Método para estimar la distribución espacial del contenido de carbono orgánico en el suelo de páramo con base en datos de sensores remotos

Abstract

En esta investigación se desarrolló un método para estimar la distribución espacial del carbono orgánico en el suelo de páramo basado en datos derivados de sensores remotos y utilizando algoritmo de aprendizaje automatizado. Para este fin se efectuaron análisis de correlaciones entre en contenido del carbono orgánico de 169 muestras a dos profundidades (0-15cm, 15-30cm) con la covariables derivadas de los sensores Sentinel 1, Sentinel 2, modelos digitales de elevación de Alos Palsar y datos de clima obtenidos de la plataforma WorldClim. Las covariables que mayor correlación tuvieron con el contenido de carbono orgánico del suelo (COS), fueron la temperatura, la altura, los índices derivados del modelo de elevación digital, los índices espectrales en especial el NDVI, y el índice VH de Sentinel 1. El mejor desempeño fue para los modelos desarrollados con random forest. Por último, se validó y documentó el método, permitiendo hacer una estimación de la distribución espacial del COS en los suelos de páramo, de gran utilidad para apoyar la toma de decisiones sobre uso y manejo de conservación de estos ecosistemas. (Texto tomado de la fuente).

In this research, a method was developed to estimate the spatial distribution of organic carbon in páramo soil based on remotely sensed data and using an automated learning algorithm. For this purpose, correlation analyses were performed between the organic carbon content of 169 samples at two depths (0-15cm, 15-30cm) with covariates derived from Sentinel 1, Sentinel 2 sensors, Alos Palsar digital elevation models and climate data obtained from the WorldClim platform. The covariates that had the highest correlation with soil organic carbon content (COS) were temperature, altitude, indices derived from the digital elevation model, spectral indices, especially NDVI, and the VH index from Sentinel 1. The best performance was for the models developed with random forest. Finally, the method was validated and documented, allowing an estimation of the spatial distribution of COS in páramo soils, which is very useful to support decision making on the use and conservation management of these ecosystems.