análisis comparativo gráfico de métodos de interpolación

91

Revista de Agricultura, Nro. 62 - Septiembre de 2020

Análisis y Caracterización de Suelos

Análisis comparativo gráfico de métodos de interpolación en tres programas SIG

sobre dos propiedades del suelo en Tarija

Reynaldo Victoria Choque 1; Javier Burgos Villegas 2; Ramiro Iriarte Ardaya 2

1 Facultad de Ciencias Agrícolas y Pecuarias - Universidad Mayor de San Simón 2 Centro de Investigaciones y Servicios en Teledetección (CISTEL) (FCAyP-UMSS)

E mail: [email protected]

Resumen. La agricultura, actualmente, exige conocer más acerca de las propiedades del suelo; sin embargo, para obtener datos de suelos, se requiere análisis en laboratorio, con altos costos que no están al alcance de la mayoría de los agricultores. Los métodos de interpolación para el mapeo digital de suelos, basados en algoritmos, son una alterna-tiva para la obtención de información y datos mediante predicción estadística. Los pro-gramas SIG más utilizados son ArcGIS, QGIS y GvSIG, aplicando métodos de interpola-ción como IDW; Kriging y VMP. Para este procedimiento es necesario contar con datos distribuidos dentro del área a interpolar. La investigación se realizó con datos del depar-tamento de Tarija, sobre dos propiedades del suelo: materia orgánica y textura, aplican-do el método de validación cruzada para validar los resultados de los mapas rasters. Los resultados muestran que el método Kriging, tanto en el programa ArcGIS y GvSIG, son los que más se acercan a la realidad de los suelos, con Error Medio Cuadrático igual a 1.21 y 1.19, respectivamente para materia orgánica, seguido por el método IDW, con una media de 1.18 en los tres programas. Los mapas con mejor distribución de característi-cas de los suelos son los obtenidos por el método Kriging. Palabras clave: Análisis y caracterización de suelos; Análisis geoestadístico; Mapeo digital Summary: Graphical comparative analysis of interpolation methods in three GIS programs on two soil properties at Tarija. Agriculture currently requires to know more about the soil properties; however, In order to obtain soil data, Laboratory analysis is required with high costs that is not attainable to most farmers. Interpolation methods for digital soil mapping, based on algorithms, are an alternative to obtain data and infor-mation through statistical prediction. The most used GIS programs are ArcGIS, QGIS and GvSIG, applying interpolation methods such as IDW; Kriging and VMP. For this proce-dure it is necessary to have soil data distributed within the area to be interpolated. The research was carried out with data from Tarija department on two soil properties: organic matter and texture, applying the cross-validation method to validate the results of the raster maps. The results show that the Kriging method in both ArcGIS and GvSIG pro-grams are those that are closest to the reality of soils, with Mean Square Error equal to 1.21 and 1.19 respectively for organic matter, followed by the IDW method with an aver-age of 1.18 in the three programs The maps with the best distribution of soil characteris-tics are those obtained by the Kriging method. Keywords: Analysis and characterization of soils; Geostatistical analysis; Digital mapping

92

ISSN 1998 - 9652


Introducción A medida que avanza el campo de la agricultura, exige cada vez más conoci-mientos de las propiedades del suelo, con el fin de mejorar la producción. Obtener estos datos implica llevar muestras de suelos a laboratorio, siendo los costos elevados, no accesibles para la mayor parte de agricultores, que realizan dichas actividades de manera familiar. Los SIG (Sistemas de Información Geo-gráfica) son una herramienta de extrapo-lación e interpolación de datos entre sus múltiples funciones. Con los datos reco-pilados de diferentes gestiones, en un área de selección, se puede generar ma-pas de toda una región con un alto índice de probabilidad de aceptación. El presente trabajo está basado en tres programas SIG: ArcGIS, QGIS y GvSIG, los dos últimos son de licencia libre. Los mismos incluyen diferentes métodos de interpolación. La interpolación de datos ofrece la ventaja de extrapolar valores y generar mapas o superficies continuas, a partir de datos discretos; sin embargo, la utilización de una buena cantidad de puntos del área en estudio, limita su utili-zación (Johnston et al. 2001). Su uso está extendido sobre todo en la representación de variables físicas, debido a la continui-dad espacial de dichos fenómenos (Canto 1998; Slocum et al. 2005). Dependiendo del tipo de datos analiza-dos, su costo y dificultad de obtención, determinan el aporte real que presenta un método de interpolación. Otro aspecto a mencionar, es la precisión en el mapa generado, a partir de las características presentes en un suelo dentro del área de estudio, dependerá en gran medida de la distribución espacial de los datos, donde

entre más fuerte la correlación espacial, mejor la calidad del mapa elaborado (Kravchenko 2003). El objetivo general del estudio fue anali-zar y comparar, mediante programas SIG, diferentes métodos de interpolación, en el área del departamento de Tarija, em-pleando datos de materia orgánica y tex-tura. Finalizado el estudio, se obtuvieron ma-pas de suelos, con los cuales, luego de una comparación visual y estadística entre los mismos, se pudo establecer el método de interpolación más adecuado de aplicar, durante un estudio de suelos de similares características. Materiales y métodos Selección y contexto de la zona de estu-dio. Debido a una buena disponibilidad de datos, el área de estudio que fue selec-cionada es el departamento de Tarija. Se encuentra situado entre los meridianos 62º15’ y 62º20’ de longitud Oeste y los paralelos 20º50’ y 22º50’ de latitud Sur; tiene una superficie de 37.623 km2. Vegetación. Según Killeen et al. (1993), en el departamento se presentan dos grandes regiones fitogeográficas que son: Los Andes y el Gran Chaco. En la región de Los Andes, se tiene la región de bos-que Tucumano-Boliviano, los valles se-cos interandinos, la puna y formaciones alto andinas. En la región del Gran Cha-co, se tiene el bosque seco Chaqueño, que domina la llanura Chaqueña y el bosque Serrano Chaqueño, en las estriba-ciones de la Cordillera Oriental. Metodología. Se seleccionó los progra-mas más usados en nuestro medio, que son: ArcGIS v. 10.1, QGIS v. 2.10 y

93



GvSIG v. 1.12, para realizar las compa-raciones de interpolaciones de datos de suelos en sus diferentes métodos. Para obtener la base de datos se comenzó recopilando toda la información existente sobre suelos a nivel nacional, ya sea de bases de datos digitales e impresos o de trabajos realizados en diferentes sectores. Para lograr el objetivo se tuvo acceso a la base de datos de propiedades de suelos de CISTEL, los mismos que se encontraban en planillas electrónicas individuales, para cada punto de muestreo, los cuales se revisaron, seleccionando aquellos que tenían los datos requeridos para la mode-lización. División del área de estudio. Dentro del área de estudio (Tarija), se tenía un total de 857 puntos de datos. Para realizar el análisis geoestadístico en ArcGIS, el máximo número de puntos a considerar es de 500, para evitar errores durante el análisis. Por esta razón el área de estudio fue dividida en dos sectores (Figura 1). Considerando las características fisiográ-ficas, según imagen satelital, se tiene dos regiones, denominados Sector A (suelo descubierto) y Sector B (suelo cubierto).

Figura 1. División del área de estudio en dos sectores (Fuente: Imagen Google Earth, editada por Reynaldo Victoria)

Análisis geo-estadístico. Según el méto-do de interpolación Kriging, era necesa-rio realizar análisis geo estadísticos a los datos, obteniendo parámetros estadísticos de normalidad de datos, mediante repre-sentación de barras (histogramas) o me-diante gráficos de cuantil cuantil (Q-Q) de normalidad, se buscó obtener líneas de tendencia de los datos mediante ecuacio-nes de segundo o tercer orden, de tal modo de llevar los datos a una nube de variograma, para determinar gráficamen-te si se encuentran correlacionados entre sí. De los tres programas SIG elegidos, to-dos presentaban el método de interpola-ción IDW (Inverso a la Distancia); el método Kriging no estaba presente en el programa QGIS, en lugar de este método se trabajó con el método VMP (Vecino más Próximo). El análisis geoestadistico realizado, ayu-dó para ajustar parámetros en el método Kriging, este es el único que lo exigía. En el caso de los métodos IDW y VMP, hacer correr el modelo, no exigía tomar en cuenta parámetros estadísticos. Obtenidos los mapas de los diferentes programas y métodos, se hizo una com-paración visual y estadística. La primera se hizo con la intención de ver como hace la representación de las características del suelo, el programa y método; el segundo se hizo para hacer una comparación con datos reales, ubicados en el mismo punto geográfico. Aplicando el método de validación cru-zada, se obtuvo estadísticos sencillos, como el error máximo, mínimo, la media del error y el EMC (error medio cuadráti-co) estadístico que ayuda a validar el método de interpolación.

94

ISSN 1998 - 9652


Resultados y discusión Las variables consideradas en el estudio fueron materia orgánica, arcilla, limo, arena, todas expresadas en porcentaje. Materia orgánica La Figura 2, muestra el sector A, con 467 puntos de datos sobre materia orgánica del suelo, de los cuales el 11% (51 pun-tos) fueron elegidos aleatoriamente me-diante software, seleccionados y retirados del análisis para su posterior compara-ción, después de finalizar los diferentes modelos de interpolación. Con el 89% (415 puntos), se aplicaron los análisis geoestadísticos antes mencionados.

Figura 2. Sector A Tarija con 467 valores de materia orgánica

(Fuente: Elaboración propia)

El sector B que cuenta con 349 puntos de datos (Figura 3), de los mismos fueron extraídos el 11% (38 puntos), de manera aleatoria, como puntos de control para su comparación después de finalizar los modelos de interpolación. Con el 89 % (311 puntos), se realizaron los menciona-dos análisis geoestadísticos.

Figura 3. Sector B Tarija con 349 valores de materia orgánica

(Fuente: Elaboración propia) Como se puede apreciar en el Cuadro 1, el programa y método que presenta un mayor error, corresponde al método Kri-ging en ArcGIS, con un valor de 9.31; mientras que en GvSIG, el método Kri-ging responde a un error menor de 8.35, lo que indica que dicho método no aplica cambios graduales al momento de reali-zar la modelación.

Cuadro 1. Comparación de resultados para materia orgánica (en %)

Cuadro estadís-tico

ArcGIS QGIS GvSIG IDW KRIGING IDW VMP IDW KRIGING

Error máximo 8.62 9.31 8.63 9.09 8.69 8.35 Error mínimo 0.005 0.009 0.000 0.000 0.003 0.02 Media del error 0.31 0.43 0.28 0.38 0.30 0.29 EMC 1.20 1.217 1.17 1.38 1.19 1.19

95



En cuanto al error mínimo se refiere, los métodos presentes en QGIS, tanto IDW como VMP presentan un error de cero, lo cual se atribuye a los algoritmos utiliza-dos por cada método. El resultado que arroja el Error Medio Cuadrático (EMC), es el de mayor inte-rés, ya que este estadístico es el que valo-ra cada uno de los métodos direccionados a una validación cruzada; mientras el EMC sea menor, mejor resultado arroja dicho método. De acuerdo al cuadro estadístico, el mé-todo con un menor EMC es IDW, en QGIS igual a 1.17; el método con un mayor EMC, corresponde a VMP, tam-bién en QGIS, con un valor igual a 1.38.

En el mapa de la Figura 4, se detalla la clasificación de materia orgánica (MO), donde se aprecia zonas con muy bajo, bajo, medio, alto y muy alto contenido de MO, facilitando la ubicación de regiones del departamento con deficiencia de la misma. Textura (arcilla, limo, arena) a) Arcilla El sector A cuenta con 468 puntos de datos sobre textura (Figura 5), de los mismos el 11% (51 puntos) fueron selec-cionados aleatoriamente y separados como puntos de control para su compara-ción, al finalizar los diferentes métodos de interpolación, con el 89% (417 pun-tos) se realizaron los análisis geo estadís-ticos, obteniendo parámetros para su modelización.

Figura 4. Mapa de contenido de materia orgánica del departamento de Tarija (en %), aplicando el método de interpolación inverso a la distancia (IDW)


96

ISSN 1998 - 9652


Figura 5. Sector A Tarija, con 468 puntos de datos para arcilla, limo y arena

(Fuente: Elaboración propia) El sector B de Tarija cuenta con 312 datos sobre textura (Figura 6), de los mismos, el 11% (34 puntos), fueron se-leccionados aleatoriamente y separados como puntos de control para su compara-ción. Al finalizar los diferentes métodos de interpolación, con el 89% (278 pun-tos) se procedió con el análisis geoesta-dístico para la aplicación de algoritmos. Según el Cuadro 2 el método que presen-ta un mayor error en la comparación, corresponde a VMP en QGIS, con un

valor igual a 33.00; por la sencillez del algoritmo aplicado por este método, su uso es poco eficiente en el estudio de suelos. Como programa y método de interpolación más próximo a la realidad, se tiene a IDW en ArcGIS, con un EMC de 9, y el método menos recomendable, para este caso, es VMP en QGIS, con EMC igual a 10.83. El mapa de la Figura 7, muestra la clasi-ficación de arcilla presente en el suelo del departamento, donde se clasifican zonas con alto, medio y bajo contenido de arci-lla.

Figura 6. Sector B Tarija con 312 puntos de datos para arcilla, limo y arena


Cuadro 2. Comparación de resultados para arcilla (en %)



Error máximo 24.79 27.83 24.82 33.00 27.83 26.50 Error mínimo 0.02 0.24 0.03 0.00 0.10 0.17 Media del error 0.54 1.37 0.36 1.86 0.77 0.96 EMC 9.28 9.82 9.68 10.83 9.70 10.08

97



Figura 7. Mapa de contenido de arcilla del departamento de Tarija (en %),

aplicando el método de interpolación inverso a la distancia (IDW) (Fuente: Elaboración propia)

b) Limo El Cuadro 3 muestra múltiples resulta-dos, y el método que mejor resultado arroja, es el método Kriging, presente en ArcGIS y GvSIG, con valores de 11.34 y 11.35, respectivamente de EMC, y con una media del error igual a 0.30, para ambos programas. Vale la pena destacar que para el programa ArcGIS, se utilizó un variograma de tipo esférico, y para el programa GvSIG, el variograma fue de tipo Gaussiano. El resultado, al final, muestra que ambos son casi idénticos,

demostrando así la eficacia de ambos métodos, en los diferentes programas. Acompañando a los datos estadísticos, el mapa de la Figura 8, muestra la clasifica-ción de contenido de limo en el suelo, obtenido mediante el programa ArcGIS. El programa menos recomendable, en este caso, es el algoritmo VMP en QGIS, con un EMC igual a 15.38, relativamente alto en comparación con los más ópti-mos.

Cuadro 3. Comparación de resultados para limo (en %)



Error máximo 37.35 24.85 33.59 44.00 34.50 28.00

Error mínimo 0.10 0.10 0.01 0.00 0.03 0.00

Media del error 0.42 0.30 0.66 0.65 0.85 0.30

EMC 12.58 11.34 11.70 15.38 11.92 11.35

98

ISSN 1998 - 9652


Figura 8. Mapa de contenido de limo del departamento de Tarija (en %),

aplicando el método de interpolación Kriging (Fuente: Elaboración propia)

c) Arena Pasando al cuadro estadístico (Cuadro 4), el algoritmo Kriging en GvSIG es el que presenta una mejor estimación, con un EMC igual a 16.81, y una clasificación más relacionada con la realidad (Figura 9), otro de los mejores estimadores es nuevamente el método Kriging, esta vez en ArcGIS, con un EMC igual a 16.85. En cuanto a la media del error, el algo-ritmo IDW en GvSIG, es el más adecua-do, con una media de error igual a 0.02. Conclusiones El análisis geo estadístico de los da-

tos, ha sido realizado en el programa ArcGIS, estos mismos análisis se po-drían realizar en otro programa esta-dístico, lo importante es obtener las

variables (normalidad, tendencia, agregación de los datos), que ayuda-rán con los parámetros del modelo de interpolación.

En los resultados obtenidos para cada

propiedad, el algoritmo o método que mejor resultados presentó es el Kri-ging, en ambos programas (ArcGIS - GvSIG). Como segunda alternativa se considera al IDW en los tres progra-mas; el método VMP en QGIS, es el que menos se ajusta a la realidad de los suelos, tanto en valores de materia orgánica, como de textura.

En los mapas finales, el método Kri-

ging de GvSIG, es el que más se ajus-ta a la realidad, presentando cambios graduales de una clasificación a otra.

99



Cuadro 4. Comparación de resultados para arena (en %)



Error máximo 45.74 42.25 47.79 61.00 40.54 36.01

Error mínimo 0.06 0.18 0.01 0.00 0.07 0.04

Media del error 0.13 0.99 0.20 0.44 0.02 0.88

EMC 17.78 16.85 18.07 20.55 17.83 16.81

Figura 9. Mapa de contenido de arena del departamento de Tarija (en %), aplicando el método de interpolación Kriging

(Fuente: Elaboración propia) Un punto negativo en los mapas gene-

rados por el método IDW, es la pre-sentación de valores altos y bajos me-diante puntos de color que alejan la imagen a una representación de la realidad de los suelos, distorsionando la imagen en zonas donde la diferen-cia de valores es significativa. Debido al algoritmo que utiliza el método VMP, su representación no es la me-jor cuando se habla de presentación de modelos de suelo.

Referencias citadas Canto C. 1998. Los mapas temáticos en

trabajos prácticos en geografía hu-mana. Madrid, España. p. 311-396.

Johnston K., Hoef. J., Kriyoruchko K,

Lucas N. 2001. Using ArcGis geos-tatistical analyst. Vol. 380. Environ-mental Systems Research Institute Inc. Esri. Redglands. CA. USA. 316 p.

100

ISSN 1998 - 9652


Killeen T., García E., Beck S. (Editores). 1993. Guía de árboles de Bolivia. Herbario Nacional de Bolivia - Mis-souri Botanical Garden. La Paz, Bo-livia. 958 p.

Kravchenko A. 2003. Influence of spatial

structure on accuracy of interpola-tion methods. Soil Science Society of American Journal 67: 1564-1571.

Slocum T., Mcmaster R., Kessler F., Howard H. 2005. Thematic carto-graphic and geographic visualizati-on. Upper Saddle River. Pearson Prentice Hall. 518 p.

Trabajo recibido el 16 de marzo de 2020 - Trabajo aceptado el 20 de abril de 2020

análisis comparativo gráfico de métodos de interpolación

Documents