Mapeo de materia orgánica del suelo a escala de campo

Mapeo de materia orgánica del suelo a escala de campo

Ponencia presentada en las 49 Jornadas Argentinas de Informática (JAIIO). 12º Congreso Argentino de AgroInformática (CAI). Modalidad virtual, 19 al 30 de Octubre de 2020

Saved in:
Bibliographic Details
Main Authors: Córdoba, Mariano Augusto, Balzarini, Mónica Graciela
Format: conferenceObject biblioteca
Language:spa
Published: 2020
Subjects:Fertilidad del suelo, Materia orgánica, Aprendizaje automático, Regresión bayesiana,
Online Access:http://hdl.handle.net/11086/28140
Tags: Add Tag
No Tags, Be the first to tag this record!
id dig-unc-ar-11086-28140
record_format koha
spelling dig-unc-ar-11086-281402022-08-12T09:53:21Z Mapeo de materia orgánica del suelo a escala de campo Córdoba, Mariano Augusto Balzarini, Mónica Graciela Fertilidad del suelo Materia orgánica Aprendizaje automático Regresión bayesiana Ponencia presentada en las 49 Jornadas Argentinas de Informática (JAIIO). 12º Congreso Argentino de AgroInformática (CAI). Modalidad virtual, 19 al 30 de Octubre de 2020 La información sobre la distribución de la materia orgánica (MO) a escala fina es clave no solo para el manejo de la fertilidad del suelo sino también para estimar la reserva de carbono orgánico del suelo. En este trabajo se comparan dos métodos para mapear la variabilidad de MO a escala de campo: el algoritmo de aprendizaje automático quantile regression forest (QRF) y la regresión bayesiana, estimada por INLA. Ambos métodos se aplican para estimar la relación entre MO y variables de sitio, de fácil obtención, que es usada para predecir MO en sitios no muestreados. Se emplearon 279 puntos georreferenciados de MO muestreados en tres periodos (2005, 2008 y 2011) en una superficie de 2.240 ha bajo agricultura. Para el ajuste de los modelos de regresión se utilizaron variables topográficas e índices de vegetación como variables explicativas. Los resultados sugieren que la regresión bayesiana para datos con correlación espacio-temporal supera a QRF en términos de error de predicción y mapeo de la variabilidad al menos para el tipo de condiciones topográficas y de suelos del estudio. La posibilidad de mapear la evolución del contenido de MO del suelo a esta escala representa un avance para el monitoreo de la sustentabilidad. Los mapas de variabilidad espacial de la MO a escala de campo pueden ser usados para monitorear el efecto de diferentes prácticas de manejo de suelos o como alertas de medidas de manejo que incrementen la entrada de carbono al sistema. Fil: Córdoba, Mariano Augusto. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina. Fil: Córdoba, Mariano Augusto. Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET). Centro Científico Tecnológico (CCT Córdoba). Unidad de Fitopatología y Modelización Agrícola; Argentina. Fil: Córdoba, Mariano Augusto. Instituto Nacional de Tecnología Agropecuaria (INTA). Unidad de Fitopatología y Modelización Agrícola; Argentina. Fil: Balzarini, Mónica Graciela. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina. Fil: Balzarini, Mónica Graciela. Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET). Centro Científico Tecnológico (CCT Córdoba). Unidad de Fitopatología y Modelización Agrícola; Argentina. Fil: Balzarini, Mónica Graciela. Instituto Nacional de Tecnología Agropecuaria (INTA). Unidad de Fitopatología y Modelización Agrícola; Argentina. 2022-08-11T16:01:35Z 2022-08-11T16:01:35Z 2020 conferenceObject http://hdl.handle.net/11086/28140 spa Attribution-NonCommercial-NoDerivatives 4.0 Internacional http://creativecommons.org/licenses/by-nc-nd/4.0/ Anales de CAI 2020. Congreso Argentino de Agroinformática (JAIIO) ISSN 2525-0949 https://49jaiio.sadio.org.ar/Anales/Cai/Contribuciones
institution UNC AR
collection DSpace
country Argentina
countrycode AR
component Bibliográfico
access En linea
databasecode dig-unc-ar
tag biblioteca
region America del Sur
libraryname Biblioteca 'Ing. Agrónomo Moisés Farber' de la Facultad de Ciencias Agropecuarias
language spa
topic Fertilidad del suelo
Materia orgánica
Aprendizaje automático
Regresión bayesiana
Fertilidad del suelo
Materia orgánica
Aprendizaje automático
Regresión bayesiana
spellingShingle Fertilidad del suelo
Materia orgánica
Aprendizaje automático
Regresión bayesiana
Fertilidad del suelo
Materia orgánica
Aprendizaje automático
Regresión bayesiana
Córdoba, Mariano Augusto
Balzarini, Mónica Graciela
Mapeo de materia orgánica del suelo a escala de campo
description Ponencia presentada en las 49 Jornadas Argentinas de Informática (JAIIO). 12º Congreso Argentino de AgroInformática (CAI). Modalidad virtual, 19 al 30 de Octubre de 2020
format conferenceObject
topic_facet Fertilidad del suelo
Materia orgánica
Aprendizaje automático
Regresión bayesiana
author Córdoba, Mariano Augusto
Balzarini, Mónica Graciela
author_facet Córdoba, Mariano Augusto
Balzarini, Mónica Graciela
author_sort Córdoba, Mariano Augusto
title Mapeo de materia orgánica del suelo a escala de campo
title_short Mapeo de materia orgánica del suelo a escala de campo
title_full Mapeo de materia orgánica del suelo a escala de campo
title_fullStr Mapeo de materia orgánica del suelo a escala de campo
title_full_unstemmed Mapeo de materia orgánica del suelo a escala de campo
title_sort mapeo de materia orgánica del suelo a escala de campo
publishDate 2020
url http://hdl.handle.net/11086/28140
work_keys_str_mv AT cordobamarianoaugusto mapeodemateriaorganicadelsueloaescaladecampo
AT balzarinimonicagraciela mapeodemateriaorganicadelsueloaescaladecampo
_version_ 1756011255100866560

Similar Items