Comparación de métodos de interpolación espacial para el mapeo del rendimiento en grandes bases de datos

CÓRDOBA, M.; BALZARINI, M.

Jornada; VII Jornadas Integradas de Investigación, Extensión y Enseñanza de la Facultad de Ciencias Agropecuarias; 2017

En la agricultura por ambientes el mapeo de la variabilidad espacial es crucial para la aplicación diferenciada de insumos dentro del lote. Una práctica común es utilizar los datos recolectados por monitores de rendimiento para la generación de mapas de variabilidad espacial del rendimiento. Diferentes métodos de interpolación espacial son utilizados. Entre ellos se destacan los métodos geoestadísticos y aquellos no geoestadísticos que usualmente se implementan en software aplicado al análisis de datos en agricultura de precisión. En este trabajo se comparan métodos de interpolación espacial basados en kriging (kriging ordinario, KO) con el método de ponderación de distancia inversa (IDW) en una base de datos compuesta por 1038 archivos de monitor de rendimiento. Se evaluó el rendimiento de ambos métodos mediante técnicas de validación cruzada para obtener mediciones de error de predicción. La base de datos de mapas de rendimiento fue pre-procesada para eliminar automáticamente outliers globales y outliers espaciales (23% de los datos de rendimiento brutos). En un 71% de los mapas de rendimiento, KO mostró un error de predicción menor que IDW. Para esos mapas de rendimiento el error de predicción para KO y IDW promedió 15.5% y 16.3%, respectivamente. El desempeño de ambas técnicas de interpolación se relacionó linealmente con la variación del rendimiento (el error de predicción relativa aumentó aproximadamente 4% a medida que el coeficiente de variación aumentó 10%). Usando KO la predicción espacial de los datos de rendimiento mejoró respecto al logrado con IDW. Sin embargo, IDW es fácil de aplicar e insume menor tiempo computacional, generando mapas de variabilidad espacial de buena calidad.