Predicción de la infiltración en el suelo mediante la integración de sensores remotos e inferencia espacial en una microcuenca andina

Abstract

La infiltración es el proceso de entrada del agua al suelo, su estimación es importante tanto para hacer un eficiente uso del recurso hídrico en cultivos, como para efectos de los modelos hidrológicos. Debido a su complejidad metodológica y espacial, se han desarrollado diversos modelos para su estimación; sin embargo, la idoneidad y ajuste de estos a las condiciones particulares de cada suelo generalmente no resulta simple, conllevando a la necesidad de disminuir su incertidumbre para obtener resultados más consistentes. Esta investigación desarrolló un modelo espacial para estimar la tasa de infiltración básica empleando índices de humedad y vegetación provenientes de imágenes Sentinel- 1, atributos del terreno obtenidos del modelo digital de elevación ALOS PALSAR y algunas propiedades del suelo. Los resultados demostraron que el modelo autorregresivo espacial con errores autorregresivos permitió modelar espacialmente la infiltración base, donde el ajuste de los valores observados y estimados presentaron un coeficiente de correlación de 0.98. Se evidenció una relación estadística significativa entre los índices de radar y la infiltración base en los suelos y se confirmó la incidencia de la elevación y algunas de las propiedades físicas del suelo en la estimación de la infiltración base, esta relación se entiende también como el impacto que tienen dichas variables en el cálculo de la infiltración, allí se encontró que todas las variables tuvieron impacto positivo, particularmente el índice de humedad y la elevación tuvieron el mayor impacto y el porcentaje de arenas el menor (texto tomado de la fuente).

Infiltration is the process of entry of water into the soil, its estimation is important both for an efficient use of the water resource in crops, and for the effects of hydrological models. Due to its methodological and spatial complexity, various models have been developed for its estimation; however, the suitability and adjustment of these to the particular conditions of each soil is generally not simple, leading to the need to reduce their uncertainty to obtain more consistent results. This research developed a spatial model to estimate the steady-state infiltration rate using moisture and vegetation indices from Sentinel-1 images, terrain attributes obtained from the ALOS PALSAR digital elevation model and some soil properties. The results showed that the spatial autoregressive model with autoregressive errors allowed to spatially model the base infiltration, where the adjustment of the observed and estimated values presented a Pearson correlation coefficient of 0.98. A significant statistical relationship between radar indices and steady-state infiltration rate in soils was evidenced and the incidence of elevation and some of the physical properties of the soil in the estimation of base infiltration was confirmed, this relationship is also understood as the impact that these variables have on the calculation of infiltration, it was found that all variables had a positive impact, particularly the humidity index and elevation had the greatest impact and the percentage of sand the least.