Publicado 19-12-2023
Licencia
Área Ambiental

Predicción de la erosión del suelo mediante random forest: caso de estudio cuenca río grande, Antioquia

DOI: https://doi.org/10.22490/21456453.6755
Laura Isabel Arango Carvajal Universidad Nacional de Colombia

Contextualización: actualmente, el conocimiento de fenómenos naturales asociados a la preservación de los sistemas es de interés tanto para investigadores de las ciencias naturales, como para las autoridades ambientales encargadas de la toma de decisiones sobre el manejo de los recursos. En ese sentido, se ha venido trabajando en la interpretación y predicción de diferentes fenómenos físicos como la erosión, a fin de crear escenarios que permitan fortalecer los criterios de respuesta frente a la conservación del capital natural del suelo.

Vacío de conocimiento: la capacidad de predecir el fenómeno de la erosión es limitada en muchas ocasiones, debido a la cantidad y variabilidad de los parámetros y variables que son relacionados a la erosión. Además, en muchos casos se requiere de un alto procesamiento computacional para lograr que se asocien entre sí.

Propósito: se busca implementar un modelo de machine learning como herramienta alternativa para la modelación y predicción de la erosión.

Metodología: en este estudio, se desarrolla una modelación a partir del entrenamiento del método no paramétrico Random Forest, mediante el aprendizaje supervisado, para predecir la ocurrencia de la erosión en la cuenca de Río Grande, considerando las variables que previamente han sido empleadas en otros métodos para modelar este fenómeno.

Resultados y conclusiones: los resultados mostraron una capacidad para predecir la erosión en la cuenca con una precisión aproximada del 77%, por lo que este método puede ser aplicado para obtener predicciones rápidas y confiables. Además, se encontró que las variables empleadas en el modelo RUSLE explican mayoritariamente la ocurrencia, o no, de la erosión. Finalmente, se resalta la importancia de la variable “temperatura” introducida en el modelo.

Palabras clave: Erosión, Random Forest, modelos no paramétricos de clasificación
Licencia

Derechos de autor 2023 Revista de Investigación Agraria y Ambiental

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.

Cuando RIAA recibe la postulación de un original por parte de su autor, ya sea a través de correo electrónico o postal, considera que puede publicarse en formatos físicos y/o electrónicos y facilitar su inclusión en bases de datos, hemerotecas y demás sistemas y procesos de indexación. RIAA autoriza la reproducción y citación del material de la revista, siempre y cuando se indique de manera explícita el nombre de la revista, los autores, el título del artículo, volumen, número y páginas. Las ideas y conceptos expresados en los artículos son responsabilidad de los autores y en ningún caso reflejan las políticas institucionales de la UNAD
Cómo citar
Arango Carvajal, L. I. (2023). Predicción de la erosión del suelo mediante random forest: caso de estudio cuenca río grande, Antioquia. Revista De Investigación Agraria Y Ambiental, 15(1), 317-339. https://doi.org/10.22490/21456453.6755
Almétricas
Métricas
Archivos descargados
49
Jan 2024Jul 2024Jan 2025Jul 2025Jan 20269

DECLARACIÓN DE PRIVACIDAD: Según la Ley de Protección de Datos Personales (Ley 1581 de 2012), los nombres y direcciones de correo electrónico manejados por RIAA se usarán exclusivamente para los fines declarados por esta revista y no estarán disponibles para ningún otro propósito u otra persona. Los manuscritos enviados a la publicación solo son conocidos por el equipo editorial y por los pares evaluadores externos.

Diseño e implementado por