Read more
El carbono orgánico del suelo (SOC) es un indicador importante y fiable de la calidad del suelo. En este estudio, se caracterizaron y analizaron los espectros del suelo para predecir el contenido espacial de SOC, utilizando una técnica de modelización predictiva multivariante: la red neuronal artificial (RNA). Se generaron imágenes hiperespectrales EO1-Hyperion (400 - 2500 nm) y conjuntos de datos a escala de campo y laboratorio (350 - 2500 nm), consistentes en el contenido de SOC estimado en laboratorio de muestras de suelo recogidas (variable dependiente) y sus correspondientes datos de reflexión de bandas espectrales sensibles al SOC (variables predictivas). Para cada conjunto de datos, se desarrollaron modelos predictivos RNA y tres conjuntos de datos (a escala de imagen, a escala de campo y a escala de laboratorio) revelaron rendimientos significativos de la red para el entrenamiento, la prueba y la validación, lo que indica una buena generalización de la red para el contenido de SOC. El análisis basado en la RNA mostró una alta predicción del contenido de SOC a escala de imagen (R2 = 0,93 y RPD = 3,19), de campo (R2 = 0,92 y RPD = 3,17) y de laboratorio (R2 = 0,95 y RPD = 3,16). Los resultados de validación de la RNA indicaron que los modelos predictivos funcionaban bien (R2 = 0,90) con RMSE 0,070.El resultado demostró que los métodos RNA tienen un gran potencial para estimar el contenido de SOC.
About the author
Sudheer Kumar Tiwari trabaja como científico en el Centro de Aplicaciones Espaciales de Andhra Pradesh (APSAC), Departamento de Planificación, Gobierno de Andhra Pradesh. Ha completado su M.Tech. en Teledetección y SIG con distinción del Instituto Indio de Teledetección, ISRO, Dehradun en 2011.
