Resumen

Se aplica un enfoque de cartografía digital del suelo a un terreno montañoso y complejo de los Andes ecuatorianos. Las características del relieve se derivan de un modelo de elevación digital y se utilizan como predictores de las clases de textura de la capa superior del suelo: arena, limo y arcilla. Se compara el rendimiento de tres métodos de aprendizaje estadístico: la regresión lineal, el bosque aleatorio y el refuerzo estocástico del gradiente de los árboles de regresión. En la regresión lineal, se aplica un procedimiento de selección de variables por pasos hacia atrás y el sobreajuste se controla minimizando el Cp de Mallow. En el caso de los bosques aleatorios y el boosting, se evalúa el efecto de los procedimientos de selección y ajuste de predictores. Se emplean 100 repeticiones de una validación cruzada de 5 veces de los procedimientos de modelización seleccionados para la validación, la evaluación de la incertidumbre y la comparación de métodos. La evaluación absoluta del rendimiento del modelo se consigue comparando el error de predicción del método seleccionado y la media. El método Boosting es el que mejor funciona, proporcionando predicciones que son fiablemente mejores que la media. La reducción media del error cuadrático medio se sitúa en torno al 5%. La elevación es el factor de predicción más importante. Todos los modelos distinguen claramente las crestas y las pendientes. Los patrones de textura predichos se interpretan como el resultado de secuencias de catena (eluviación de partículas finas en los hombros de las laderas) y deslizamientos (mezcla de horizontes de suelo mineral en las laderas).

• Materias:Agricultura Carbono Análisis de suelos Composición de suelos Metales Biosólidos
• Subjects:Agriculture Carbon Soil testing Soils composition Metals Biosolids
• Palabras claves:bosque aleatorio, regresión lineal, procedimientos de modelización seleccionados, error cuadrático medio, clase de textura de la arena, procedimientos de selección de variables, patrón de textura predicho, enfoque de cartografía del suelo, métodos de aprendizaje estadístico, evaluación del modelo
• Keywords:random forest, linear regression, selected modelling procedures, means square error, texture class sand, variable selection procedures, predicted texture pattern, soil mapping approach, statistical learning methods, assessment of model