Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
SISLAC II – INTRODUCCIÓN AL SISTEMA DE
INFORMACIÓN DE SUELOS DE
LATINOAMÉRICA (parte II) - CARTOGRAFÍA
DIGITAL DE SUELOS, ...
• Contacto de personas y instituciones de LAC
• Créación de la Red LAC de “Sueleros” – La Carta de Rio
• 19 paises, 59 par...
Set/2011
Open to all governments, relevant
stakeholders and organizations.
Secretariat will implement the GSP
through Regi...
Cooperación entre la
Organización de las
Naciones Unidas para la
Agricultura y la
Alimentación (FAO) y la
Empresa Brasileñ...
Hacia El Sistema de Información de Suelos deHacia El Sistema de Información de Suelos de
Latinoamerica FASE IILatinoameric...
Capacitar investigadores de los países de
Latinoamérica y Caribe en Cartografía Digital
de Suelos, utilizando softwares li...
Los Instructores:
• Maria de Lourdes Mendonça-Santos – Embrapa
Solos, Brasil
•Gustavo Vasques – Embrapa Solos, Brasil
•Jes...
y los “alumnos, colegas de 20
países de América Latina y el
Caribe
Primer Curso Presencial – Septiembre 2012
Fue usada la modalidad de confección de “presentaciones expositivas” de cada mód...
Mapeo Digital de Suelos:
Introduccion y presupuestos
En 1886 - Dokuchaev hypothesis : S = f ((naturaleza del material del origen (contenido y
estructura), clima, vegetación, e...
La difusión: H. Jenny, 1941, El modelo Cl.O.R.P.T.La difusión: H. Jenny, 1941, El modelo Cl.O.R.P.T.
El modelo cuantitativo digitalEl modelo cuantitativo digital
S.C.O.R.P.A.NS.C.O.R.P.A.N..
(McBratney, Mendonça-Santos y Mi...
Year Event
1883 The Dokuchaev postulate
1899 The Dokuchaev equation
1886 The Dokuchaev hypothesis
1927 The Zakharov equati...
Como hacer MDS (Mapeo Digital de Suelos)?Como hacer MDS (Mapeo Digital de Suelos)?
- Presupuestos:- Presupuestos:
Predicie...
Técnicas de Predicción Espacial en PEDOMETRIATécnicas de Predicción Espacial en PEDOMETRIA
1. Métodos Clásicos
(Cl.o.r.p.t...
DSM - PresupuestosDSM - Presupuestos
Datos de Suelos
(Descr. Perfiles,
Laboratorio, sensores)
Datos Auxiliares
(Imágenes, ...
DSM - PresupuestosDSM - Presupuestos
S – Suelo (mapas, perfiles)
C – Clima (temperatura...)
Img. satélite
O – Mapas de Uso...
1
Specifications
Version 1 GlobalSoilMap.net
products
Release 2.1
These specifications are expected to remain
valid for a ...
RESULTADOS DE LOS PAISES
Brasil
Covariables ambientales:
Altitud (Elevacao)
 Declividad de la pendiente(Slope)
 Orientación de la
pendiente(Aspec...
lm(formula = log(Carb_5_15) ~ sqrt(Elevacao) + Curvatura_perfil +
Precipit_media_ano +Temp_media_ano^2 + log10(Banda1_Modi...
ARGENTINA
CHILE
Carbono Orgánico
Profundidad 0-5 cm
Unidad: g/kg
COSTA RICA
ECUADOR
ECUADOR
Flujograma general del proceso de generación de mapas.
1) Generar
covariables
ambientales
SAGA
2) Cruzar
covariables con
p...
El SALVADOR
El SALVADOR
PARAGUAY
Y (g/kg) = 18.727 + (0.016*band4) + (183.232*catchment area) + (4204.920*profile curvature) – (2214.144*plan
curv...
Modelo digital de elevación (MDE), desarrollado por la NASA, Imágenes LandSat ETM+;
Capa geoespacial de la frontera del pa...
VENEZUELA
PERU
Compromisos de SISLAC II
a. Preparación de un Paquete y Programa de Capacitación
(Toolbox) en Cartografía Digital de Suelo...
Los principales resultados del Acuerdo fueron alcanzados y
más de 70 científicos tuvieron la oportunidad de capacitarse e...
Participantes del Primer Curso Presencial en
Cartografía Digital de Suelos
Verónica Isabel Sapino -Argentina
Hernán Figuer...
Maria de Lourdes Mendonça-Santos
Ph.D. Ciencia del Suelo y Geomatica
Embrapa Solos
Lourdes.mendonca@embrapa.br
El Carbono en Brasil: Metodología
Se utilizaron tres bases de datos y compilados de suelos disponibles: Embrapa Solos, SIP...
SISLAC II - Introducción al Sistema de Información de Suelos de Latinoamérica (Parte II) - Cartografía digital de suelos, ...
SISLAC II - Introducción al Sistema de Información de Suelos de Latinoamérica (Parte II) - Cartografía digital de suelos, ...
SISLAC II - Introducción al Sistema de Información de Suelos de Latinoamérica (Parte II) - Cartografía digital de suelos, ...
Upcoming SlideShare
Loading in …5
×

SISLAC II - Introducción al Sistema de Información de Suelos de Latinoamérica (Parte II) - Cartografía digital de suelos, el caso del Carbono - Maria de Lourdes Mendonça-Santos

1,735 views

Published on

Presentación de Maria de Lourdes Mendonça de EMBRAPA-SOLOS sobre las actividades de capacitación en cartografía de suelos y sistemas de información, como parte del SISLAC, en el marco del Taller de la Alianza Sudamericana por el Suelo, realizado en Santiago de Chile los días 2 al 5 de marzo de 2015.

  • Be the first to comment

  • Be the first to like this

SISLAC II - Introducción al Sistema de Información de Suelos de Latinoamérica (Parte II) - Cartografía digital de suelos, el caso del Carbono - Maria de Lourdes Mendonça-Santos

  1. 1. SISLAC II – INTRODUCCIÓN AL SISTEMA DE INFORMACIÓN DE SUELOS DE LATINOAMÉRICA (parte II) - CARTOGRAFÍA DIGITAL DE SUELOS, el caso del Carbono Maria de Lourdes Mendonça-Santos Ph.D. em Suelos y Geomática Miembro del GTIS, GSP/FAO EMBRAPA – CNPS- Centro Nacional de Investigación en Suelos, Brazil
  2. 2. • Contacto de personas y instituciones de LAC • Créación de la Red LAC de “Sueleros” – La Carta de Rio • 19 paises, 59 participantes (puntos focales) • Inventario de Suelos de los paises • Datos de Suelos con diferentes formatos, métodologias, etc. • Dados sensillos para los países 1 Specifications Version 1 GlobalSoilMap.net products Release 2.1 These specifications are expected to remain valid for a period of 2 years from the date of endorsement Date of Endorsement: July xx, 2011
  3. 3. Set/2011 Open to all governments, relevant stakeholders and organizations. Secretariat will implement the GSP through Regional Partnerships (hosted at FAO; part of its funding from FAO’s ITPS- 27 high level scientists providing scientific & technical advice to GSP & FAO. (selected and appointed through country representatives to FAO). Alianza Mundial para el Suelo
  4. 4. Cooperación entre la Organización de las Naciones Unidas para la Agricultura y la Alimentación (FAO) y la Empresa Brasileña de Investigación Agropecuaria (Embrapa /Embrapa Suelos), con la colaboración del Instituto Nacional de Tecnología Agropecuaria (INTA) de Argentina
  5. 5. Hacia El Sistema de Información de Suelos deHacia El Sistema de Información de Suelos de Latinoamerica FASE IILatinoamerica FASE II  Carta de Acuerdo entre FAO e EMBRAPA. Financiamiento de la FAO para contribuir al desarrollo del Sistema de Información de Suelos de ALC (actividades dentro del proceso a largo plazo).  Objetivo: desarrollo de capacidades en cartografía digital de suelos en 20 países de ALC, a través de ‘‘capacitación en el trabajo’’.  Desarrollo de un toolbox de capacitación en cartografía digital de suelos  Implementación de la capacitación presencial y no presencialGeneración de mapas de propiedades de suelos usando MDS (de acuerdo con la disponibilidad de datos)
  6. 6. Capacitar investigadores de los países de Latinoamérica y Caribe en Cartografía Digital de Suelos, utilizando softwares libres: R (para las análises estadísticas) y SAGA GIS (para las análises de GIS) Objectivo
  7. 7. Los Instructores: • Maria de Lourdes Mendonça-Santos – Embrapa Solos, Brasil •Gustavo Vasques – Embrapa Solos, Brasil •Jesus Mansilla Bacca – Embrapa Solos, Brasil •Ricardo Dart – Embrapa Solos, Brasil •Guillermo Olmedo – INTA, Argentina
  8. 8. y los “alumnos, colegas de 20 países de América Latina y el Caribe
  9. 9. Primer Curso Presencial – Septiembre 2012 Fue usada la modalidad de confección de “presentaciones expositivas” de cada módulo con scripts para los ejercicios prácticos y datos correspondientes. Para el Curso a Distancia fueron elaborados videos, que acompañaban dados y scripts, para cada módulo y fue mantenido el mismo contenido del Primer Curso Presencial. Los módulos fueron los siguientes: a.Introducción a la Cartografía Digital de Suelos – Teoría (2 h) b. Introducción al R – Teoría y Práctica (2 h) c. Introducción al SAGA-GIS - Práctica (1 h) d. Preparación de covariables ambientales – Práctica (1.5 h) e. Integración de los datos de suelos con las covariables ambientales – Práctica (2 h) f. Organización, calidad y análisis exploratorio de datos – Teoría (1.5 h) g. Análisis exploratorio de datos – Práctica (2.5 h) h. Modelado paramétrico – Teoría (1.5 h) i.Modelado paramétrico: regresión lineal – Práctica (2.25 h) j. Modelado no paramétrico: redes neuronales artificiales – Teoría y Práctica (2 h) k. Modelado no paramétrico: árbol de regresión – Teoría y Práctica (1.75 h) l. Introducción a la geoestadística – Teoría (1.5 h) m. Kriging de los residuos del modelo lineal – Práctica (2.25 h) n. Producción de mapas del C del suelo utilizando los modelos generados – Práctica (1 h) o. Análisis de la incertidumbre de los modelos y mapas – Teoría (1.25 h) p. Análisis de la incertidumbre de los modelos y mapas – Práctica (1.75 h) Para el Segundo Curso Presencial – Noviembre 2013 - fue empleada la modalidad “exposiciones mínimas necesarias” y asistencia (tutoría) por parte de los instructores teniendo el siguiente contenido: a. “Función de profundidad” - Teoría y Práctica (2 h) b. Flujo de los siguientes procesos (30 h) - Preparación de los atributos usando la “Función de profundidad” - Preparación de las covariables y su integración con los datos de suelos - Modelado con regresión lineal de atributo del suelo y covariables - Determinación de los residuos y aplicación del modelado geoestadístico - Predicción del atributo empleando las covariables y los parámetros determinados - Producción del mapa del atributo. El Contenido
  10. 10. Mapeo Digital de Suelos: Introduccion y presupuestos
  11. 11. En 1886 - Dokuchaev hypothesis : S = f ((naturaleza del material del origen (contenido y estructura), clima, vegetación, edad, topografía)) Vasily Docuchaev y Sergey ZakharovVasily Docuchaev y Sergey Zakharov
  12. 12. La difusión: H. Jenny, 1941, El modelo Cl.O.R.P.T.La difusión: H. Jenny, 1941, El modelo Cl.O.R.P.T.
  13. 13. El modelo cuantitativo digitalEl modelo cuantitativo digital S.C.O.R.P.A.NS.C.O.R.P.A.N.. (McBratney, Mendonça-Santos y Minasny, Geoderma,2003)(McBratney, Mendonça-Santos y Minasny, Geoderma,2003) Sc,p = f (s.c.o.r.p.a.n) + ɛ
  14. 14. Year Event 1883 The Dokuchaev postulate 1899 The Dokuchaev equation 1886 The Dokuchaev hypothesis 1927 The Zakharov equation Translation of the Dokuchaev hypothesis into English The First International Congress of Soil Science 1930 The Shaw equation 1941 The Wilde equation The Jenny equation - ClORPT 2003 SCORPAN model La cronología de los acontecimientosLa cronología de los acontecimientos relacionados con la hipótesis de Dokuchaevrelacionados con la hipótesis de Dokuchaev I.V. Florinsky. The Docuchaev Hypothesis as a basis for predictive Digital Soil Mapping . Eurasian Soil Science, 2012, Vol.45, No. 4, pp. 445-451
  15. 15. Como hacer MDS (Mapeo Digital de Suelos)?Como hacer MDS (Mapeo Digital de Suelos)? - Presupuestos:- Presupuestos: Prediciendo valores en lugares no medidos, a través del uso de datos medidos, covariantes ambientales y funciones matemáticas. Valores conocidos Valores no conocidos
  16. 16. Técnicas de Predicción Espacial en PEDOMETRIATécnicas de Predicción Espacial en PEDOMETRIA 1. Métodos Clásicos (Cl.o.r.p.t) 2. Métodos Geoestadísticos 3. Métodos Híbridos Combinación de 1 y 2 (S.c.o.r.p.a.n+kriging) ClORPT Híbrido Geoestatístico Mapa Digital de clase y/o de propiedades de suelos ModelosEmpíricos, Determinístico ModelosEstocástico +Determinísticos ModelosEmpíricos, Estocásticos McBratney et al., (2000) - Geoderma, 97 : 293-327
  17. 17. DSM - PresupuestosDSM - Presupuestos Datos de Suelos (Descr. Perfiles, Laboratorio, sensores) Datos Auxiliares (Imágenes, Uso Actual, MNT e Derivadas, Litologia, Geomorfologia, Suelos...) Sistema Espacial de Inferência de Solo (modelagem e predição espacial de variáveis de solo) DSM de Propiedads de Suelo (pH, textura, Carbono, N,P,K,...) DSM de Clases de Suelo (tipos de suelo, clase de textura, color... Aplicaciones del Modelo Mendonça-Santos et al., (2007) – Boletim de Pesquisa – Embrapa Solos Mendonça-Santos et al., (2008) In:Digital Soil Mapping with limited data, 2008 Sc,p = f (s.c.o.r.p.a.n) + e PTFs
  18. 18. DSM - PresupuestosDSM - Presupuestos S – Suelo (mapas, perfiles) C – Clima (temperatura...) Img. satélite O – Mapas de Uso del Suelo, NDVI, Biomasa R – MNT + Derivadas Altitud Aspecto Pendiente Perfil de Curvatura Curvatura de la Superfície Índice de humedad (CTI) P – Litología A – Edad (pedogénesis) N – Localización espacial (X,Y)  Modelos de regresión lineal  Modelos lineales generalizados  Modelos aditivos generalizados  Modelos de Árboles – clasificación y regresión  Redes Neurales Artificiales Sistemas de Lógica Fuzzy  Sistemas (conocimiento) Expert (f)
  19. 19. 1 Specifications Version 1 GlobalSoilMap.net products Release 2.1 These specifications are expected to remain valid for a period of 2 years from the date of endorsement Date of Endorsement: July xx, 2011
  20. 20. RESULTADOS DE LOS PAISES
  21. 21. Brasil Covariables ambientales: Altitud (Elevacao)  Declividad de la pendiente(Slope)  Orientación de la pendiente(Aspecto)  Curvatura dela pendiente(Curvatura)  Curvatura plana (Curvatura_plana)  Curvatura del perfil (Curvatura_perfil)  Índice Topográfico de Humedad (CTI)  Media anual de precipitación (Precipit_media_ano)  Media anual de temperatura (Temp_media_ano)  Valores de las bandas 1, 2, 3, 4, 5, 6 y 7 de la imagen Modis (MODIS_Band1…7)  Índice de Vegetación por Diferencia Normalizada de la imagen Modis(NDVI) - 9 mil perfiles de suelos Equipo da Embrapa Solos: M.L. Mendonça Santos (coord.) Jesus Mansilla Baca Gustavo Vasques Ricardo dart Método de Regresión Lineal Múltiple para cada profundidad: lm(formula = log(Carb_0_5) ~ sqrt(Elevacao) + Curvatura_perfil + Precipit_media_ano + Temp_media_ano^2 + log10(MODIS_Band1) + MODIS_Band2 + log(MODIS_Band4) -1, data = da[which(da$TV == "T"), ])
  22. 22. lm(formula = log(Carb_5_15) ~ sqrt(Elevacao) + Curvatura_perfil + Precipit_media_ano +Temp_media_ano^2 + log10(Banda1_Modis) + Banda2_Modis + log(Banda4_Modis) -1, data = da[which(da$TV == "T"), ]) lm(formula = log(Carb_15_30) ~ Temp_media_ano^2 + Precipit_media_ano + Banda1_Modis + Banda2_Modis + Banda5_Modis + Banda6_Modis + NDVI + Aspecto + log(Elevacao) -1, data = da[which(da$TV = "T"), ])
  23. 23. ARGENTINA
  24. 24. CHILE Carbono Orgánico Profundidad 0-5 cm Unidad: g/kg
  25. 25. COSTA RICA
  26. 26. ECUADOR
  27. 27. ECUADOR
  28. 28. Flujograma general del proceso de generación de mapas. 1) Generar covariables ambientales SAGA 2) Cruzar covariables con perfiles de suelos SAGA 4) Hacer join entre horizontes artificiales de propiedades del suelo y covariables ambientales EXCEL 3) Generar horizontes artificiales de propiedades del suelo a 3 profundidades R Studio Datos •Modelo Digital de Elevación •Imagen Landsat •Perfiles de suelos •Covariables ambientales •Horizontes de suelos con profundidad mínimay máxima •Horizontes artificiales •Perfiles con covariables 1 Procesos, software Mapas de covariables: Aspect, normalizad vegetación index, Banda1, Banda2, etc Salidas Perfiles de suelos con atributos de las covariables ambientales Grid en formato texto Horizontes artificiales de propiedades del suelo a profundidades requeridas Horizontes de propiedades del suelo a 3 profundidades, con datos de covariables De aquí en adelante el proceso habrá de repetirse las veces que resulten de: propiedades x 3 profundidades 1) Generar covariables ambientales SAGA 2) Cruzar covariables con perfiles de suelos SAGA 4) Hacer join entre horizontes artificiales de propiedades del suelo y covariables ambientales EXCEL 3) Generar horizontes artificiales de propiedades del suelo a 3 profundidades R Studio Datos •Modelo Digital de Elevación •Imagen Landsat •Perfiles de suelos •Covariables ambientales •Horizontes de suelos con profundidad mínimay máxima •Horizontes artificiales •Perfiles con covariables 1 Procesos, software Mapas de covariables: Aspect, normalizad vegetación index, Banda1, Banda2, etc Salidas Perfiles de suelos con atributos de las covariables ambientales Grid en formato texto Horizontes artificiales de propiedades del suelo a profundidades requeridas Horizontes de propiedades del suelo a 3 profundidades, con datos de covariables De aquí en adelante el proceso habrá de repetirse las veces que resulten de: propiedades x 3 profundidades 5) Hacer análisis exploratorio y depurar datos R Studio 6) Generar modelo de la tendencia global por propiedad y profundidad R Studio 8) Generar mapas por propiedad y profundidad SAGA 7) Aplicar kriging de los residuos por propiedad y profundidad R Studio Horizontes de propiedades del suelo a 3 profundidades, con datos de covariables •Variables del modelo •Horizontes de propiedades del suelo clasificados en de validación (20%) y Calibración (80%) •Tabla datos de calibración del modelo (horizontes que se utilizarán) •Grid en formato texto, creado en paso 2 •Fórmula del modelo de RLM (paso 6) •Mapas de covariables (Paso 1) •Mapa grid de resíduos krigeados •Tabla datos de validación del modelo •Gráficos de propiedades del suelo •Selección preliminar de variables del modelo de RLM •Horizontes de propiedades del suelo depurados de datos nulos o incompletos •Fórmula del modelo de RLM •Tabla datos de calibración del modelo (horizontes que se utilizarán) •Tabla datos de validación del modelo (datos testigo) •Mapa grid de resíduos krigeados •Tabla de residuos Mapas de propiedades del suelo a 3 profundidades Mapa vectorial de puntos para análisis incetidumbre 1 5) Hacer análisis exploratorio y depurar datos R Studio 6) Generar modelo de la tendencia global por propiedad y profundidad R Studio 8) Generar mapas por propiedad y profundidad SAGA 7) Aplicar kriging de los residuos por propiedad y profundidad R Studio Horizontes de propiedades del suelo a 3 profundidades, con datos de covariables •Variables del modelo •Horizontes de propiedades del suelo clasificados en de validación (20%) y Calibración (80%) •Tabla datos de calibración del modelo (horizontes que se utilizarán) •Grid en formato texto, creado en paso 2 •Fórmula del modelo de RLM (paso 6) •Mapas de covariables (Paso 1) •Mapa grid de resíduos krigeados •Tabla datos de validación del modelo •Gráficos de propiedades del suelo •Selección preliminar de variables del modelo de RLM •Horizontes de propiedades del suelo depurados de datos nulos o incompletos •Fórmula del modelo de RLM •Tabla datos de calibración del modelo (horizontes que se utilizarán) •Tabla datos de validación del modelo (datos testigo) •Mapa grid de resíduos krigeados •Tabla de residuos Mapas de propiedades del suelo a 3 profundidades Mapa vectorial de puntos para análisis incetidumbre 1 El SALVADOR Sol María Muñoz Aguillón (MARN) René Vicente Arévalo (CENTA) 8 Atributos del suelo x 3 profundidads
  29. 29. El SALVADOR
  30. 30. El SALVADOR
  31. 31. PARAGUAY Y (g/kg) = 18.727 + (0.016*band4) + (183.232*catchment area) + (4204.920*profile curvature) – (2214.144*plan curvature) + (0.031*srtm) – (154.086*slope) Los materiales utilizados:  Armonización de los perfiles en profundidad a través de la función de profundidad (depth function R), para obtener el valor de C.org en las profundidads (0-5), (5-15), (15-30)…  Modelo digital de elevación MDE: (SRTM de la NASA, resol. espacial 90mts)  Mosaico de imágenes Landsat ETM+ (Landsat Geocover Mosaic, NASA), bandas 2, 4, 7. (resol. espacial original 14,25 mts).  Información de suelos de la RENARE: 294 calicatas georeferenciadas con información descriptiva y analítica.
  32. 32. Modelo digital de elevación (MDE), desarrollado por la NASA, Imágenes LandSat ETM+; Capa geoespacial de la frontera del país, Perfiles de suelos descritos (310 puntos.) VENEZUELA
  33. 33. VENEZUELA
  34. 34. PERU
  35. 35. Compromisos de SISLAC II a. Preparación de un Paquete y Programa de Capacitación (Toolbox) en Cartografía Digital de Suelos – LISTO! b. Capacitación en Cartografía Digital de Suelos – LISTO! c. Generación de mapas de atributos de suelos (utilizando técnicas de cartografía digital) en areas piloto conforme a la disponibilidad de datos – Carbono (algunos países) d. Envío de los mapas generados al CIAT para incorporación en el Sistema de Información de Suelos de Latinoamérica, SISLAC I – LISTO!
  36. 36. Los principales resultados del Acuerdo fueron alcanzados y más de 70 científicos tuvieron la oportunidad de capacitarse en Cartografía Digital de Suelos a través de los cursos presenciales y a distancia; Mapas de propiedades del suelo (principalmente carbono) fueron producidos en áreas de estudio de diferentes países, lo que muestra el resultado positivo de la capacitación de los técnicos; Sin embargo, algunas dificultades se presentaron relacionadas al entendimiento de conceptos básicos de (geo)estadística, lenguaje de programación y sistemas de información geográfica. En el Segundo Curso Presencial tuve también impedimentos debido a la organización de los datos de los países. CONCLUSIONES
  37. 37. Participantes del Primer Curso Presencial en Cartografía Digital de Suelos Verónica Isabel Sapino -Argentina Hernán Figueredo Ticona - Bolivia Priscila Andrea Carrasco Molina - Chile Ricardo Fabián Siachoque Bernal - Colombia Albn Rosales Ibarra - Costa Rica René Ricardo Montero Casa - Cuba Sol María Muñoz Aguillón - El Salvador Augusto Rafael Gonzalez Artieda - Ecuador Rovoham Mardoqueo Monzón Miranda - Guatemala Glória Elizabeth Arevalo Valderrama - Honduras Efrain Lucrecio Acuña Espinal - Nicaragua Lwonel Agudo Martínez - Panamá Arnulfo Encina Rojas – Paraguay Julio Cesar Nazario Rios – Perú Amadeo Petilu Escarramán Rodriguez - Republica Dominicana Martin Dell'Acqua Pelufo – Uruguay Participantes del Segundo Curso Presencial en Cartografía Digital de Suelos Dario Martin Rodriguez – Argentina Hernán Figueredo Ticona - Bolívia Priscila Andrea Carrasco Molina - Chile Carlos Enrique Castro Mendez - Colombia Maryory Rodríguez Atehortúa – Colombia - CIAT Araceli Castro – Colombia - CIAT Albán Rosales Ibarra - Costa Rica René Ricardo Montero Casas - Cuba Sol María Muñoz Aguillón – El Salvador Augusto Rafael Gonzalez Artieda - Ecuador Rovoham Mardoqueo Monzón Miranda - Guatemala Glória Elizabeth Arevalo Valderrama - Honduras Gilberto Xix Ake - Mejico Efrain Lucrecio Acuña Espinal - Nicaragua Lwonel Agudo Martínez - Panamá Arnulfo Encina Rojas - Paraguay Julio Cesar Nazario Rios - Peru Amadeo Petilu Escarramán Rodriguez – R.Dominicana Sebastian Varela Quintela - Uruguay Victor Alirio Sevilla Linares - Venezuela Ronald Vargas - FAO
  38. 38. Maria de Lourdes Mendonça-Santos Ph.D. Ciencia del Suelo y Geomatica Embrapa Solos Lourdes.mendonca@embrapa.br
  39. 39. El Carbono en Brasil: Metodología Se utilizaron tres bases de datos y compilados de suelos disponibles: Embrapa Solos, SIPAM y ESALQ, que fueron analizados inicialmente para detectar errores manifiestos, tales como datos repetidos, inconsistencias de valores de profundidas de los horizontes, datos fuera del dominio de valores de cada atributo, la falta de ubicación geográfica de los puntos de muestreo, etc. Después de las correcciones, los solos de la hoja de datos llegaron unos 9.000 perfiles de suelo, cada uno compuesto por 3-5 horizontes, sendo que el número de horizontes utilizados en el modelado variou para cada profundidad, dependiendo de la disponibilidad de datos. Esses datos fueron separados por bioma, en conjunto de treinamiento (80%0 y de validación (20%). Para la estimativa de COS en las profundidas de COS 0-5, 5-15 y 15-30 cm, se utilizaron covariables ambientales relacionados con COS : datos climáticos (precipitación y temperatura), biomas, imágenes de satélite (MODIS), el índice de vegetación por diferencia normalizada (NDVI) y el modelo de elevación digital de la Shuttle Radar Topography Mission (SRTM) con suyas derivadas. Los softwars utilizados fueran el SAGA GIS, ArcGIS, Access, Excel, Python y R. Se utilizó el método de modelo de regresión lineal múltiple en el que COS es una función de las covariables ambientales. COS fue modelado por separado en cada profundidad utilizando los respectivos conjuntos de información. Mapas COS se generaron a tres profundidades a través de píxel por píxel de COS de los modelos de regresión ajustados, siendo adoptados píxels de 1 km de resolución en función de la esclaa de algunas covariables utilizadas. Los modelos fueron validados utilizando el 20% de los datos separados al azar y índices de incertitumbre utilizados ampliamente en MDS, como el coeficiente de determinación (R2) y el error cuadrático medio (RMSE).

×