Algoritmos de pedología cuantitativa para el Sistema de Información de Suelos de Latinoamérica y el Caribe, SISLAC

Abstract

Las bases de datos espaciales de suelos son una herramienta que ayuda en el modelamiento de diversos fenómenos en los que los suelos son determinantes, tales como el calentamiento global o la seguridad alimentaria. Sin embargo, existen problemas que dificultan su procesamiento, tales como la calidad de los datos y su alta dimensionalidad. El objetivo de esta investigación consistió en definir e implementar validaciones automatizadas para la depuración de los datos y mejorar la representación de los perfiles de suelo en función de la profundidad para así, mejorar la estimación de la variabilidad espacial del Carbono Orgánico del Suelo, COS. La zona de estudio comprendió la región sureste del departamento del Valle del Cauca, Colombia. Los datos utilizados fueron obtenidos del Sistema de Información de Suelos de Latinoamérica y el Caribe, SISLAC. La metodología implementada consistió en: (i) depurar los datos de errores e inconsistencias, (ii) armonizar el conjunto de datos utilizando por una parte, la función de segmentación de la librería Algorithms for Quantitative Pedology y por otra, una función de segmentación adaptada que mejora la representación de los valores de COS mediante una función spline de áreas equivalentes y (iii) comprobar si con esta última, se mejora la estimación de la variabilidad vertical y horizontal del COS en la zona de estudio. Las profundidades de mapeo fueron las establecidas por el GlobalSoilMap para los primeros 30 cm de profundidad. Los resultados mostraron que al depurar los datos y mejorar la representación de los perfiles utilizando la función de segmentación adaptada se mejoran las estimaciones de la variabilidad espacial hasta en un 15% con respecto a los datos originales a información de referencia del proyecto soilgrids, las mejoras ocurren principalmente en las zonas más superficiales. Los procesos de validación y mejoras en la segmentación permitieron generar información de la distribución espacial del COS más representativa de la realidad al considerar el cambio gradual de esta propiedad en función de la profundidad. La metodología generada es reproducible y puede adaptarse para analizar otras propiedades continuas del suelo. (Texto tomado de la fuente)

Soil spatial databases are tools that can help in the modeling of various phenomenon in which soils are determinants, such as global warming or food security. However, there are two problems that make processing difficult: the quality of the data and the high dimensionality. The objective of this research was to define and implement automated validations for data validation and improve the representation of soil profile as a function of depth in order to improve the estimation of the spatial variability of Soil Organic Carbon, SOC. The study area comprised the southeast region of the Valle del Cauca department, Colombia. The data used were obtained from the Soil Information System for Latin America and The Caribbean, SISLAC. The methodology implemented consisted of: (i) debugging the data for errors and inconsistencies; (ii) harmonize the data set using, on the one hand ; the segmentation function, Algorithms for Quantitative Pedology library, AQP; and on the other, an the adapted segmentation function that improves the representation of SOC values by a spline function of equal areas; (iii) check if this last function improves the estimation of the spatial variability of the SOC in the study area. The mapping depths were those established by the GlobalSoilMap project for the first 30 cm of depth. The results showed that by refining the data and improving the representation of the profiles using the adapted segmentation function, the estimates of spatial variability are improved by up to 15%, mainly in the most superficial areas. The validation processes and improvements in segmentation made it possible to generate information on the spatial distribution of the COS that is more representative of reality when considering the gradual change of this property as a function of depth. The generated methodology is reproducible and can be adapted to analyze other continuous soil properties.