Evaluación del uso de sensores remotos y machine learning en la estimación del carbono orgánico del suelo en el Complejo Volcánico Doña Juana

Este estudio tiene como objetivo generar una línea base para la distribución del Carbono Orgánico del Suelo (SOC) en el área de influencia del Complejo Volcánico Doña Juana (CVDJ) en Nariño, Colombia, utilizando técnicas de Machine Learning aplicadas a imágenes de sensores remotos. Se seleccionaron y calcularon varios índices de vegetación (NDVI, EVI, TVI, SAVI y SATVI) para estimar el SOC y se integraron con un Modelo de Elevación Digital (DEM) para evaluar su influencia en la distribución del SOC. El análisis se realizó para los años 2022 y 2024, utilizando datos satelitales y el set de datos de SoilGrids como referencia. Los resultados mostraron que, aunque los coeficientes de correlación entre los índices de vegetación y el SOC no fueron altos, especialmente en 2024, el modelo de Random Forest (RF) demostró una capacidad aceptable para capturar patrones de distribución del SOC. Los valores de MSE (267.80), MAE (12.68) y R² (0.21) indican que, aunque el modelo es prometedor, existe un margen significativo para mejoras mediante la incorporación de datos de campo más detallados y específicos. La comparación de los resultados del modelo con los datos de SoilGrids revela que el enfoque metodológico utilizado puede proporcionar una mejor comprensión de los patrones de distribución del SOC a escalas más pequeñas. Los patrones observados en la distribución del SOC están estrechamente relacionados con la topografía del terreno, destacando la importancia de considerar variables topográficas en la estimación del SOC. Este estudio sugiere que el uso combinado de índices de vegetación y técnicas de Machine Learning puede ser una herramienta poderosa para la estimación del SOC en áreas de difícil acceso, aunque es fundamental mejorar la precisión del modelo mediante la incorporación de datos de campo y un conjunto de datos de entrenamiento más amplio. La identificación de la pendiente como un factor relevante en la distribución del SOC proporciona una dirección para futuras investigaciones y mejoras en la modelización del carbono orgánico en suelos volcánicos y otros contextos geológicos.

• Autores: Ibarra Cuellar, Johan Alejandro
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/75859
• Acceso en línea: https://hdl.handle.net/1992/75859
• Palabra clave: Soil organic carbon; Complejo Volcánico Doña Juana; Machine learning; Random forest; Sensores remotos; Carbono orgánico; Secuestro de carbono; Geociencias
• Rights: openAccess
• License: Attribution 4.0 International