOGHANM, F.S.; SHOKR, M.S.; SAVIN, I.; PODDUBSKY, A.M.; DING, Z.; KHEIR, A.; ALDOSARI, A.A.: “Modeling land suitability for rice crop using remote sensing and soil quality indicators: The case study of the nile delta”, Sustainability, 12(22): 9653, 2020, ISSN: 2071-1050.
CASANOVAS, C.E.; SUÁREZ DEL VILLAR, L.E.; ÁLVAREZ, S.A.; AVILLEIRA, C.I.: “Valoración de la seguridad alimentaria cubana a partir de la superficie agrícola explotada y los rendimientos agrícolas”, Revista Universidad y Sociedad, 14(5): 304-314, 2022, ISSN: 2218-3620.
CHAI, T.; DRAXLER, R.R.: “Root mean square error (RMSE) or mean absolute error (MAE)?–Arguments against avoiding RMSE in the literature”, Geoscientific model development, 7(3): 1247-1250, 2014, ISSN: 1991-9603.
CHOUDHURY, B.U.; MANDAL, S.: “Indexing soil properties through constructing minimum datasets for soil quality assessment of surface and profile soils of intermontane valley (Barak, North East India)”, Ecological Indicators, 123: 107369, 2021, ISSN: 1470-160X.
DE SMITH, M.; GOODCHILD, M.; LONGLEY, P.: Geoespacial analysis. A comprehensive guide to principles, techniques and software tolos, Ed. The Winchelsea Press, Winchelsea, UK, Winchelsea, UK, 2013.
DEL VALLE, M.J.; GONZÁLEZ, V.; RAFAEL, P.L.; SÁNCHEZ, A.O.R.; DELGADO, T.C.: “Efecto de las variables climáticas sobre el rendimiento agrícola del arroz (Oryza sativa L.)”, Ingeniería Agrícola, 12(1), 2022, ISSN: 2227-8761.
DHARUMARAJAN, S.; HEGDE, R.; SINGH, S.: “Spatial prediction of major soil properties using Random Forest techniques–A case study in semi-arid tropics of South India, Geoderma Reg., 10, 154–162”, 2017.
FORKUOR, G.; HOUNKPATIN, O.K.; WELP, G.; THIEL, M.: “High resolution mapping of soil properties using remote sensing variables in south-western Burkina Faso: a comparison of machine learning and multiple linear regression models”, PloS one, 12(1): e0170478, 2017, ISSN: 1932-6203.
GARCÍA, R.R.A.; RUÍZ, P.M.E.; SERGIO, R.R.: “Indicador de calidad de un Vertisol dedicado al arroz en la provincia Holguín, Cuba”, Revista Ciencias Técnicas Agropecuarias, 34, 2025.
GATERA, A.; KURADUSENGE, M.; BAJPAI, G.; MIKEKA, C.; SHRIVASTAVA, S.: “Comparison of random forest and support vector machine regression models for forecasting road accidents”, Scientific African, 21: e01739, 2023, ISSN: 2468-2276.
GOPP, N.; SAVENKOV, O.; NECHAEVA, T.; SMIRNOVA, N.; SMIRNOV, A.: “Application of NDVI in digital mapping of phosphorus content in soils and phosphorus supply assessment in plants”, Izvestiya, Atmospheric and Oceanic Physics, 55: 1322-1328, 2019, ISSN: 0001-4338.
HERNÁNDEZ, J.A.; PÉREZ, P.; BOSCH, I.D.; CASTRO, S.N.: Clasificación de los suelos de Cuba., Ed. Instituto Nacional de Ciencias Agrícolas, Instituto Nacional de Ciencias Agrícolas, ed., San José de las Lajas, Mayabeque, Cuba, 91 p., 2015, ISBN: 959-7023-77-6.
JIANG, Y.; RAO, L.; SUN, K.; HAN, Y.; GUO, X.: “Spatio-temporal distribution of soil nitrogen in Poyang lake ecological economic zone (South-China)”, Science of the total environment, 626: 235-243, 2018, ISSN: 0048-9697.
KHANAL, S.; FULTON, J.; KLOPFENSTEIN, A.; DOURIDAS, N.; SHEARER, S.: “Integration of high resolution remotely sensed data and machine learning techniques for spatial prediction of soil properties and corn yield”, Computers and electronics in agriculture, 153: 213-225, 2018, ISSN: 0168-1699.
KO, J.; SHIN, T.; KANG, J.; BAEK, J.; SANG, W.G.: “Combining machine learning and remote sensing-integrated crop modeling for rice and soybean crop simulation”, Frontiers in Plant Science, 15: 1320969, 2024, ISSN: 1664-462X.
LIESS, M.; SCHMIDT, J.; GLASER, B.: “Improving the spatial prediction of soil organic carbon stocks in a complex tropical mountain landscape by methodological specifications in machine learning approaches”, PLoS One, 11(4): e0153673, 2016, ISSN: 1932-6203.
LUQUE, R.L.: “Revisión Sistemática de Literatura de Imágenes Satelitales en Hidrología y Agricultura”, Revista Ibérica de Sistemas e Tecnologias de Informação, (E55): 264-278, 2023, ISSN: 1646-9895.
MAZUR, P.; GOZDOWSKI, D.; WNUK, A.: “Relationships between soil electrical conductivity and sentinel-2-derived NDVI with pH and content of selected nutrients”, Agronomy, 12(2): 354, 2022, ISSN: 2073-4395.
MONTGOMERY, D.C.; SKINNER, K.R.; RUNGER, G.C.: “Process monitoring for multiple count data using generalized linear model-based control charts”, International Journal of Production Research, 41(6): 1167-1180, 2003, ISSN: 0020-7543.
NASH, J.E.; SUTCLIFFE, J.V.: “River flow forecasting through conceptual models part I—A discussion of principles”, Journal of hydrology, 10(3): 282-290, 1970, ISSN: 0022-1694.
NORMA CUBANA (NC): “Calidad del suelo-determinación de los componentes orgánicos”, NC: 1043.2014, Oficina Nacional de Normalización, Cuba. 2014.
NORMA CUBANA (NC): “Calidad del suelo-determinación de los componentes orgánicos”, NC: 1043.2014, Oficina Nacional de Normalización, Cuba. 2014.
NORMA CUBANA (NC): “Determinación de las formas móviles de Fósforo y Potasio”,. NC: 52.1999, Oficina Nacional de Normalización, Cuba. 1999.
NORMA CUBANA (NC): “Calidad del Suelo. Determinación de la capacidad de intercambio catiónico y de los cationes intercambiables del suelo”, NC: 209.2002, Oficina Nacional de Normalización, Cuba. 2002.
NORMA CUBANA (NC): “Calidad del Suelo. Determinación del Nitrógeno total Método Kjeldahl”, NC: 11261.2009, Oficina Nacional de Normalización, Cuba. 2009.
NORMA CUBANA (NC): “Calidad del Suelo. Evaluación de la afectación por salinidad”, NC: 776.2010, Oficina Nacional de Normalización, Cuba. 2010.
NORMA CUBANA (NC): “Calidad del suelo-determinación de pH”. NC: 10390.2014, Oficina Nacional de Normalización, Cuba. 2014.
PANIGRAHI, B.; KATHALA, K.C.R.; SUJATHA, M.: “A machine learning-based comparative approach to predict the crop yield using supervised learning with regression models”, Procedia Computer Science, 218: 2684-2693, 2023, ISSN: 1877-0509.
PARK, H.J.; BAEK, N.; SEO, B.S.; JEONG, Y.J.; YANG, H.I.; LEE, S.I.; YOON, K.S.; KIM, H.Y.; CHOI, W.J.: “Estimation of the electrical conductivity of saturated paste from soil–water extracts of coastal saline paddy soils using random forest and multiple regression models”, Journal of Soils and Sediments, 24(3): 1250-1259, 2024, ISSN: 1439-0108.
ROUSE JR, J.W.; HAAS, R.H.; DEERING, D.; SCHELL, J.; HARLAN, J.C.: Monitoring the vernal advancement and retrogradation (green wave effect) of natural vegetation, 1974.
SHRESTHA, N.; SHUKLA, S.: “Support vector machine based modeling of evapotranspiration using hydro-climatic variables in a sub-tropical environment”, Agricultural and forest meteorology, 200: 172-184, 2015, ISSN: 0168-1923.
SINGH, G.; SINGH, J.; WANI, O.A.; EGBUERI, J.; AGBASI, J.C.: “Assessment of groundwater suitability for sustainable irrigation: a comprehensive study using indexical, statistical, and machine learning approaches”, Groundwater for Sustainable Development, 24: 101059, 2024, ISSN: 2352-801X.
SIQUEIRA, R.G.; MOQUEDACE, C.M.; FERNANDES-FILHO, E.I.; SCHAEFER, C.E.R.; FRANCELINO, M.R.; SACRAMENTO, I.F.; MICHEL, R.F.: “Modelling and prediction of major soil chemical properties with Random Forest: Machine learning as tool to understand soil-environment relationships in Antarctica”, Catena, 235: 107677, 2024, ISSN: 0341-8162.
TAGHIZADEH, M.R.; KHADEMI, H.; KHAYAMIM, F.; ZERAATPISHEH, M.; HEUNG, B.; SCHOLTEN, T.: “A comparison of model averaging techniques to predict the spatial distribution of soil properties”, Remote S, 14(3): 472, 2022, ISSN: 2072-4292.
VERGOPOLAN, N.; CHANEY, N.W.; PAN, M.; SHEFFIELD, J.; BECK, H.E.; FERGUSON, C.; TORRES-, R.L.; SADRI, S.; WOOD, E.F.: “SMAP-HydroBlocks, a 30-m satellite-based soil moisture dataset for the conterminous US”, Scientific data, 8(1): 264, 2021, ISSN: 2052-4463.
VILLAZÓN, J.A.; NORIS, P.; GARCÍA, R.A.; CRUZ, M.: “Análisis temporal de la agresividad y concentración de las precipitaciones en áreas agropecuarias de la provincia de Holguín, Cuba”, Idesia (Arica), 41(3): 77-86, 2023.
WHETTON, R.; ZHAO, Y.; SHADDAD, S.; MOUAZEN, A.M.: “Nonlinear parametric modelling to study how soil properties affect crop yields and NDVI”, Computers and electronics in agriculture, 138: 127-136, 2017, ISSN: 0168-1699.
WILLMOTT, C.J.: “Some comments on the evaluation of model performance”, Bulletin of the American Meteorological Society, 63(11): 1309-1313, 1982, ISSN: 0003-0007.
ZHANG, Y.; SUI, B.; SHEN, H.; WANG, Z.: “Estimating temporal changes in soil pH in the black soil region of Northeast China using remote sensing”, Computers and Electronics in Agriculture, 154: 204-212, 2018, ISSN: 0168-1699.