Variabilidad espacial de suelos afectados por sales en Zona Bananera, Magdalena
Cargando...
Archivos
Autores
Rincón Rodríguez, Cristian Andrés
Tipo de contenido
Document language:
Español
Fecha
Título de la revista
ISSN de la revista
Título del volumen
Documentos PDF
Resumen
Los suelos afectados por sales son la principal degradación en la Región Caribe Colombiana, lo cual pone en riesgo la seguridad alimentaria y la paz en nuestro país. El primer paso para poder abordar el problema es la cartografía y seguimiento de los suelos afectados por sales SAS. No obstante, los altos costos de la elaboración de mapas, debido a los análisis químicos específicos de salinidad que son requeridos y la gran área que ocupa hacen que el mapeo a nivel detallado muchas veces sea inviable. En esta investigación planteamos el uso de la Espectroscopia de Infrarrojo Cercano NIRS para la evaluación de los SAS estableciendo primero la relación suelo y paisaje en el piedemonte aluvial de la Sierra Nevada de Santa Marta, para suelos cultivados con banano en el municipio Zona Bananera. Se desarrollaron varios modelos espectrales mediante el uso de modelos de regresión y aprendizaje automático Machine Learning que permitieron evaluar la variabilidad espacial de las propiedades del suelo asociadas a la salinidad. Este trabajo se divide en dos capítulos, el primero enfocado a la relación suelo-paisaje, donde se elaboró un mapa geomorfológico y se describió un perfil de suelos por cada geoforma, para determinar así la distribución de los SAS con respecto al paisaje y las morfodinámicas que han tenido lugar sobre el suelo. Además, se usaron modelos de regresión de mínimos de cuadrados parciales PLS, PLSR y PCR para la elaboración de los modelos espectrales con el fin de predecir mediante NIRS los iones SO42-, HCO3-, CO32-, Cl-, y para los parámetros de pH y CE. Se encontraron valores de R2 significativos en su mayoría superior a 0,5, con los cuales se elaboraron los respectivos mapas y se pudo determinar la variabilidad espacial de estas propiedades y correlacionarla con los mapas obtenidos mediante los métodos convencionales. Esto evidenció una estrecha relación en geoformas asociadas a dinámicas fluvio-marinas y las sales. Por otra parte, un segundo capítulo fue enfocado al aprendizaje de máquinas con métodos supervisados y no supervisados para determinar los suelos afectados y no afectados por sales y mediante el uso de OPLS-DA, donde se obtuvo un R2 de 0,76. Además, se evaluó la variabilidad espacial de las siguientes propiedades: pH, CE, Ca2+, Mg2+, K+, Na+, RAS (Relación de Adsorción de Sodio), PSI (Porcentaje de Sodio Intercambiable) mediante el uso de la geoestadísticas, con datos obtenidos a partir de análisis de suelos de la Zona Bananera. Para esto se evaluaron distintos modelos espectrales obtenidos con herramientas de regresión como Operador de Selección y Contracción Mínima Absoluta LASSO, Componentes Principales de Regresión PCR, Regresión Parcial de Mínimos Cuadrados PLSR y Mínimos Cuadrados Parciales PLS. Obteniendo resultados aceptables para la mayoría de variables, además de mostrar la tendencia de las propiedades del suelo asociadas a las sales hacia el complejo lagunar Ciénaga Grande de Santa Marta. Este trabajo mostró el potencial de NIRS para la evaluación de SAS, como una alternativa para el mapeo de suelos en la Región Caribe Colombiana. Esto es uno de los primeros trabajos de espectroscopia en suelos afectados por sales en suelos cultivados con banano en la Zona Bananera del Magdalena, elaborando una biblioteca espectral, contribuyendo significativamente a la ciencia en el uso de sensores remotos. Además, se convierte en un aporte social pudiendo ser implantado como el punto de partida para el monitoreo de SAS en el área de estudio. (Tomado de la fuente)
Abstract
Salts affected soils are the main degradation in the Colombian Caribbean Region, which threats food security and peace in our country. The first step to address the problem is the mapping and monitoring of salts-affected soils (SAS). However, the high costs of map production, due to specific salinity chemical analyses required and the vast area they cover, often render detailed mapping unfeasible. In this research, we propose the use of Near Infrared Spectroscopy (NIRS) for SAS evaluation, initially establishing the soil-landscape relationship in the alluvial piedmont of the Sierra Nevada de Santa Marta, for banana-cultivated soils in the Zona Bananera municipality. Several spectral models were developed using regression models and Machine Learning algorithms, allowing the assessment of spatial variability of soil properties associated with salinity. This work is divided into two chapters: the first focusing on the soil-landscape relationship, where a geomorphological map was developed, and a soil profile was described for each landform, to determine the distribution of SAS concerning landscape and soil morphodynamics. Additionally, Partial Least Squares Regression (PLS), PLS Regression (PLSR), and Principal Component Regression (PCR) models were used to develop spectral models to predict SO42-, HCO3-, CO32-, Cl- ions, pH, and EC parameters through NIRS. Significant R2 values mostly exceeding 0.5 were found, with which the respective maps were developed, determining the spatial variability of these properties and correlating them with maps obtained through conventional methods. This revealed a close relationship between landforms associated with fluvial-marine dynamics and salts. On the other hand, a second chapter focused on machine learning with supervised and unsupervised methods to determine soils affected and unaffected by salts, and through the use of OPLS-DA, an R2 of 0.76 was obtained. Additionally, the spatial variability of the following properties was evaluated: pH, EC, Ca2+, Mg2+, K+, Na+, SAR (Sodium Adsorption Ratio), ESP (Exchangeable Sodium Percentage) using geostatistics, with data obtained from soil analysis in the Zona Bananera. For this, different spectral models obtained with regression tools such as Least Absolute Shrinkage and Selection Operator (LASSO), Principal Component Regression (PCR), Partial Least Squares Regression (PLSR), and Partial Least Squares (PLS) were evaluated. Acceptable results were obtained for most variables, in addition to showing the trend of soil properties associated with salts towards the Ciénaga Grande de Santa Marta lagoon complex. This work demonstrated the potential of NIRS for SAS evaluation as an alternative for soil mapping in the Colombian Caribbean Region. This is one of the first spectroscopy research on salts affected soil in banana-cultivated soils in the Magdalena Banana Zone, compiling a spectral library, significantly contributing to science in remote sensing use. Additionally, it becomes a social contribution that could be implemented as the starting point for SAS monitoring in the study area.
Descripción
ilustraciones, fotografías, mapas