Análisis comparativo de modelos de regresión lineal y redes neuronales (RNA) para estimación de humedad volumétrica utilizando conductividad eléctrica aparente (CEa) en suelos andisoles y un vertisol en Chile.

Abstract

El contenido de agua en el suelo (Humedad volumétrica, θ) es un factor de gran importancia en la agricultura mundial, ya que se busca la eficiencia en el uso del recurso debido a su disponibilidad limitada. Se obtuvieron datos de CEa, a través de EMI (CMD-1) en suelos Andisoles y un Vertisol para para estimar θ. En una primera etapa la estimación de θ se complementó con temperatura de suelo inferida a través de datos de estación meteorológica, una segunda etapa con datos de termómetro en terreno y una tercera etapa con datos de temperatura de suelos con dataloggers. Al correlacionar la CEa con la Humedad volumétrica se obtuvieron coeficientes de correlación de 0,59, 0,6, 0,68 y 0,98 respectivamente por etapa, denotando una clara relación lineal positiva y una buen capacidad predictiva de la CEa sobre la θ, además de una correlación lineal positiva para las temperaturas de suelo y CEa, en todas las profundidades. Los modelos de regresión lineal múltiple para estimación de θ en base a CEa y o variables físicas de suelo presentan un R2 de 0,8, 0,54, 0,8, 0,99 respectivamente por etapa y las estimaciones a través de RNA con R2 de 0,82, 0,86, 0,97, 0,99 para cada etapa. De tal forma queda de manifiesto la gran capacidad predictiva de humedad volumétrica de suelos a través de RNA en relación a modelos de regresión lineal tradicionales, pudiendo ser una herramienta poderosa, simple y mejorada.