Desempeño predictivo de R-INLA SPDE para el Mapeo Digital de Suelos

El mapeo digital de suelos (MDS) permite describir la variabilidad espacial de una propiedad edáfica a través de modelos de predicción espacial que explican la relación que existe entre la variable de interés y covariables sitio-especificas. Entre los modelos estadísticos más incipientes en aplicaci...

Descripción completa

Detalles Bibliográficos
Autores principales: Giannini-Kurina, Franca, Suarez, Franco, Paccioretti, Pablo, Macchiavelli, Raúl, Mónica, Balzarini
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2021
Materias:
Ciencias Informáticas
Mapeo digital de suelos
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/140590
http://50jaiio.sadio.org.ar/pdfs/cai/CAI-10.pdf
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-140590
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
Mapeo digital de suelos
spellingShingle Ciencias Informáticas
Mapeo digital de suelos
Giannini-Kurina, Franca
Suarez, Franco
Paccioretti, Pablo
Macchiavelli, Raúl
Mónica, Balzarini
Desempeño predictivo de R-INLA SPDE para el Mapeo Digital de Suelos
topic_facet Ciencias Informáticas
Mapeo digital de suelos
description El mapeo digital de suelos (MDS) permite describir la variabilidad espacial de una propiedad edáfica a través de modelos de predicción espacial que explican la relación que existe entre la variable de interés y covariables sitio-especificas. Entre los modelos estadísticos más incipientes en aplicaciones de MDS está la regresión bayesiana ajustada con INLA (del inglés, Integrated Nested Laplace Approximation) y SPDE (del inglés, Stochastic Partial Differential Equation) para modelar la correlación espacial entre sitios del dominio espacial a mapear. En este trabajo, se evaluó la implementación de la regresión Bayesianas (RB) se ilustró con tres bases de datos espaciales de características contrastantes. Los resultados de la implementación con RB se compararon con otros dos algoritmos ampliamente utilizados en el MDS, Regresión Kriging (RK) y Random Forest con residuos krigeados (RF). Se evaluó el desempeño predictivo de RB comparado con RK y RF según un diseño que propone por un lado variar la configuración de variables explicativas y por otro el número de observación entrenando el modelo. Todos los predictores espaciales fueron eficientes para el mapeo. Las mejores configuraciones de variables explicativas lograron resultados exitosos en términos de errores de predicción global (<25%). Las diferencias en el desempeño predictivo entre algoritmos de predicción espacial dependieron de particularidades de los escenarios de aplicación. El aumento en la cantidad de covariables implicadas en el modelo, es decir el número de parámetros a estimar tiene un impacto diferencial para RF, algoritmo que produce mejor rendimiento comparado con RB y RK en contextos de alta dimensionalidad. Finalmente se concluye que el desempeño estadístico de RB es competitivo frente a RK y RF. Futuras líneas de investigación deberían profundizar el estudio de propagación y dimensionamiento de la incertidumbre debido a las particularidades que RB frente a los otros métodos evaluados.
format Objeto de conferencia
Objeto de conferencia
author Giannini-Kurina, Franca
Suarez, Franco
Paccioretti, Pablo
Macchiavelli, Raúl
Mónica, Balzarini
author_facet Giannini-Kurina, Franca
Suarez, Franco
Paccioretti, Pablo
Macchiavelli, Raúl
Mónica, Balzarini
author_sort Giannini-Kurina, Franca
title Desempeño predictivo de R-INLA SPDE para el Mapeo Digital de Suelos
title_short Desempeño predictivo de R-INLA SPDE para el Mapeo Digital de Suelos
title_full Desempeño predictivo de R-INLA SPDE para el Mapeo Digital de Suelos
title_fullStr Desempeño predictivo de R-INLA SPDE para el Mapeo Digital de Suelos
title_full_unstemmed Desempeño predictivo de R-INLA SPDE para el Mapeo Digital de Suelos
title_sort desempeño predictivo de r-inla spde para el mapeo digital de suelos
publishDate 2021
url http://sedici.unlp.edu.ar/handle/10915/140590
http://50jaiio.sadio.org.ar/pdfs/cai/CAI-10.pdf
work_keys_str_mv AT gianninikurinafranca desempenopredictivoderinlaspdeparaelmapeodigitaldesuelos
AT suarezfranco desempenopredictivoderinlaspdeparaelmapeodigitaldesuelos
AT pacciorettipablo desempenopredictivoderinlaspdeparaelmapeodigitaldesuelos
AT macchiavelliraul desempenopredictivoderinlaspdeparaelmapeodigitaldesuelos
AT monicabalzarini desempenopredictivoderinlaspdeparaelmapeodigitaldesuelos
bdutipo_str Repositorios
_version_ 1764820459159814145

Ejemplares similares