Influencia de la Estructura Espacial en la Precisión de los Métodos de Interpolación

La efectividad de la agricultura de precisión depende de la mapeo preciso y eficiente de las propiedades del suelo. Entre los factores que más afectan el mapeo de las propiedades del suelo están el número de muestras de suelo, la distancia entre los lugares de muestreo, y la elección de los procedimientos de interpolación. El objetivo de este estudio es evaluar el efecto de la variabilidad de los datos y la fuerza de la correlación espacial en los datos sobre el rendimiento de (i) el muestreo de suelo en cuadrícula de diferente densidad de muestreo y (ii) dos procedimientos de interpolación, kriging de puntos ordinarios y ponderación inversa de distancia óptima (IDW). Se muestrearon propiedades del suelo con coeficientes de variación (CV) que oscilaban entre el 12 y el 67% en un campo de 20 ha utilizando una cuadrícula regular con una distancia de 30 m entre los puntos de la cuadrícula. Se simularon conjuntos de datos con diferentes estructuras espaciales basadas en los datos de las muestras de suelo utilizando un procedimiento de recocido simulado. La fuerza de las estructuras espaciales simuladas variaba de débil con una relación nugget a sill (N/S) de 0.6 a fuerte (relación N/S de 0.1). Los resultados indicaron que independientemente de los valores de CV, las propiedades del suelo con una estructura espacial fuerte se mapearon con mayor precisión que aquellas que tenían una estructura espacial débil. El kriging con parámetros de variograma conocidos tuvo un rendimiento significativamente mejor que el IDW en la mayoría de los casos estudiados (P < 0.01). Sin embargo, cuando los parámetros del variograma se determinaron a partir de variogramas de muestra, el kriging fue tan preciso como el IDW solo para conjuntos de datos suficientemente grandes, pero fue menos preciso cuando no se pudo obtener un variograma de muestra confiable de los datos.