Modelos estadístico-computacionales aplicados al mapeo digital de suelo

CÓRDOBA, M.

Córdoba

Jornada; IV Jornada de Suelos de Ambientes Semiáridos; 2019

Los avances en tecnologías de información permiten la captura intensiva de datos georreferenciados con alta frecuencia temporal para múltiples variables por sitio. Ejemplo de estos son los datos de covariables ambientales empleadas para predecir propiedades de suelo a escala regional en el contexto del mapeo digital de suelo. Existen numerosas estrategias estadísticas para construir modelos predictivos para el mapeo digital de variables de dominio continuo. El análisis tradicional de este tipo de datos se realiza mediante la utilización de métodos geoestadísticos y modelos lineales. Esta aproximación clásica puede resultar poco flexible para la modelación usando múltiples covariables que pueden correlacionarse entre ellas y con la variable respuesta de manera no lineal. Otras estrategias para el desarrollo de modelos predictivos espaciales para usar en mapeo son los modelos aditivos generalizados, la regresión bayesiana y los algoritmos de aprendizaje de máquina. Estos últimos explotan la característica multivariada de los datos y son capaces de generar modelos que describen el fenómeno aun en escenarios de complejas interacciones entre variables. Sin embargo, frecuentemente son utilizados para generar predicciones ignorando la naturaleza espacial de los datos (autocorrelación espacial). Esta ponencia trata sobre la combinación del ajuste de modelos predictivos espaciales usando técnicas de aprendizaje automático acopladas a métodos geoestadísticos para incorporar las correlaciones entre datos distribuidos espacialmente. Se ilustra la aplicación del algoritmo en el mapeo de valores de la tierra rural en la Provincia de Córdoba.