Predicción del contenido de arcilla superficial mediante conductividad eléctrica aparente y esquemas de muestreo basados en modelos

Autores
Castro Franco, Mauricio; Diaz, Hernan Julio; Quiroz Londoño, Orlando Mauricio; Ciccore, Pablo; Costa, Jose Luis
Año de publicación
2017
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
La predicción espacial del contenido de arcillas (As) a escala de lote es requerida para la implementación de agricultura de precisión y modelos de simulación hidrológica. Sin embargo, la brecha de técnicas de cartografía que permitan establecer la heterogeneidad de As limita la capacidad para determinar su variabilidad. En este estudio, se evaluó el uso de conductividad eléctrica aparente (CEa) como variable auxiliar, dos esquemas de muestreo basados en modelos (EBM) (Hipercubo latino condicionado (HCL) y fuzzy c-medias (FCM)) e interpolación geoestadística (cokriging ordinario) para predecir As en un lote agrícola experimental de 25.18 has. Los resultados soportan los supuestos que (i) tanto HCL como FCM capturan adecuadamente la distribución total de la CEa; y (ii) As está cerradamente relacionado con CEa. En general, los resultados sugieren tres aspectos a tener en cuenta. Primero, el tipo de EBM afecta la eficiencia de la interpolación para predecir As; Segundo, únicamente 30 muestras de suelo son suficientes para obtener un mapa preciso de As (R2>0.73); y tercero, un conjunto de muestras de suelo independiente es lo más adecuado para validar la metodología propuesta. Interpolación espacial a partir de CEa y HCL proporcionó una leve mejora en la predicción espacial de As (R2= 0.78, RMSE=1.50%) que interpolación espacial a partir de CEa y FCM (R2= 0.73, RMSE=1.63%). Sin embargo, tanto interpolación con HCL como interpolación con FCM proporcionan una significativa mejora de información de As con respecto a las técnicas de cartografía convencional. Además, ambas interpolaciones son fáciles de replicar para otros lotes agrícolas. Por lo tanto, esto puede ser significativo para la implementación de manejo sitio específico de cultivos y para modelos de simulación hidrológica.
Spatial prediction of clay content at field scale is needed to implement precision agriculture and hydrological models. However, the lack of techniques that can detect clay content heterogeneity limits the ability to determine its variability. In this study, we tested the use of geostatistical interpolation (ordinary cokriging), apparent electrical conductivity (CEa) as auxiliary information and two model-based soil sampling schemes (EBM) (conditioned Latin hypercube (HCL) and fuzzy K-means (FCM) to predict clay content in an 25.18 ha agricultural field. Results support the underlying assumptions that both HCL and FCM capture adequately the full distribution of CEa; and that clay content was closely related to the CEa. Also, suggested that (i) the type of EBM affects the clay prediction model efficiency; (ii) a considerable soil sample reduction is possible when the proposed methodology is applied; (iii) an independent data set is most adequate to validate the proposed methodology; and (iv) the geostatistical interpolation based on CEa and HCL provided a slight improvement in the clay content prediction (R2 = 0.75, RMSE = 1.50%) compared to the geostatistical interpolation based on CEa and FCM (R2 = 0.73, RMSE = 1.69%). The proposed methodology provided a significant improvement of information on clay content with respect to soil survey techniques and is easy to replicate in other farm fields. Therefore, it can be significant to implement these findings in site-specific managements or hydrological simulations.
Fil: Castro Franco, Mauricio. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
Fil: Diaz, Hernan Julio. Universidad Nacional de Mar del Plata. Facultad de Ciencias Agrarias; Argentina
Fil: Quiroz Londoño, Orlando Mauricio. Universidad Nacional de Mar del Plata. Facultad de Ciencias Exactas y Naturales. Instituto de Geología de Costas y del Cuaternario. Provincia de Buenos Aires. Gobernación. Comisión de Investigaciones Científicas. Instituto de Geología de Costas y del Cuaternario; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
Fil: Ciccore, Pablo. Instituto Nacional de Tecnología Agropecuaria. Centro Regional Buenos Aires Sur. Estación Experimental Agropecuaria Balcarce. Área de Investigación en Agronomía; Argentina
Fil: Costa, Jose Luis. Instituto Nacional de Tecnología Agropecuaria. Centro Regional Buenos Aires Sur. Estación Experimental Agropecuaria Balcarce. Área de Investigación en Agronomía; Argentina
Materia
Agricultura de Precisión
Cartografía Digital de Suelos
Textura del Suelo
Veris 3100®
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/54891

id CONICETDig_193a2656883e788480e81cf6ca018036
oai_identifier_str oai:ri.conicet.gov.ar:11336/54891
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Predicción del contenido de arcilla superficial mediante conductividad eléctrica aparente y esquemas de muestreo basados en modelosPrediction of topsoil clay content using apparent electrical conductivity and model-based sampling schemesCastro Franco, MauricioDiaz, Hernan JulioQuiroz Londoño, Orlando MauricioCiccore, PabloCosta, Jose LuisAgricultura de PrecisiónCartografía Digital de SuelosTextura del SueloVeris 3100®https://purl.org/becyt/ford/4.1https://purl.org/becyt/ford/4La predicción espacial del contenido de arcillas (As) a escala de lote es requerida para la implementación de agricultura de precisión y modelos de simulación hidrológica. Sin embargo, la brecha de técnicas de cartografía que permitan establecer la heterogeneidad de As limita la capacidad para determinar su variabilidad. En este estudio, se evaluó el uso de conductividad eléctrica aparente (CEa) como variable auxiliar, dos esquemas de muestreo basados en modelos (EBM) (Hipercubo latino condicionado (HCL) y fuzzy c-medias (FCM)) e interpolación geoestadística (cokriging ordinario) para predecir As en un lote agrícola experimental de 25.18 has. Los resultados soportan los supuestos que (i) tanto HCL como FCM capturan adecuadamente la distribución total de la CEa; y (ii) As está cerradamente relacionado con CEa. En general, los resultados sugieren tres aspectos a tener en cuenta. Primero, el tipo de EBM afecta la eficiencia de la interpolación para predecir As; Segundo, únicamente 30 muestras de suelo son suficientes para obtener un mapa preciso de As (R2>0.73); y tercero, un conjunto de muestras de suelo independiente es lo más adecuado para validar la metodología propuesta. Interpolación espacial a partir de CEa y HCL proporcionó una leve mejora en la predicción espacial de As (R2= 0.78, RMSE=1.50%) que interpolación espacial a partir de CEa y FCM (R2= 0.73, RMSE=1.63%). Sin embargo, tanto interpolación con HCL como interpolación con FCM proporcionan una significativa mejora de información de As con respecto a las técnicas de cartografía convencional. Además, ambas interpolaciones son fáciles de replicar para otros lotes agrícolas. Por lo tanto, esto puede ser significativo para la implementación de manejo sitio específico de cultivos y para modelos de simulación hidrológica.Spatial prediction of clay content at field scale is needed to implement precision agriculture and hydrological models. However, the lack of techniques that can detect clay content heterogeneity limits the ability to determine its variability. In this study, we tested the use of geostatistical interpolation (ordinary cokriging), apparent electrical conductivity (CEa) as auxiliary information and two model-based soil sampling schemes (EBM) (conditioned Latin hypercube (HCL) and fuzzy K-means (FCM) to predict clay content in an 25.18 ha agricultural field. Results support the underlying assumptions that both HCL and FCM capture adequately the full distribution of CEa; and that clay content was closely related to the CEa. Also, suggested that (i) the type of EBM affects the clay prediction model efficiency; (ii) a considerable soil sample reduction is possible when the proposed methodology is applied; (iii) an independent data set is most adequate to validate the proposed methodology; and (iv) the geostatistical interpolation based on CEa and HCL provided a slight improvement in the clay content prediction (R2 = 0.75, RMSE = 1.50%) compared to the geostatistical interpolation based on CEa and FCM (R2 = 0.73, RMSE = 1.69%). The proposed methodology provided a significant improvement of information on clay content with respect to soil survey techniques and is easy to replicate in other farm fields. Therefore, it can be significant to implement these findings in site-specific managements or hydrological simulations.Fil: Castro Franco, Mauricio. Consejo Nacional de Investigaciones Científicas y Técnicas; ArgentinaFil: Diaz, Hernan Julio. Universidad Nacional de Mar del Plata. Facultad de Ciencias Agrarias; ArgentinaFil: Quiroz Londoño, Orlando Mauricio. Universidad Nacional de Mar del Plata. Facultad de Ciencias Exactas y Naturales. Instituto de Geología de Costas y del Cuaternario. Provincia de Buenos Aires. Gobernación. Comisión de Investigaciones Científicas. Instituto de Geología de Costas y del Cuaternario; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; ArgentinaFil: Ciccore, Pablo. Instituto Nacional de Tecnología Agropecuaria. Centro Regional Buenos Aires Sur. Estación Experimental Agropecuaria Balcarce. Área de Investigación en Agronomía; ArgentinaFil: Costa, Jose Luis. Instituto Nacional de Tecnología Agropecuaria. Centro Regional Buenos Aires Sur. Estación Experimental Agropecuaria Balcarce. Área de Investigación en Agronomía; ArgentinaAsociación Argentina de la Ciencia del Suelo2017-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/54891Castro Franco, Mauricio; Diaz, Hernan Julio; Quiroz Londoño, Orlando Mauricio; Ciccore, Pablo; Costa, Jose Luis; Predicción del contenido de arcilla superficial mediante conductividad eléctrica aparente y esquemas de muestreo basados en modelos; Asociación Argentina de la Ciencia del Suelo; Ciencia del Suelo; 35; 1; 1-2017; 135-1460326-3169CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/http://ref.scielo.org/q5pv46info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T10:20:45Zoai:ri.conicet.gov.ar:11336/54891instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-29 10:20:45.452CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Predicción del contenido de arcilla superficial mediante conductividad eléctrica aparente y esquemas de muestreo basados en modelos
Prediction of topsoil clay content using apparent electrical conductivity and model-based sampling schemes
title Predicción del contenido de arcilla superficial mediante conductividad eléctrica aparente y esquemas de muestreo basados en modelos
spellingShingle Predicción del contenido de arcilla superficial mediante conductividad eléctrica aparente y esquemas de muestreo basados en modelos
Castro Franco, Mauricio
Agricultura de Precisión
Cartografía Digital de Suelos
Textura del Suelo
Veris 3100®
title_short Predicción del contenido de arcilla superficial mediante conductividad eléctrica aparente y esquemas de muestreo basados en modelos
title_full Predicción del contenido de arcilla superficial mediante conductividad eléctrica aparente y esquemas de muestreo basados en modelos
title_fullStr Predicción del contenido de arcilla superficial mediante conductividad eléctrica aparente y esquemas de muestreo basados en modelos
title_full_unstemmed Predicción del contenido de arcilla superficial mediante conductividad eléctrica aparente y esquemas de muestreo basados en modelos
title_sort Predicción del contenido de arcilla superficial mediante conductividad eléctrica aparente y esquemas de muestreo basados en modelos
dc.creator.none.fl_str_mv Castro Franco, Mauricio
Diaz, Hernan Julio
Quiroz Londoño, Orlando Mauricio
Ciccore, Pablo
Costa, Jose Luis
author Castro Franco, Mauricio
author_facet Castro Franco, Mauricio
Diaz, Hernan Julio
Quiroz Londoño, Orlando Mauricio
Ciccore, Pablo
Costa, Jose Luis
author_role author
author2 Diaz, Hernan Julio
Quiroz Londoño, Orlando Mauricio
Ciccore, Pablo
Costa, Jose Luis
author2_role author
author
author
author
dc.subject.none.fl_str_mv Agricultura de Precisión
Cartografía Digital de Suelos
Textura del Suelo
Veris 3100®
topic Agricultura de Precisión
Cartografía Digital de Suelos
Textura del Suelo
Veris 3100®
purl_subject.fl_str_mv https://purl.org/becyt/ford/4.1
https://purl.org/becyt/ford/4
dc.description.none.fl_txt_mv La predicción espacial del contenido de arcillas (As) a escala de lote es requerida para la implementación de agricultura de precisión y modelos de simulación hidrológica. Sin embargo, la brecha de técnicas de cartografía que permitan establecer la heterogeneidad de As limita la capacidad para determinar su variabilidad. En este estudio, se evaluó el uso de conductividad eléctrica aparente (CEa) como variable auxiliar, dos esquemas de muestreo basados en modelos (EBM) (Hipercubo latino condicionado (HCL) y fuzzy c-medias (FCM)) e interpolación geoestadística (cokriging ordinario) para predecir As en un lote agrícola experimental de 25.18 has. Los resultados soportan los supuestos que (i) tanto HCL como FCM capturan adecuadamente la distribución total de la CEa; y (ii) As está cerradamente relacionado con CEa. En general, los resultados sugieren tres aspectos a tener en cuenta. Primero, el tipo de EBM afecta la eficiencia de la interpolación para predecir As; Segundo, únicamente 30 muestras de suelo son suficientes para obtener un mapa preciso de As (R2>0.73); y tercero, un conjunto de muestras de suelo independiente es lo más adecuado para validar la metodología propuesta. Interpolación espacial a partir de CEa y HCL proporcionó una leve mejora en la predicción espacial de As (R2= 0.78, RMSE=1.50%) que interpolación espacial a partir de CEa y FCM (R2= 0.73, RMSE=1.63%). Sin embargo, tanto interpolación con HCL como interpolación con FCM proporcionan una significativa mejora de información de As con respecto a las técnicas de cartografía convencional. Además, ambas interpolaciones son fáciles de replicar para otros lotes agrícolas. Por lo tanto, esto puede ser significativo para la implementación de manejo sitio específico de cultivos y para modelos de simulación hidrológica.
Spatial prediction of clay content at field scale is needed to implement precision agriculture and hydrological models. However, the lack of techniques that can detect clay content heterogeneity limits the ability to determine its variability. In this study, we tested the use of geostatistical interpolation (ordinary cokriging), apparent electrical conductivity (CEa) as auxiliary information and two model-based soil sampling schemes (EBM) (conditioned Latin hypercube (HCL) and fuzzy K-means (FCM) to predict clay content in an 25.18 ha agricultural field. Results support the underlying assumptions that both HCL and FCM capture adequately the full distribution of CEa; and that clay content was closely related to the CEa. Also, suggested that (i) the type of EBM affects the clay prediction model efficiency; (ii) a considerable soil sample reduction is possible when the proposed methodology is applied; (iii) an independent data set is most adequate to validate the proposed methodology; and (iv) the geostatistical interpolation based on CEa and HCL provided a slight improvement in the clay content prediction (R2 = 0.75, RMSE = 1.50%) compared to the geostatistical interpolation based on CEa and FCM (R2 = 0.73, RMSE = 1.69%). The proposed methodology provided a significant improvement of information on clay content with respect to soil survey techniques and is easy to replicate in other farm fields. Therefore, it can be significant to implement these findings in site-specific managements or hydrological simulations.
Fil: Castro Franco, Mauricio. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
Fil: Diaz, Hernan Julio. Universidad Nacional de Mar del Plata. Facultad de Ciencias Agrarias; Argentina
Fil: Quiroz Londoño, Orlando Mauricio. Universidad Nacional de Mar del Plata. Facultad de Ciencias Exactas y Naturales. Instituto de Geología de Costas y del Cuaternario. Provincia de Buenos Aires. Gobernación. Comisión de Investigaciones Científicas. Instituto de Geología de Costas y del Cuaternario; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
Fil: Ciccore, Pablo. Instituto Nacional de Tecnología Agropecuaria. Centro Regional Buenos Aires Sur. Estación Experimental Agropecuaria Balcarce. Área de Investigación en Agronomía; Argentina
Fil: Costa, Jose Luis. Instituto Nacional de Tecnología Agropecuaria. Centro Regional Buenos Aires Sur. Estación Experimental Agropecuaria Balcarce. Área de Investigación en Agronomía; Argentina
description La predicción espacial del contenido de arcillas (As) a escala de lote es requerida para la implementación de agricultura de precisión y modelos de simulación hidrológica. Sin embargo, la brecha de técnicas de cartografía que permitan establecer la heterogeneidad de As limita la capacidad para determinar su variabilidad. En este estudio, se evaluó el uso de conductividad eléctrica aparente (CEa) como variable auxiliar, dos esquemas de muestreo basados en modelos (EBM) (Hipercubo latino condicionado (HCL) y fuzzy c-medias (FCM)) e interpolación geoestadística (cokriging ordinario) para predecir As en un lote agrícola experimental de 25.18 has. Los resultados soportan los supuestos que (i) tanto HCL como FCM capturan adecuadamente la distribución total de la CEa; y (ii) As está cerradamente relacionado con CEa. En general, los resultados sugieren tres aspectos a tener en cuenta. Primero, el tipo de EBM afecta la eficiencia de la interpolación para predecir As; Segundo, únicamente 30 muestras de suelo son suficientes para obtener un mapa preciso de As (R2>0.73); y tercero, un conjunto de muestras de suelo independiente es lo más adecuado para validar la metodología propuesta. Interpolación espacial a partir de CEa y HCL proporcionó una leve mejora en la predicción espacial de As (R2= 0.78, RMSE=1.50%) que interpolación espacial a partir de CEa y FCM (R2= 0.73, RMSE=1.63%). Sin embargo, tanto interpolación con HCL como interpolación con FCM proporcionan una significativa mejora de información de As con respecto a las técnicas de cartografía convencional. Además, ambas interpolaciones son fáciles de replicar para otros lotes agrícolas. Por lo tanto, esto puede ser significativo para la implementación de manejo sitio específico de cultivos y para modelos de simulación hidrológica.
publishDate 2017
dc.date.none.fl_str_mv 2017-01
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/54891
Castro Franco, Mauricio; Diaz, Hernan Julio; Quiroz Londoño, Orlando Mauricio; Ciccore, Pablo; Costa, Jose Luis; Predicción del contenido de arcilla superficial mediante conductividad eléctrica aparente y esquemas de muestreo basados en modelos; Asociación Argentina de la Ciencia del Suelo; Ciencia del Suelo; 35; 1; 1-2017; 135-146
0326-3169
CONICET Digital
CONICET
url http://hdl.handle.net/11336/54891
identifier_str_mv Castro Franco, Mauricio; Diaz, Hernan Julio; Quiroz Londoño, Orlando Mauricio; Ciccore, Pablo; Costa, Jose Luis; Predicción del contenido de arcilla superficial mediante conductividad eléctrica aparente y esquemas de muestreo basados en modelos; Asociación Argentina de la Ciencia del Suelo; Ciencia del Suelo; 35; 1; 1-2017; 135-146
0326-3169
CONICET Digital
CONICET
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://ref.scielo.org/q5pv46
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Asociación Argentina de la Ciencia del Suelo
publisher.none.fl_str_mv Asociación Argentina de la Ciencia del Suelo
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1844614190869774336
score 13.070432