Diseño de redes de muestreo óptimas para el monitoreo del carbono orgánico del suelo en el C.I. La Libertad mediante la aplicación de algoritmos genéticos

Abstract

El carbono orgánico almacenado en el suelo es uno de los compartimentos más importantes dentro del ciclo global del carbono. Dada su relevancia frente al fenómeno del cambio climático global, se ha planteado la necesidad de realizar monitoreos periódicos de esta variable. Sin embargo, el número de muestras requerido para hacer una estimación satisfactoria mediante métodos geoestadísticos plantea el problema de diseñar redes de muestreo que, limitadas al presupuesto, logren la mayor reducción en la variabilidad, lo cual conduce entonces a un problema de optimización. En esta investigación se empleó una técnica conocida como algoritmos genéticos para diseñar redes de muestreo para el monitoreo del carbono orgánico del suelo en el área del Centro de Investigación La Libertad de CORPOICA, con el propósito que la configuración de la red de muestreo permitiera reducir de manera óptima el error estándar de Kriging. El análisis de la variabilidad espacial de las variables edáficas estudiadas condujo a la selección de modelos esféricos para la modelación satisfactoria de los semivariogramas. Los modelos mostraron una dependencia espacial fuerte y valores de rangos correspondientes con el comportamiento esperado de las variables y con lo observado durante el trabajo de campo. La comparación entre las diferentes configuraciones de muestreo evaluadas permitió concluir que las redes aleatorias optimizadas mediante el método de varios puntos adicionales son más eficientes que las redes regulares, para las condiciones de este estudio. (Texto tomado de la fuente).

Soil organic carbon is one of the most important pools in the global carbon cycle. Periodical monitoring of this variable has been requested by the scientific community because of its relevance in the global climate change. However, the sample size needed for a reliable estimation through geostatistical methods has leaded to a problem of designing sample networks that minimize the variability while accounting for the budget, situation that becomes an optimization problem. In this research, a mathematical technique known as genetic algorithms has been used for designing spatial networks for second-phase sampling of soil organic carbon in CORPOICA’s La Libertad Research Center, having as purpose that the sampling design reduces optimally the average standard error. In the spatial variability analysis of edaphic variables studied, a satisfactory variogram modeling was done through the selection of spherical models. The selected models showed a strong spatial dependency and range values associated to the expected behavior of the variables and to the information collected during field work. According to the results, random networks obtained through optimization with the method of additional points showed to be more efficient than regular networks, under La Libertad biophysical conditions.