ANALISIS ESPACIAL DE LA FERTILIDAD DEL SUELO CON APOYO DE TÉCNICAS GEOESTADÍSTICAS Y REDES NEURONALES ARTIFICIALES

Resumen

Con la finalidad de predecir la variación de las clases de textura del suelo se aplicó un procedimiento alternativo que combina dos métodos de análisis espacial. El primer método, corresponde a la utilización de técnicas geoestadísticas para la interpolación de las propiedades individuales relacionadas con la distribución de tamaño de partículas del suelo. El segundo método consistió en la aplicación de técnicas de inteligencia artificial a través de un sistema de clasificación no supervisado basado en una red neuronal de agrupamiento borroso (FKCN, Fuzzy Kohonen Clustering Network) para la generación de un modelo digital de clases de textura del suelo, a partir de los mapas interpolados de arcilla, limo y arena. Para tal fin, se realizó un muestreo de 205 muestras superficiales del suelo en terrenos del Campo Experimental del Instituto de Desarrollo de Sistemas Sostenibles Agroambientales de la Universidad Nacional Experimental de los Llanos Centrales “Rómulo Gallegos”, ubicado en la cuenca del río San Juan del Municipio autónomo Juan Germán Roscio, estado Guárico, Venezuela. Para determinar la confiabilidad de los mapas individuales se realizó una validación cruzada y se empleó un grupo de datos independientes, y para la evaluación del producto final se realizó una evaluación cuantitativa mediante el uso de matrices de confusión y la exactitud global del modelo con un conjunto de datos independientes clasificados previamente. El mapa digital de clases de textura del suelo indicó que en el área de estudio predominan suelos de texturas arcillosas y franco-arcillosas. La validación del modelo de predicción de clases texturales del suelo arrojó una exactitud global de 81%, indicando un alto grado de correspondencia entre las clases evaluadas y la realidad presente en la capa superficial de los suelos.