Bogotá - Ciencias Agrarias - Maestría en Geomática · 2024
Predicción de la infiltración en el suelo mediante la integración de sensores remotos e inferencia espacial en una microcuenca andina
La infiltración es el proceso de entrada del agua al suelo, su estimación es importante tanto para hacer un eficiente uso del recurso hídrico en cultivos, como para efectos de los modelos hidrológicos. Debido a su complejidad metodológica y espacial, se han desarrollado diversos modelos para su estimación; sin embargo, la idoneidad y ajuste de estos a las condiciones particulares de cada suelo generalmente no resulta simple, conllevando a la necesidad de disminuir su incertidumbre para obtener resultados más consistentes. Esta investigación desarrolló un modelo espacial para estimar la tasa de infiltración básica empleando índices de humedad y vegetación provenientes de imágenes Sentinel- 1, atributos del terreno obtenidos del modelo digital de elevación ALOS PALSAR y algunas propiedades del suelo. Los resultados demostraron que el modelo autorregresivo espacial con errores autorregresivos permitió modelar espacialmente la infiltración base, donde el ajuste de los valores observados y estimados presentaron un coeficiente de correlación de 0.98. Se evidenció una relación estadística significativa entre los índices de radar y la infiltración base en los suelos y se confirmó la incidencia de la elevación y algunas de las propiedades físicas del suelo en la estimación de la infiltración base, esta relación se entiende también como el impacto que tienen dichas variables en el cálculo de la infiltración, allí se encontró que todas las variables tuvieron impacto positivo, particularmente el índice de humedad y la elevación tuvieron el mayor impacto y el porcentaje de arenas el menor (texto tomado de la fuente).
Full text 132 pages with text
Read the full thesis Record in the repository
Contents
- Marco teóricop. 21
- Infiltraciónp. 21
- Radar de apertura sintética (SAR)p. 27
- Índice de vegetación por radar (RVI)p. 37
- Índice de humedad del suelo (SMI)p. 37
- Interpolación bilinealp. 41
- Regresión por mínimos cuadrados parcialesp. 42
- Autocorrelación espacialp. 43
- Índice de Moranp. 44
- Modelos espaciales de regresiónp. 45
- Impactos de los modelos espacialesp. 49
- Conglomerados espacialesp. 50
- Materiales y métodosp. 52
- Área de estudiop. 52
- Materialesp. 54
- Datos de infiltración básica y UHRp. 54
- Datos de covariablesp. 56
- Métodosp. 61
- Elaboración del modelo espacialp. 63
- la estimación de la tasa de infiltración base del suelop. 70
- hidrológica establecidas y las generadas a partir de conglomerados espacialesp. 70
- Resultadosp. 72
- Modelo de regresión espacialp. 72
- Preprocesamiento de imágenes Sentinel-1p. 72
- Determinación de Índices derivados de sensores remotosp. 74
- Estimación de precipitación en el área de estudiop. 78
- Determinación de parámetros del terrenop. 80
- Análisis de Impactosp. 100
- Conglomerados espacialesp. 50
- Discusiónp. 107
- Conclusiones y recomendacionesp. 114
- Conclusionesp. 114
- Recomendacionesp. 115
- Malagón (1990)p. 22
- Figura 1-2. Principio de apertura sintética. Tomado de (Maître, 2008)p. 28
- Figura 1-3. Geometría de la imagen SAR.Tomado de (Moreira et al., 2013)p. 29
- transversal sobre objetivos distribuidos. Tomado de Woodhouse (2017)p. 34
- Tomado de (Kirkland, 2010)p. 42
- ,2014p. 48
- Figura 2-1. Localización zona de estudiop. 53
- Figura 2-3. Unidades de respuesta hidrológica presentes en la microcuencap. 55
- Figura 2-4. Esquema metodológico general de esta investigaciónp. 62
- procesar, (n) 25 de noviembre procesada (dB)p. 73
- Figura 3-2. Estadísticas generales índice de vegetaciónp. 74
- Figura 3-3. Estadísticas generales índice de humedadp. 75
- tres meses de estudiop. 79
- tres meses de estudiop. 80
- Figura 3-8.Estadísticas generales de las medias de los atributos de terrenop. 81
- Figura 3-9.Estadísticas generales de las medianas de los atributos de terrenop. 81
- Figura 3-12.Distribución espacial del porcentaje de limo presente en la microcuencap. 84
- Figura 3-13. Distribución espacial del carbono orgánico en la microcuencap. 85
- microcuencap. 85
- Figura 3-15. Distribución espacial de la densidad aparente en la microcuencap. 86
- Figura 3-16. Distribución espacial de la porosidad total en la microcuencap. 87
- Figura 3-17.Estadísticas generales de las medias de las variables edáficasp. 88
- Figura 3-18.Estadísticas generales de las medianas de las variables edáficasp. 89
- matriz de mediasp. 90
- infiltración en la matriz de mediasp. 90
- en la matriz de mediasp. 91
- en la matriz de mediasp. 91
- matriz de medianasp. 92
- en la matriz de medianasp. 92
- en la matriz de medianasp. 93
- en la matriz de medianasp. 93
- pesos de la primera fila de la matriz (c), según el valor de bp. 97
- Figura 3-28.Valores observados vs valores estimadosp. 98
- infiltración básicap. 99
- infiltración básicap. 100
- infiltración básicap. 102
- distancias geográficas entre URHp. 104
- contempla únicamente las restricciones geográficasp. 105
- vecindades entre URHp. 105
- contempla las restricciones por vecindadp. 106
- tasa de infiltraciónp. 14
- Tabla 1-2. Bandas de radar de apertura sintética y sus principales usosp. 31
- Tabla 1-3. Características generales del satélite Sentinel-1p. 35
- microcuenca Zanja Hondap. 57
- Tabla 2-2.Imágenes Sentinel-1 empleadasp. 58
- Tabla 2-3. Modelo digital de elevación empleadop. 60
- base de datos elaborada por Leal 2022p. 60
- estudiop. 64
- procesarp. 72
- la infiltración basep. 94
- infiltraciónp. 21
- estimación de la infiltraciónp. 97
- Tabla 3-6.Información complementaria sobre el ajuste del modelop. 98
- infiltración básicap. 101