Resumen

El paisaje de lodazales en pendiente de la zona de investigación, en el sur de los Andes de Ecuador, está dominado por suelos estancados con gruesas capas orgánicas. Se utilizó el algoritmo de partición recursiva Random Forest para predecir el patrón espacial de estancamiento del agua y el espesor de la capa orgánica a partir de los atributos del terreno. Se aplicó un suavizado del terreno de 10 a 30 m de resolución raster para obtener el mejor modelo posible. Con el mismo propósito, se probaron varios parámetros de ajuste del modelo y se aplicó una selección de prepredicadores con el paquete R Boruta. Las versiones del modelo se evaluaron y compararon mediante 100 repeticiones del cálculo del error cuadrático medio residual de una validación cruzada de cinco veces. A continuación, se utilizaron funciones de densidad específicas de la posición de los parámetros del suelo predichos para mostrar la incertidumbre de la predicción. La selección del prepredictor y el ajuste del algoritmo Random Forest dieron lugar en algunos casos a una mejora del rendimiento del modelo. Por lo tanto, recomendamos probar la selección y el ajuste del prepredictor para asegurarse de que se elige el mejor modelo posible. Esto requiere un énfasis particular en los complejos paisajes de suelo de las montañas tropicales, que suponen un verdadero reto para cualquier enfoque de mapeo de suelos, pero donde Random Forest ha demostrado ser exitoso debido a la prueba de ajuste del modelo y la selección del prepredictor.

• Materias:Agricultura Carbono Análisis de suelos Composición de suelos Metales Biosólidos
• Subjects:Agriculture Carbon Soil testing Soils composition Metals Biosolids
• Palabras claves:selección del prepredictor, mejor modelo posible, algoritmo random forest, algoritmo random forest, parámetros de suelo predichos, parámetros de sintonía del modelo, paisaje de lodazal en pendiente, patrón de estancamiento de agua, función de densidad específica, andes de ecuador
• Keywords:prepredictor selection, best possible model, algorithm random forest, random forest algorithm, predicted soil parameters, model tuning parameters, sloping mire landscape, water stagnation pattern, specific density function, andes of ecuador